An extremely coarse feedback signal is sufficient for learning human-aligned visual representations
تُظهر هذه الدراسة أن تدريب الشبكات العصبية باستخدام إشارات تغذية راجعة خشنة للغاية، مثل التمييز بين ثماني فئات عريضة فقط، كافٍ لتعلم تمثيلات بصرية تتوافق مع نشاط الدماغ البشري والأحكام الإدراكية بشكل وثيق أكثر من النماذج المدربة بأهداف دقيقة أو ذاتية التوجيه.
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 تحاول تعليم روبوت كيف يرى العالم، تماماً كما يفعل البشر. طوال العقد الماضي، اعتقد العلماء أنه لكي تجعل "دماغ" الروبوت يشبه دماغ الإنسان، عليك إعطاءه واجباً منزلياً ضخماً وتفصيلياً. ستعرض عليه ملايين الصور وتقول له: "هل هذا كلب من فصيلة جولدن ريتريفر أم بودل؟ هل هذه سيارة رياضية حمراء أم سيارة سيدان زرقاء؟". كانت الفكرة هي أنه كلما زادت دقة التصنيفات، زاد فهم الروبوت للعالم.
لكن هذه الورقة البحثية الجديدة من جامعة جونز هوبكنز تشير إلى أن الروبوت لا يحتاج إلى كل هذا القدر من التفاصيل. في الواقع، قد يتعلم بشكل أفضل إذا أعطيته نسخة بسيطة وضبابية من الواجب المنزلي.
إليك قصة ما وجدوه، مشروحة ببساية:
تجربة "الخريطة الضبابية"
أراد الباحثون اختبار ما إذا كان بإمكان الروبوت تعلم الرؤية مثل البشر باستخدام عدد قليل من الفئات العريضة بدلاً من آلاف الفئات المحددة.
تخيل عالم الصور كأنه مكتبة ضخمة.
- الطريقة القديمة (التفصيلية): أنت تطلب من الروبوت فرز كل كتاب بمفرده في درج خاص به. هناك 1,000 درج، كل منها مخصص لنوع محدد من الكتب (مثل: "شعر فرنسي من القرن التاسع عشر"، "خيال علمي من القرن العشرين"، إلخ).
- الطريقة الجديدة (العامة): أنت تطلب من الروبوت فرز الكتب في 8 صناديق كبيرة فقط. ربما يكون أحد الصناديق "حيوانات"، وآخر "طعام"، وثالث "مركبات"، وهكذا. أنت لا تهتم إذا كان يعرف الفرق بين قط وكلب؛ أنت تريد فقط معرفة ما إذا كان يعرف الفرق بين حيوان وسيارة.
وللقيام بذلك بشكل عادل، لم يبتكروا هذه الفئات الثمانية من العدم. بل استخدموا حيلة ذكية: أخذوا "دماغ" كمبيوتر ذكياً ومُدرباً مسبقاً وسألوه: "إذا كان عليك تقسيم هذه الصور الـ 1.2 مليون إلى مجموعتين، أو 4 مجموعات، أو 8 مجموعات بناءً على مظهرها، فكيف ستفعل ذلك؟". لقد استخدموا "الحدس" الخاص بالكمبيوتر لإنشاء هذه المجموعات العريضة.
المفاجأة الكبرى
قاموا بتدريب مئات الأدمغة الآلية المختلفة باستخدام مستويات التفصيل المختلفة هذه. ثم تحققوا من شيئين:
- اختبار "الأعصاب": هل بدا التوصيل الداخلي للروبوت مثل دماغ قرد أو مسح دماغي لبشر؟
- اختبار "الشعور البشري": عندما ينظر الروبوت إلى جسمين، هل يعتقد أنهما متشابهان بنفس الطريقة التي يفكر بها البشر؟ (على سبيل المثال، هل سيقول الإنسان إن "الأسد" و"النمر" أكثر تشابهاً من "الأسد" و"المحمصة"؟ وهل وافق الروبوت على ذلك؟).
كانت النتائج صادمة:
- التوافق العصبي: الروبوتات التي تدربت على 8 فئات عريضة فقط تعلمت رؤية العالم بنفس جودة (وأحياناً أفضل من) الروبوتات التي تدربت على الـ 1,000 فئة التفصيلية. كانت "خرائطهم" الداخلية للعالم تبدو متطابقة تقريباً مع أدمغة البشر والقرود.
- المشاعر البشرية: هنا أصبح الأمر أكثر غرابة. الروبوتات التي تدربت على المهمة العامة ذات الـ 8 فئات كانت في الواقع تتوافق مع الحدس البشري بشكل أفضل من أي روبوت آخر تم اختباره. لقد كانوا أفضل في تخمين كيفية تصنيف البشر للأشياء معاً من الروبوتات التي تدربت على المهمة التفصيلية ذات الـ 1,000 فئة.
لماذا يحدث هذا؟
تشير الورقة البحثية إلى أنه عندما تجبر الروبوت على التركيز على الصورة الكبيرة (حيوانات مقابل مركبات)، فإنه يتعلم بشكل طبيعي الطرق الأساسية والجوهرية التي تنظم بها أدمغتنا العالم.
عندما تجبر الروبوت على حفظ 1,000 تفصيل صغير، فإنه يتشتت بالضجيج. يتعلم رصد الفروق الدقيقة بين "سيارة رياضية حمراء" و"سيارة سيدان زرقاء"، لكنه قد يغفل عن الغابة بسبب الأشجار. من خلال تبسيط المهمة إلى مجرد "صناديق" كبيرة، أنت تجبر الروبوت على بناء أساس قوي وواضح يطابق الطريقة التي ندرك بها الأشياء بشكل طبيعي.
ميزة "البيانات القليلة"
وجد الباحثون أيضاً أن نهج "الخريطة الضبابية" هذا فعال للغاية.
- الروبوت الذي تدرب على الـ 1.2 مليون صورة كاملة مع مهمة الـ 1,000 فئة التفصيلية كان أداؤه أسوأ من روبوت تدرب على 1% فقط من الصور (حوالي 12,000 صورة) مع مهمة الـ 8 فئات البسيطة.
- الأمر يشبه قولك إنه يمكنك تعلم مخطط مدينة كاملة من خلال النظر إلى رسم تخطيطي بسيط يضم 8 مناطق رئيسية، بدلاً من محاولة حفظ كل عنوان شارع في أطلس ضخم.
الخلاصة
تخلص الورقة البحثية إلى أنه لبناء نظام رؤية حاسوبية يفكر مثل البشر، لا تحتاج إلى إعطائه امتحاناً بمستوى الدكتوراه يحتوي على آلاف الأسئلة المحددة. أنت فقط بحاجة إلى إعطائه مهمة بسيطة وعامة: "صنف هذه الأشياء في بضعة أكوام كبيرة".
هذا التغذية الراجعة البسيطة كافية لجعل دماغ الروبوت يضيء وينظم المعلومات بطريقة تشبه بشكل ملحوظ طريقتنا. اتضح أنه في بعض الأحيان، يؤدي نقص التفاصيل إلى فهم أكثر وضوحاً وأكثر شبهاً بالبشر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.