Privacy-Preserving Clothing Classification using Vision Transformer for Thermal Comfort Estimation
تقترح هذه الورقة طريقة لتصنيف الملابس تحافظ على الخصوصية باستخدام نماذج "Vision Transformers" (ViT)، مما يتيح تحكماً آمناً في الراحة الحرارية المتمحورة حول شاغل المكان من خلال الحفاظ على دقة عالية في الصور المشفرة، وبذلك تتغلب على التدهور الشديد في الدقة الذي يصاحب عادةً مخططات تصنيف الصور التقليدية التي تحافظ على الخصوصية.
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 أنك تريد أن يكون تكييف الهواء في منزلك مريحاً تماماً، لكنك لا تريد عرض صور عائلتك على الشركة التي تدير النظام. هذه هي المشكلة التي تحلها هذه الورقة البحثية.
إليك قصة كيف فعلوا ذلك، مشروحة ببساطة:
المشكلة: معضلة "البيت الزجاجي"
لجعل الغرفة تشعر بالراحة المثالية، تحتاج أنظمة التدفئة والتبريد إلى معرفة ما يرتديه الناس. المعطف الثقيل يعني أن الغرفة تحتاج لتكون أكثر دفئاً؛ والقميص (T-shirt) يعني أنه يمكن جعلها أبرد.
عادةً، تلتقط الكاميرات صوراً للناس لتخمين ما يرتدونه. لكن إرسال الصور الخام إلى خادم سحابي (Cloud Server) يشبه تسليم مذكراتك لشخص غريب ليقرأها. إنه كابوس يهدد الخصوصية.
حاول العلماء حل هذه المشكلة عن طريق تشفير الصور (تشفيرها) قبل إرسالها. ومع ذلك، هناك عقبة: التشفير عادةً ما "يكسر" (يعطل) "الدماغ" (الذكاء الاصطناعي) الذي يحاول قراءة الصورة. الأمر يشبه محاولة حل أحجية "بازل" بينما قام شخص ما بتقطيع القطع إلى أجزاء صغيرة غير قابلة للتمييز. كانت الطرق القديمة سيئة جداً في قراءة الصور المشفرة لدرجة أن الذكاء الاصطناعي كان يخطئ في التخمين نصف الوقت تقريباً.
الحل: دماغ "مكعبات الليغو"
وجد مؤلفو هذه الورقة طريقة جديدة لتشفير الصور لا تعطل "دماغ" الذكاء الاصطناعي. لقد استخدموا نوعاً خاصاً من الذكاء الاصطناعي يسمى "محول الرؤية" (Vision Transformer - ViT).
فكر في الذكاء الاصطناعي العادي (مثل CNN) كأنه محقق ينظر إلى الصورة بكسل تلو الآخر، مثل قراءة كتاب حرفاً بحرف. إذا قمت بخلط الحروف، فلن يستطيع المحقق قراءة القصة.
أما "محول الرؤية" (Vision Transformer)، فهو أشبه بمحقق ينظر إلى الصورة في كتل كبيرة (مثل مكعبات الليغو). هو لا يهتم بالترتيب الدقيق للبكسلات الصغيرة داخل الكتلة؛ بل يهتم فقط بالشكل واللون للكتلة بأكملها.
الخدعة السحرية: الخلط السري
إليك الجزء الذكي من طريقتهم:
- الإعداد: يأخذ مطور الذكاء الاصطناعي "دماغاً" مدرباً مسبقاً ويقفله بمفتاح سري.
- التشفير: عندما يريد المستخدم التحقق من ملابسه، يأخذ صورته ويقطعها إلى تلك "الكتل الكبيرة" نفسها. ثم، باستخدام المفتاح السري، يقوم بـ خلط ترتيب الكتل حول بعضها وخلط البكسلات داخل كل كتلة.
- مثال توضيحي: تخيل صورة لقطة. الطريقة القديمة كانت ستحولها إلى ضجيج رقمي (Static noise). أما هذه الطريقة الجديدة، فستحولها إلى صورة يكون فيها رأس القطة على اليسار، وذيلها على اليمين، وفراؤها بلون مختلف، لكن شكل القطة لا يزال موجوداً.
- النتيجة: لأن "محول الرؤية" ينظر فقط إلى الكتل الكبيرة، فإنه لا يزال قادراً على التعرف على "القطة" (أو "المعطف") حتى لو بدا شكل الصورة فوضوياً ومبعثراً للعين البشرية.
ما الذي وجدوه؟
اختبر الباحثون هذا على قاعدة بيانات ضخمة من صور الملابس، حيث صنفوا الملابس إلى أربع مجموعات: بدون أكمام، أكمام قصيرة، أكمام طويلة، وملابس خارجية ثقيلة.
- الطريقة القديمة (القائمة على البكسل): عندما قاموا بتشفير الصور، انخفضت دقة الذكاء الاصطناعي بشكل كبير. بالنسبة للمعاطف الثفيلة، انخفضت الدقة من كونها صحيحة بنسبة 73% من المرات إلى 65% فقط. كان النظام يعاني للتمييز بين السترة والجاكيت.
- الطريقت الجديدة (القائمة على ViT): عندما استخدموا "خلطة مكعبات الليغو" الجديدة، حقق الذكاء الاصطناعي دقة بنسبة 95.65%.
- المعجزة: كانت دقة الصور المشفرة مطابقة تماماً لدقة الصور الأصلية غير المشفرة. التشفير لم يؤثر على قدرة الذكاء الاصطناعي على الإطلاق.
الخلاصة
تظهر هذه الورقة البحثية أنه يمكننا الآن إرسال صور "مشفرة" إلى السحابة لتحديد ما يرتديه الناس من أجل التحكم في درجة الحرارة، دون أن يفقد الذكاء الاصطناعي قدرته على التخمين الصحيح.
الأمر يشبه إرسال لغز مغلق ومبعثر إلى صديق يمتلك المهارة الخاصة لحله فوراً، بينما تظل الصورة مخفية عن الجميع الآخرين. هذا يجعل من الممكن امتلاك منازل ذكية ومريحة دون التضحية بخصوصيتك.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.