Probabilistic Dating of Historical Manuscripts via Evidential Deep Regression on Visual Script Features

تخيل أن لديك كومة من الرسائل القديمة المكتوبة بخط اليد من العصور الوسطى. تريد معرفة متى كُتبت كل رسالة منها بالضبط. عادةً، يضطر الخبراء (يُطلق عليهم علماء الخط القديم - Paleographers) إلى التحديق في خط اليد، وتخمين التاريخ، والجدال حوله لساعات. هذا الأمر بطيء، ومكلف، وحتى الخبراء يختلفون في الرأي أحياناً.

تقدم هذه الورقة البحثية نوعاً جديداً من "آلة الزمن بالذكاء الاصطناعي"، وهي لا تكتفي بتخمين التاريخ فحسب، بل تخبرك مدى تأكدها من هذا التخمين.

إليك شرح كيفية عمل ذلك، باستخدام تشبيهات بسيطة:

1. الطريقة القديمة مقابل الطريقة الجديدة

• الطريقة القديمة (التصنيف - Classification): تخيل محاولة فرز البريد في ثلاث حاويات كبيرة: "الـ 1800"، و"الـ 1900"، و"الـ 2000". ينظر الكمبيوتر إلى خط اليد ويقول: "هذا بالتأكيد من القرن العشرين". إنه تخمين تقريبي، وتقول الورقة إن هذا النوع من التخمين غامض للغاية.
• تخمين النقطة (الانحدار - Regression): تخيل أن الكمبيوتر يعطيك سنة محددة، مثل "1245". هذا أكثر دقة، لكنه يشبه رامي السهام الذي يصيب مركز الهدف ولكنه لا يخبرك ما إذا كان قد أصاب بسبب الحظ أم لأنه محترف. إذا أخطأ الكمبيوتر، فليس لديك أي فكرة عن سبب الخطأ.
• الطريقة الجديدة (الاحتمالية/الدليل - Probabilistic/Evidential): هذا هو ابتكار الورقة البحثية. بدلاً من رمي سهم واحد، يرمي الكمبيوتر "سحابة" من السهام ويرسم شكلاً حول مكان استقرارها. هو يقول: "أعتقد أنه عام 1245، لكنني متأكد بنسبة 90% أنه بين عامي 1240 و1250". والأهم من ذلك، أنه يوضح سبب عدم تأكده:
  • عدم اليقين الناتج عن الطبيعة العشوائية (عامل "الحبر المتسخ" - Aleatoric Uncertainty): خط اليد نفسه باهت، أو ملطخ، أو مكتوب بيد مرتجفة. حتى الخبير البشري سيشعر بالحيرة. هنا يعترف الذكاء الاصطناعي: "الأدلة ضعيفة فحسب".
  • عدم اليقين الناتج عن نقص المعرفة (عامل "لم أرَ هذا من قبل" - Epistemic Uncertainty): لم يسبق للذكاء الاصطناعي أن رأى هذا النمط من الكتابة. هو يقول: "أنا لا أعرف ما هذا لأنني لم أدرس هذا النمط من قبل".

2. كيف "يفكر" الذكاء الاصطناعي

بنى الباحثون شبكة عصبية (نوع من أدمغة الذكاء الاصطناعي) تنظر إلى قطع مربعة صغيرة من صفحات المخطوطات.

• الدماغ: استخدموا دماغاً مدرباً مسبقاً يسمى EfficientNet، وهو بارع بالفعل في التعرف على الأشكال والقوام.
• الرأس المتخصص: أضافوا "آلة حاسبة" خاصة فوق هذا الدماغ. وبدلاً من إخراج رقم واحد فقط (السنة)، فإنه يخرج توزيعاً احتمالياً كاملاً. فكر في الأمر كأنه توقعات جوية لا تقول فقط "سيهطل المطر"، بل تعطي منحنى جرسياً يوضح احتمالية هطول رذاذ خفيف مقابل احتمال حدوث إعصار.
• التدريب: علموا الذكاء الاصطناعي باستخدام خدعة رياضية خاصة (الانحدار العميق القائم على الأدلة - Evidential Deep Regression) تجبره على تعلم كل من التاريخ ومستوى ثقته في آن واحد ومن نظرة واحدة.

3. النتائج: ما مدى جودته؟

اختبر الفريق هذا النظام على مجموعة بيانات شهيرة مكونة من 150 صفحة من العصور الوسطى (DIVA-HisDB).

• الدقة: خمن الذكاء الاصطناعي السنة بمتوسط خطأ قدره 5.4 سنوات فقط. وهذا دقيق للغاية بالنظر إلى أن خط اليد عمره 1000 عام.
• المعايرة (مقياس "الثقة" - Calibration): هذا هو أكبر انتصار للورقة البحثية.
  • الطرق الأخرى (مثل "النماذج الجماعية العميقة" أو "MC Dropout") كانت إما دقيقة جداً ولكنها مفرطة في الثقة (تقول "أنا متأكد بنسبة 100%" بينما هي مخطئة)، أو جيدة المعايرة ولكنها بطيئة جداً (تحتاج إلى 50 محاولة للحصول على إجابة واحدة).
  • الذكاء الاصطناعي الجديد سريع (نظرة واحدة) وصادق. عندما يقول "أنا واثق بنسبة 90%"، فهو يكون محقاً في 92.6% من الحالات. إنه يشبه خبير الأرصاد الجوية الذي يصيب في معظم المرات التي يقول فيها "هناك احتمال 90% لهطول الأمطار".
• القوة الخارقة "الاختيارية": بما أن الذكاء الاصطناعي يعرف متى يكون غير متأكد، يمكنك أن تطلب منه: "أظهر لي فقط الإجابات التي أنت متأكد منها بنسبة 100%".
  • إذا قمت بتصفية الصفحات الفوضوية أو غير المؤكدة واكتفيت بالنظر إلى أعلى 20% من التوقعات الواثقة، فإن نسبة الخطأ تنخفض إلى 0.5 سنة.
  • تشبيه: تخيل أمين مكتبة يقول: "لا أستطيع قراءة هذه الصفحة الملطخة، ولكن بالنسبة لأوضح 20 صفحة، يمكنني إخبارك بالسنة الدقيقة حتى الشهر".

4. ما يراه الذكاء الاصطناعي

استخدم الباحثون "خرائط حرارية" (مثل الكاميرات الحرارية) لرؤية ما كان ينظر إليه الذكاء الاصطناعي.

• القرائن الجيدة: ركز الذكاء الاصطناعي على ضربات الحبر الفعلية وأشكال الحروف.
• القرائن السيئة: عندما كان الحبر باهتاً أو الورق ضبابياً، ارتفع "مقياس عدم اليقين" لدى الذكاء الاصطناعي. لقد حدد بشكل صحيح أن المشكلة تكمن في جودة الصورة وليس في ذكائه الخاص.
• اختبار "الحبر الباهت": وجد الذكاء الاصطناعي أنه عندما يكون الحبر خفيفاً، يرتفع "عدم اليقين الناتج عن الطبيعة العشوائية" (عامل الحبر المتسخ). وهذا يثبت أن الذكاء الاصطناعي يتعلم فعلياً عن الحالة الفيزيائية للمخطوطة، وليس مجرد حفظ الأنماط.

5. لماذا يهم هذا التاريخ؟

تجادل الورقة بأن هذه الأداة تحل مشكلة رئيسية في المكتبات.

• سير العمل: تخيل مشروع رقمنة ضخم يضم ملايين الصفحات. لا يمكنك جعل خبير بشري ينظر إلى كل صفحة منها.
• الحل: قم بتشغيل الذكاء الاصطناعي على كل شيء.
  • إذا كان الذكاء الاصطناعي واثقاً، فإنه يقوم بتأريخ الصفحة تلقائياً ويؤرشفها.
  • إذا كان الذكاء الاصطناعي غير متأكد (بسبب بهتان الحبر أو غرابة خط اليد)، فإنه يضع علامة على تلك الصفحة ويرسلها إلى خبير بشري لإلقاء نظرة ثانية.
• الفائدة: هذا يوفر الوقت والمال. فهو يسمح للبشر بالتركيز فقط على الحالات الصعبة، بينما يتولى الذكاء الاصطناعي المهام السهلة والواضحة.

الملخص

تقدم هذه الورقة بحثاً عن ذكاء اصطناعي جديد لا يكتفي بتخمين عمر خط اليد القديم، بل يعمل كخبير متواضع يدرك حدود معرفته. إنه سريع، دقيق، والأهم من ذلك أنه يخبرك متى يخمّن ومتى يكون متأكداً، مما يسم يسمح للمؤرخين بالثقة في الآلة للقيام بالمهام السهلة، والتدخل في المهام الصعبة.