🤖 machine learning

ShapBPT: Image Feature Attributions Using Data-Aware Binary Partition Trees

تقدم هذه الورقة ShapBPT، وهي طريقة جديدة للذكاء الاصطناعي القابل للتفسير تستفيد من أشجار التقسيم الثنائية المدركة للبيانات لحساب قيم شابلي الهرمية، مما يولد علاقات نسب ميزات على مستوى البكسل فعالة، ومتوافقة مورفولوجياً، ومفضلة بشرياً لبيانات الصور.

المؤلفون الأصليون: Muhammad Rashid, Elvio G. Amparore, Enrico Ferrari, Damiano Verda

نُشر 2026-03-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Muhammad Rashid, Elvio G. Amparore, Enrico Ferrari, Damiano Verda

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أن لديك روبوت ذكاء اصطناعي فائق الذكاء ينظر إلى صورة فلامنجو ويقول بشكل صحيح: "هذا فلامنجو!". لكن الروبوت عبارة عن "صندوق أسود" — فهو لن يخبرك لماذا يعتقد أنه فلامنجو؟ هل ينظر إلى الريش الوردي؟ أم الأرجل الطويلة؟ أم الخلفية؟

لإصلاح ذلك، يستخدم العلماء أدوات تسمى الذكاء الاصطناعي القابل للتفسير (XAI). تحاول هذه الأدوات تسليط الضوء على الأجزاء من الصورة التي أقنعت الروبوت باتخاذ قراره.

تقدم هذه الورقة البحثية أداة جديدة وأكثر ذكاءً تسمى ShapBPT. وإليك كيف تعمل، مشروحة ببساطة:

1. المشكلة: "الشبكة" مقابل "اللغز"

معظم الأدوات الحالية (مثل أداة SHAP الشهيرة) تنظر إلى الصورة مثل لوحة الشطرنج. فهي تقطع الصورة إلى مربعات صغيرة وجامدة (بكسلات) وتسأل الروبوت: "إذا أخفيت هذا المربع، هل سيظل الروبوت يعتقد أنه فلامنجو؟"

العيب: هذا الأمر غير فعال. إذا كان الروبوت ينظر إلى ساق الفلامنجو بالكامل، فقد تضيع أداة الشبكة وقتها في اختبار كل بكسل من الساق على حدة. الأمر يشبه محاولة العثور على كلمة محددة في كتاب عبر قراءة كل حرف على حدى، بدلاً من النظر إلى الكلمات الكاملة.
النتيجة: يستغرق الأمر وقتاً طويلاً (بطء)، وأحياناً تبدو التوضيحات مشوشة أو ضبابية لأنها لا تحترم الشكل الطبيعي للجسم.

2. الحل: "الشجرة الذكية" (ShapBPT)

ابتكر المؤلفون ShapBPT، الذي يعامل الصورة مثل شجرة متنامية أو لغز ذكي، بدلاً من شبكة جامدة.

كيف يعمل: بدلاً من تقطيع الصورة إلى مربعات، ينظر ShapBPT إلى الصورة ويقول: "مهلاً، هذه البكسلات جميعها لها نفس اللون الوردي ومتجاورة مع بعضها البعض. لنجمعها معاً!"
شجرة التقسيم الثنائي (BPT): تخيل أن لديك كومة من قطع الليغو (Lego).
1. تبدأ بكل قطعة منفصلة تماماً.
2. تبحث عن قطعتين تبدوان متشابهتين (نفس اللون، متلامستان) وتقوم بتركيبهما معاً.
3. تستمر في دمج المجموعات المتشابهة معاً حتى تحصل على كتلة واحدة كبيرة تمثل الفلامنجو بأكمله.
4. هذا ينشئ هيكل شجرة حيث تندمج المجموعات الصغيرة في مجموعات أكبر.

3. السحر: "الوعي بالبيانات" (Data-Aware)

الكلمة المفتاحية هنا هي الوعي بالبيانات.

الطريقة القديمة (الشبكة): "سأقسم الصورة إلى نصفين، ثم أقسم تلك الأنصاف إلى أنصاف أخرى، بغض النظر عما يوجد في الصورة". (مثل قطع البيتزا إلى شرائح مثالية حتى لو كان الببروني موجوداً في جانب واحد فقط).
طريقة ShapBPT (الشجرة): "سأقطع الصورة تماماً حيث يتغير الجسم". إذا كانت ساق الفلامنجو بجانب الماء، فإن الأداة ستقطع بين الساق والماء مباشرة. إنها تحترم شكل الجسم.

4. لماذا هذا أفضل؟ (التشبيه)

فكر في محاولة العثور على شخص معين في ملعب مزدحم.

طريقة الشبكة (SHAP): تصرخ في كل مقعد في الملعب، واحداً تلو الآخر، وتسأل: "هل أنت الشخص المطلوب؟". هذا يستغرق وقتاً طويلاً جداً.
طريقة ShapBPT: تنظر إلى الحشد. ترى مجموعة من الناس يرتدون قمصاناً حمراء. تسأل المجموعة بأكملها: "هل الشخص موجود هنا؟". إذا كانت الإجابة نعم، فإنك تركز بحثك على تلك المجموعة. إذا كانت لا، فإنك تتجاهل المجموعة بأكمل-ها فوراً.
- النتيجة: تجد الشخص بشكل أسرع بكثير، وتعرف بالضبط إلى أي مجموعة ينتمي.

5. النتائج

اختبرت الورقة البحثية ShapBPT مقابل طرق أخرى على آلاف الصور (سيارات، حيوانات، وجوه، وحتى اكتشاف العيوب في قطع المصانع).

السرعة: كان أسرع بكثير لأنه لم يضع وقته في اختبار البكسلات غير ذات الصلة.
الدقة: "التوضيح" الذي أنتجه طابق شكل الجسم الفعلي تماماً. إذا كان الروبوت ينظر إلى أذن كلب، فإن ShapBPT يسلط الضوء على الأذن بشكل نظيف، وليس كبقعة ضبابية حولها.
تفضيل البشر: عرضوا النتائج على 20 شخصاً وسألوهم: "أي تفسير يبدو أكثر منطقية؟" فاز ShapBPT. فضل الناس التوضيحات النظيفة والواعية بالشكل على التوضيحات الفوضوية التي تشبه الشبكة.

الملخص

ShapBPT يشبه إعطاء الذكاء الاصطناعي مقصاً ذكياً بدلاً من مسطرة. فبدلاً من قطع الصورة إلى مربعات جامدة، فإنه يقطع على طول الخطوط الطبيعية للأجسام. وهذا يجعل التفسير أسرع في الحساب، وأسهل للفهم من قبل البشر، وأكثر دقة في إظهار لماذا اتخذ الذكاء الاصطناعي قراره.

إليك ملخص تقني مفصل لورقة البحث بعنوان "ShapBPT: عزو الميزات الصورية باستخدام أشجار التقسيم الثنائية الواعية بالبيانات".

1. بيان المشكلة

في مجال الذكاء الاصطناعي القابل للتفسير (XAI) للرؤية الحاسوبية (XCV)، يبرز تحدٍ جوهري يتمثل في كيفية تفسير النماذج "الصندوق الأسود" لتصنيف الصور من خلال عزو الأهمية لكل بكسل على حدة.

عيوب الطرق الحالية:
- الأساليب القائمة على الشبكات (مثل SHAP Partition Explainer): تستخدم شبكات ثابتة ومحاذية للمحاور (AA). وهي تتجاهل البنية المورفولوجية الجوهرية للصور (الشكل، الملمس، استمرارية اللون)، مما يؤدي إلى بطء التقارب وعدم توافق العزو بشكل جيد مع حدود الأجسام.
- التقسيم المحدد مسبقاً (مثل LIME): يعتمد على خوارزميات تقسيم ثابتة. إذا كان التقسيم الأولي غير دقيق، فلا يمكن تحسين التفسير بشكل تكيفي، مما يحد من الفعالية في البيانات المعقدة.
- التكلفة الحسابية: حساب قيم شابلي (Shapley values) الدقيقة هو مسأًلة من نوع #P-hard. لذا، من الضرذوري استخدام التقريبات باستخدام الهياكل الهرمية (صيغة أوين - Owen formula)، والتي تصبح مكلفة بشكل أسي ( $O(4^d)$ ) إذا تطلب الهيكل عمليات تقسيم متكررة عديدة للوصول إلى المناطق ذات الصلة.
الفجوة: تفتقر طرق شابلي الهرمية الحالية إلى "الوعي بالبيانات". فهي لا تستفيد من الميزات المورفولوجية المحددة لصورة البيانات لبناء هرم التحالفات، مما يؤدي إلى استكشاف غير فعال لمساحة الميزات.

2. المنهجية: ShapBPT

يقترح المؤلفون ShapBPT، وهو منهج جديد للرؤية الحاسوبية (XCV) مستقل عن النموذج، يدمج تقريب أوين لقيم شابلي مع شجرة التقسيم الثنائية (BPT).

أ. الأساس النظري: تقريب أوين

تستخدم الطريقة قيمة تحالف أوين لتقريب قيم شابلي عبر هيكل هرمي.

هياكل التحالف الهرمية الثنائية (BHCS): يتم تنظيم بكسلات الصورة في شجرة ثنائية حيث يمثل كل عقدة "تحالفاً" (مجموعة من البكسلات).
الصيغة التكرارية: يتم حساب قيمة شابلي للاعب $i$ في تحالف $T$ بشكل تكراري. إذا انقسم $T$ إلى $T_1$ و $T_2$ ، فإن القيمة تكون عبارة عن مجموع مرجح للمساهمات الهامشية.
الميزانية التكيفية: بدلاً من توسيع الشجرة بالكامل، تُستخدم استراتيجية تكيفية. يتم تخصيص ميزانية $b$ (عدد عمليات تقييم النموذج). تقوم الخوارزمية بتكرار تقسيم الجزء الذي يعظم مجموع قيم شابلي، وتتوقف عند استنفاد الميزانية أو عندما تصبح الأجزاء غير قابلة للتقسيم.

ب. الابتكار الجوهري: شجرة التقسيم الثنائية الواعية بالبيانات (Data-Aware BPT)

على عكس الشبكات الثابتة، تبني ShapBPT الهيكل بناءً على محتوى الصورة.

البناء من الأسفل إلى الأعلى: يتم بناء BPT من خلال دمج البكسلات أو المناطق المتجاورة تكرارياً بناءً على دالة مسافة واعية بالبيانات.
مقياس المسافة: يعمل معيار الدمج على تقليل دالة المسافة $dist(T_i, T_j)$ المعرفة كالتالي:
$dist(T_i, T_j) = \text{color\_range}^2 \cdot \text{area} \cdot \sqrt{\text{perimeter}}$
يضمن هذا دمج المناطق ذات الألوان المتشابهة والأشكال المتماسكة أولاً، مما ينشئ تسلسلاً هرمياً يتوافق مع المورفولوجيا الجوهرية للصورة.
التحسين: تعمل BPT كبنية "مسبقة التحديد وقابلة للتحسين". ثم تقوم خوارزمية أوين بعملية تقسيم "لاحقة" على هذه الشجرة، مع تركيز الميزانية الحسابية على المناطق ذات قيم العزو العالية.

ج. المتطلبات الرئيسية المستوفاة

R1 (الكفاءة): هناك حاجة لعمليات قطع تكرارية أقل للوصول إلى مناطق الأجسام ذات الصلة لأن الشجرة تتبع الحدود الطبيعية للأجسام.
R2 (التكيف): الهيكل ليس ثابتاً؛ بل يُبنى من البيانات، مما يسمح للمنهج بالتكيف مع المورفولوجيا المحددة لكل صورة.

3. المساهمات الرئيسية

خوارزمية ShapBPT: أول منهج لـ XCV يجمع بين صيغة أوين وهيكل تقسيم واعٍ بالبيانات (BPT) مخصص لبيانات الصور.
استراتيجية هجينة: تتغلب على جمود LIME (التقسيم الثابت) وعدم كفاءة SHAP (الشبكات القائمة على الشبكات) من خلال استخدام شجرة متوافقة مورفولوجياً يتم تحسينها تكيفياً بواسطة حساب شابلي.
الاشتقاق النظري: يوفر اشتقاقاً كاملاً لصيغة أوين التكرارية للأشجار الثنائية (المعادلة 4)، والتي كانت غائبة سابقاً في الأدبيات المنشورة.
تقييم شامل: اختبار مرجعي واسع النطاق عبر مجموعات بيانات متنوعة (ImageNet, MS-COCO, CelebA, MVTec) ونماذج مختلفة (ResNet, Vision Transformers, YOLO, VAE-GAN).

4. النتائج التجريبية

تقيم الورقة ShapBPT مقابل أحدث الأساليب (SHAP-AA, LIME, GradCAM, IDG, LRP, إلخ) باستخدام أربعة مقاييس:

القائم على الاستجابة: $AUC^+$ و $AUC^-$ (لقياس التوافق مع مخرجات النموذج).
القائم على الحقيقة الأرضية (Ground-truth): $AU-IoU$ و $max-IoU$ (لقياس التداخل مع أقنعة الأجسام المعروفة).
تفضيل البشر: دراسة مستخدمين شارك فيها 20 مشاركاً.

النتائج الرئيسية:

تفوق الدقة: تتفوق ShapBPT باستمرار على الأساليب القائمة على AA وLIME في درجات IoU، مما يظهر قدرة أفضل على تحديد حدود الأجسام والفصل بينها وبين الخلفية.
الكفاءة: تحقق ShapBPT درجات أعلى بعدد أقل بكثير من عمليات تقييم النموذج (الميزانية). على سبيل المثال، غالباً ما تتفوق ShapBPT بميزانية 100 على المنافسين بميزانيات 500 أو 1000.
المتانة: يعمل المنهج بشكل استثنائي مع نماذج Vision Transformers (مثل SwinViT, ViT-Base)، والتي تُعرف بصعوبة تفسيرها بسبب حساسيتها لعمليات الحجب (masking).
تفضيل البشر: في دراسة محكومة، صنف المشاركون تفسيرات ShapBPT بأنها الأكثر فائدة (51% من أصوات المركز الأول) مقارنة بـ GradCAM وLIME وAA. وعزا المستخدمون ذلك إلى العرض "الواضح والنقي" مع ضجيج أقل.

5. الأهمية والتأثير

الربط بين النظرية والبيانات: نجحت ShapBPT في سد الفجوة بين العزو القائم على نظرية الألعاب (شابلي) والدلالات المورفولوجية للرؤية الحاسوبية. لقد أثبتت أن الهياكل الهرمية الواعية بالبيانات ضرورية لتفسير بصري فعال ودقيق.
الكفاءة الحسابية: من خلال تقليل عمق التكرار المطلوب لعزل الميزات ذات الصلة، تجعل ShapBPT التفسيرات القائمة على شابلي أكثر جدوى للصور عالية الدقة والبيئات محدودة الموارد.
القدرة على التعميم: المنهج مستقل عن النموذج ويعمل عبر مهام التصنيف، الكشف، التجزئة، وكشف الشذوذ.
العمل المستقبلي: يقترح المؤلفون إمكانية التكامل مع النماذج التأسيسية مثل Segment Anything (SAM)، رغم أن هذا يتطلب بناء هيكل هرمي متوافق، وهو اتجاه للأبحاث المستقبلية.

ختاماً، تمثل ShapBPT تقدماً كبيراً في مجال XCV، حيث تقدم طريقة أكثر كفاءة ودقة وتفضلاً لدى البشر لتفسير مصنفات الصور من خلال الاستفادة من البنية الجوهرية لبيانات الصور.