Fine-tuning DeepSeek-OCR-2 for Molecular Structure Recognition
تقدم هذه الورقة MolSeek-OCR، وهو نموذج مُعدل من DeepSeek-OCR-2 للتعرف البصري على البنى الكيميائية، يستخدم استراتيجية ضبط دقيق تدريجي على مرحلتين باستخدام بيانات اصطناعية وبيانات براءات اختراع لتحقيق دقة تنافسية على مستوى التسلسل، رغم أنه لا يزال يتأخر عن النماذج الرائدة التي تحول الصور إلى رسوم بيانية ويفشل في التحسن أكثر من خلال التعلم التعزيزي أو تنقية البيانات في مرحلة ما بعد التدريب.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك مكتبة ضخمة من الكتب المدرسية القديمة لوثائق الكيمياء وبراءات الاختراع. هذه الكتب مليئة بالصور الجملة، سواء كانت مرسومة يدوياً أو مولدة بالحاسوب، لتمثيل الجزيئات (اللبنات الصغيرة للحياة والطب). بالنسبة للحاسوب، هذه الصور ليست سوى مجموعة من الخطوط والدوائر، ولكن بالنسبة للعالم، هي تعليمات معقدة.
المشكلة:
الحواسيب بارعة في قراءة النصوص، لكنها تواجه صعوبة في النظر إلى صورة جزيء وكتابة "الكود السري" (المسمى بسلسلة SMILES) فوراً، والذي يخبر الحاسوب بالضبط كيف بُني هذا الجزيء. المحاولات السابقة لتعليم الحواسيب هذه المهارة كانت تشبه محاولة تعليم طفل صغير قراءة رواية بمجرد إظهار الغلاف له؛ حيث كانوا غالباً ما يتعثرون أو يستسلمون.
الحل: "MolSeek-OCR"
قام الباحثون في هذه الورقة البحثية بأخذ ذكاء اصطناعي متطور مسبق التدريب (يسمى DeepSeek-OCR-2)، وهو خبير بالفعل في قراءة المستندات، وعلموه خصيصاً كيفية قراءة الرسومات الكيميائية. وقد أطلقوا على نموذجهم الجديد اسم MolSeek-OCR.
إليكم كيف فعلوا ذلك، باستخدام بعض التشبيهات البسيطة:
1. الرقصة ذات الخطوتين (استراتيجية التدريب)
حاول الباحثون تعليم الذكاء الاصطناعي كل شيء دفعة واحدة، لكن الذكاء الاصطناعي ارتبك وانهت عملية التدريب. لذا، ابتكروا رقصة ذات خطوتين:
الخطوة 1: مرحلة "عجلات التدريب" (LoRA):
تخيل أنك تعلم شخصاً ما قيادة سيارة سباق. أنت لا تسمح له بلمس المحرك أو ناقل الحركة بعد، بل تتركه يتدرب فقط على التوجيه والكبح.
في هذه الخطوة، قام الباحثون فقط بتعديل جزء صغير ومحدد من "دماغ" الذكاء الاصطناعي (باستخدام تقنية تسمى LoRA). سمح هذا للذكاء الاصطناعي بتعلم كيفية النظر إلى الجزيء والبدء في تخمين الكود دون كسر قدرته الحالية على فهم اللغة.الخطوة 2: مرحلة "المحرك الكامل" (الضبط الدقيق التدريجي):
بمجرد أن أصبح السائق مرتاحاً، سمحوا له بلمس المحرك. لكنهم لم يسمحوا له بإعادة بناء السيارة بالكامل دفعة واحدة.
لقد أبقوا "عيون" الذكاء الاصطناعي (الجزء الذي يرى الصورة) ثابتة ومستقرة، لكنهم سمحوا لـ "الدماغ" (الجزء الذي يكتب الكود) بأن يتعلم بعمق أكبر. استخدموا حيلة خاصة حيث علموا الجزء البصري ببطء والجزء الكتابي بسرعة، مما ضمن أن الذكاء الاصطناعي لن ينسى كيفية الرؤية أثناء تعلم كيفية الكتابة.
2. ساحات التدريب (البيانات)
لجعل الذكاء الاصطناعي محترفاً، لم يكتفوا بإظهار رسومات مثالية مولدة بالحاسوب له، بل قدموا له نظاماً غذائياً مختلطاً:
- مستوى "ألعاب الفيديو": رسومات اصطناعية نظيفة تماماً (مثل رسومات ألعاب الفيديو).
- المستوى "الواقعي": صور ممسوحة ضوئياً من براءات الاختراوت والمجلات القديمة. هذه الصور فوضوية! فهي تحتوي على بقع قهوة، وخطوط غريبة، وخطوط سميكة جداً أو رفيعة جداً.
من خلال التدريب على كليهما، تعلم الذكاء الاصطناعي التعرف على الجزيئات سواء كانت مرسومة على سبورة بيضاء ناصعة أو مكتوبة على منديل مجعد.
3. النتائج: جيدة، ولكن ليست مثالية
عندما اختبروا MolSeek-OCR، وجدوا أنه قام بعمل رائع. لقد كان قريباً جداً من أفضل نماذج "تحويل الصورة إلى نص" الموجودة حالياً. يمكنه النظر إلى رسم غير مرتب في براءة اختراع وكتابة الكود الكيميائي الصحيح بنسبة تتراوح بين 70-75% من المرات.
ومع ذلك، هناك عقبة:
هناك نوع آخر من الذكاء الاصطناعي (مثل MolScribe) لا يقوم فقط بـ "قراءة" الصورة مثل كتاب، بل "يعيد بناء" الجزيء مثل أحجية ثلاثية الأبعاد.
- MolSeek-OCR يشبه المترجم: ينظر إلى الصورة ويخمن الكلمات.
- MolScribe يشبه المهندس المعماري: ينظر إلى الصورة ويرسم المخططات من الصفر.
لا يزال "المهندس المعماري" (MolScribe) أفضل في هذه المهمة المحددة لأن الهياكل الكيميائية معقدة للغاية، بحيث إن تخمين الكود كلمة بكلمة غالباً ما يؤدي إلى أخطاء صغيرة ولكنها قاتلة.
4. تجربة "التعزيز" (لماذا لم تنجح)
حاول الباحثون شيئاً واحداً أخيراً. حاولوا استخدام "نظام مكافأة" (مثل تدريب الكلب بالمكافآت). أخبروا الذكاء الاصطناعي: "إذا خمنت جزيئاً صالحاً كيميائياً، حتى لو لم يكن الكود مثالياً، فستحصل على مكافأة".
- النتيجة: أصبح الذكاء الاصطناعي أفضل في فهم شكل الجزيء، لكنه أصبح أسوأ في كتابة الكود الدقيق. كان الأمر يشبه طالباً تعلم مفهوم المسألة الرياضية لكنه استمر في ارتكاب أخطاء مطبعية في الإجابة النهائية. وبما أن الهدف هو الحصول على الكود الدقيق تماماً، فإن هذه الطريقة لم تساعد.
الخلا ملخص النتائج
نجح الباحثون في تعليم ذكاء اصطناعي عام متخصص في قراءة المستندات كيفية قراءة الكيمياء، مما خلق أداة تسمى MolSeek-OCR. إنها أداة قوية جديدة يمكنها رقمنة المعرفة الكيميائية القديمة بشكل أسرع من ذي قبل. ومع ذلك، بالنسبة للمهام الأكثر تعقيداً ودقة، لا تزال الطريقة التقليدية المتمثلة في "إعادة بناء الجزيء من الصفر" هي المعيار الذهبي.
باخت-اختصار: لقد علموا روبوتاً ذكياً قراءة كتب الكيمياء. إنه جيد جداً، لكنه لا يزال بحاجة إلى القليل من المساعدة من متخصص ليصبح دقيقاً بنسبة 100% في التفاصيل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.