Illusion-Aware Visual Preprocessing and Anti-Illusion Prompting for Classic Illusion Understanding in Vision-Language Models
تقدم هذه الورقة إطار عمل خالٍ من التدريب لتحدي DataCV لعام 2026 في مؤتمر CVPR، والذي يجمع بين المعالجة المسبقة للصور المدركة للأوهام، والتحفيز المضاد للأوهام، وتجميعات التصويت المتعدد لتحسين دقة النماذج اللغوية البصرية بشكل كبير في فهم الأوهام البصرية الكلاسيكية من خلال التغلب على انحيازها نحو الحقائق المحفوظة.
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 تعرض صورة على روبوت ذكي جداً ومثقف. تشير إلى خطين وتسأل: "هل هذان الخطان متساويان في الطول؟"
في العالم الحقيقي، قد تكون تنظر إلى خدعة بصرية شهيرة (مثل وهم مولر-لاير)، حيث تخدع الأسهم الموجودة عند أطراف الخطوط دماغك وتجعلك تعتقد أن أحدهما أطول من الآخر، رغم أنهما متطابقان تماماً.
هنا تكمن المشكلة: الروبوت في هذه الورقة البحثية "ذكي أكثر من اللازم" بالنسبة لنفسه. فبدلاً من "النظر" فعلياً إلى البكسلات الموجودة على الشاشة لقياس الخطوط، يتعرف على الصورة كخدعة شهيرة رآها من قبل في كتاب مدرسي. فيقول: "آه، أنا أعرف هذا! إنه وهم مولر-لاير، الخطان في الواقع لهما نفس الطول"، ويجيب بشكل صحيح.
لكن هنا تأتي المفاجقة: إذا قمت بتغيير الصورة قليلاً بحيث يصبح الخطان في الواقع مختلفين في الطول (بمعنى كسر الخدعة)، لا يزال الروبوت يقول إنهما متساويان. لماذا؟ لأنه يعتمد على ذاكرته عن الخدعة، وليس على عينيه لرؤية الواقع الجديد. الأمر يشبه طالباً حفظ نموذج الإجابة بدلاً من تعلم كيفية حل المسألة الرياضية.
الحل: "خداع الخدّاع"
قام مؤلفو هذه الورقة ببناء نظام لإصلاح مشكلة "الذاكرة مقابل الرؤية" هذه دون الحاجة إلى إعادة تدريب الروبوت (وهو أمر يشبه محاولة إعادة توصيل أسلاك دماغه). بدلاً من ذلك، استخدموا ثلاث حيل ذكية لإجبار الروبوت على النظر إلى الصورة بنظرة جديدة، تماماً كما يفعل البشر.
1. "الممحاة السحرية" (المعالجة المسبقة للصورة)
بدلاً من مطالبة الروبوت بـ "تجاهل الوهم"، قام الفريق بتعديل الصورة فيزيائياً لجعل الوهم يختفي.
- التشبيه: تخيل أنك تحاول مقارنة حجم تفاحتين، لكن إحداهما تجلس في ظل مظلم ومربك والأخرى في ضوء ساطع. من الصعب معرفة أيهما أكبر. بدلاً من أن تطلب من الروبوت أن "يتخيل" اختفاء الظل، قام الفريق حرفياً بقص التفاحات من الصورة ووضعها جنباً إلى جنب على طاولة بيضاء سادة.
- كيف فعلوا ذلك: بالنسبة لأنواع مختلفة من الأوهام، استخدموا أدوات محددة:
- لخدع الألوان: قاموا بقص الأشرطة الملونة فقط ووضعها بجانب بعضها البعض على خلفية رمادية.
- لخدع الحجم: قاموا بعزل الأجسام و"عكسها" (Mirroring) بحيث تتداخل بشكل مثالي. إذا كانا مختلفين في الحجم، ستظهر فجوة؛ وإذا كانا متساويين، فسوف يندمجان بسلاسة.
- لخدع الاستقامة: رسموا شبكة من الخطوط الزرقاء فوق الصورة لتعمل كمسطرة.
من خلال تغيير الصورة، أزالوا "السياق المربك" الذي يحفز ذاكرة الروبوت. الآن، يتعين على الروبوت النظر إلى الأدلة البصرية الفعلية.
2. "المعلم الصارم" (مطالبات مكافحة الوهم)
بمجرد تنظيف الصورة، يقدم الفريق مجموعة محددة للغاية من التعليمات (المطالبة/Prompt).
- التشبيه: يشبه الأمر معلماً يقول لطالب: "توقف عن التخمين بناءً على ما قرأته في الكتاب. انظر إلى المسطرة التي رسمتها للتو على الورقة. قارن الخطوط بالمسطرة وأخبرني بما تراه".
- الاستراتيجية: تسمي المطالبات الوهم صراحة (مثلاً: "هذا هو وهم مولر-لاير") لتنبيه الروبوت، ولكنها تخبره فوراً بـ تجاهل الأسهم ومقارنة الخطوط الأفقية فقط. هذا يجبر الروبوت على التحول من "استرجاع الحقائق" إلى "إجراء المقارنة البصرية".
3. "لجنة الحكام" (تصويت المجموعة)
حتى مع صورة نظيفة وتعليمات جيدة، قد يمر الروبوت بـ "يوم سيء" أو يرتبك بسبب خلل عشوائي.
- التشبيه: تخيل أنك تسأل شخصاً واحداً سؤالاً؛ قد يخطئ. لكن إذا سألت نفس السؤال لخمسة أشخاص مختلفين وأخذت الإجابة الأكثر تكراراً، فمن المرجح جداً أن تصيب.
- الاستراتيجية: يطرح النظام السؤال نفسه على الروبوت خمس مرات ويختار الإجابة التي تظهر أكثر من غيرها. هذا يقلل من أي أخطاء عشوائية.
النتائج
اختبر الفريق هذا النظام في مسابقة تضم 630 صورة مخادعة.
- بدون حيلهم: عانى الروبوت، وغالباً ما كان يعلق في معرفته المحفوظة.
- باستخدام حيلهم: حصل النظام على 90.48% من الإجابات الصحيحة في مجموعة الاختبار الرسمية. وفي مجموعة فرعية أصغر تم التحقق منها بشرياً، حصل على 98.41% من الإجابات الصحيحة.
لقد جاءوا في المركز الثاني في المسابقة، بفارق ضئيل جداً عن الفائز، مما يثبت أنك لست بحاجة لبناء روبوت جديد وأكثر ذكاءً لحل هذه المشكلات. أنت فقط بحاجة لمنح الروبوت الحالي صورة أفضل لينظر إليها وتعليمات أوضح حول كيفية النظر إليها.
الخلاصة
تظهر الورقة البحثية أنه عندما يرتبك الذكاء الاصطناعي بسبب الأوهام البصرية، يكون ذلك عادةً لأنه "يفكر كثيراً" بناءً على ما يعرفه مسبقاً. الحل ليس في تعليمه حقائق جديدة، بل في تنظيف الصورة حتى تصبح الحقيقة واضحة، وإخباره بأن ينظر إلى الصورة بدلاً من ذاكرته، وسؤاله خمس مرات للتأكد. إنها طريقة بسيطة وعملية لجعل الذكاء الاصطناعي يرى العالم بوضوح أكبر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.