Characterizing Universal Object Representations Across Vision Models
تحدد هذه الورقة تمثيلات كائنية عالمية وقابلة للتفسير دلالياً عبر 162 نموذجاً بصرياً متنوعاً، وهي مستقلة عن الاختلافات الهيكلية أو التدريبية ولكنها ترتبط ارتباطاً وثيقاً بالرؤية البيولوجية لدى كل من قرود المكاك والبشر.
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 تضم 162 "دماغاً بصرياً" مختلفاً. بعضها مبني مثل الكاميرات الكلاسيكية (CNNs)، وبعضها مثل نماذج المحولات (Transformers) الحديثة، وبعضها تدرب على التعرف على القطط، والبعض الآخر فُهم العلاقة بين الكلمات والصور. جميعها تمتلك مخططات مختلفة، ومعلمين مختلفين، وأهدافاً مختلفة.
السؤال الكبير الذي طرحه الباحثون هو: عندما تنظر كل هذه الأدمغة المختلفة إلى نفس الشيء (مثل كلب)، هل تراه بنفس الطريقة؟
التجربة: تفكيك عملية "الرؤية"
للإجابة على هذا، لم يكتفِ الباحثون بسؤال الحواسيب "هل هذا كلب؟"، بل نظروا في كيفية تمثيل هذه الحواسيب للكلب داخلياً.
فكر في الرؤية الداخلية لكل حاسوب كأنها وصفة معقدة مكونة من 50 مكوناً (أبعاداً) مختلفاً.
- المكون (أ) قد يكون "مدى كونه فروياً".
- المكون (ب) قد يكون "مدى تشابهه مع مركبة".
- المكون (ج) قد يكون "درجة اللون البني المحددة".
أخذ الباحثون هذه "الوصفات" من جميع نماذج الرؤية الـ 162 وحاولوا معرفة أي المكونات كانت عالمية (تظهر في معظم الوصفات) وأيها كانت خاصة بالنموذج (فريدة لوصفة واحدة أو عدد قليل من الوصفات فقط).
الاكتشاف: المكونات "العالمية"
وجدوا أنه على الرغم من الاختلافات في كيفية بناء هذه النماذج، إلا أنها تلاقت جميعها عند مجموعة محددة من الأبعاد العالمية.
إليك ما يجعل هذه الأبعاد العالمية مميزة، باستخدام تشبيهات بسيطة:
إنها تتعلق بـ "المفاهيم"، وليس مجرد "البكسلات":
- الأبعاد العالمية تشبه فكرة "حيوان" أو "مركبة". إذا نظرت إلى الصور التي تشكل هذه الأبعاد، سترى مجموعة واضحة من الكلاب، أو مجموعة واضحة من السيارات. إنها تلتقط معنى الشيء.
- الأبعاد الخاصة بالنماذج تشبه ملاحظة أن كلباً معيناً لديه أذن مائلة قليلاً، أو أن سيارة بها نسيج صدأ محدد. هذه الأبعاد تلتقط التفاصيل البصرية منخفضة المستوى (الألوان، الأنسجة، الحواف) التي تختلف اختلافاً هائلاً بين النماذج.
إنها أسهل للفهم بالنسبة للبشر:
- عندما طلب الباحثون من البشر النظر إلى الصور المصنفة حسب هذه الأبعاد، استطاع البشر بسهون القول: "أوه، هذه المجموعة كلها تدور حول 'الطعام'".
- أما الأبعاد الخاصة بالنماذج، فكانت غالباً عبارة عن فوضى مربكة للبشر؛ حيث لم يستطع البشر شرح ما كانوا ينظرون إليه بسهولة.
"لماذا" و "كيف"
أراد الباحثون معرفة سبب وجود هذه الأبعاد العالمية. فقاموا باختبار ما إذا كان ذلك بسبب:
- بناء النماذج بنفس الطريقة؟ لا. (النماذج من نوع CNN و Transformers كلاهما امتلكها).
- تدريبها على نفس البيانات؟ لا. (النماذج المدربة على مجموعات بيانات مختلفة لا تزال تتشاركها).
- كونها أكبر أو أذكى؟ لا. (الأداء والحجم لم يهمّا).
الاستنتاج: هذه العالمية ليست خدعة في الكود أو البيانات. يبدو أنها نتيجة طبيعية لتعلم رؤية العالم. ولأن جميع هذه النماذج تحاول فهم نفس العالم المادي، فقد اكتشفت بشكل طبيعي نفس "الاختصارات المفاهيمية" (مثل "كونه كلباً" أو "كونه كرسياً") التي تكون مفيدة لفهم الأشياء.
الارتباط "البيولوجي"
الجزء الأكثر إثارة هو أن هذه الأبعاد العالمية هي نفسها التي تتوافق مع كيفية عمل الأدمغة البيولوجية الحقيقية.
- عندما قارن الباحثون النماذج بـ قرود المكاك (التي تمتلك أنظمة بصرية مشابهة للبشر)، وجدت الأبعاد العالمية للنماذج نشاط أدمغة القرود بشكل أفضل بكما فعلت الأبعاد الخاصة بالنماذج.
- كما أنها تنبأت أيضاً بكيفية حكم البشر على التشابه بين الأشياء بشكل أفضل بكثير.
الخلاصة
تخيل شخصين يحاولان وصف غروب الشمس.
- الشخص (أ) (الخاص بالنموذج): يقول: "إنه تدرج من كود اللون السداسي #FF5733 يتلاشى في #C70039 مع نمط ضجيج بكسلات محدد".
- الشخص (ب) (العالمي): يقول: "إنه سماء برتقالية دافئة وجميلة".
تظهر هذه الورقة البحثية أنه عندما تصبح نماذج التعلم العميق جيدة في الرؤية، فإنها تتوقف عن التحدث مثل الشخص (أ) وتبدأ في التحدث مثل الشخص (ب). إنها تكتشف بشكل مستقل أن الطريقة الأكثر فائدة لفهم العالم هي من خلال المفاهيم (مثل "سماء برتقالية" أو "كلب") بدلاً من مجرد البكسلات الخام. ولأن أدمغتنا تستخدم أيضاً هذه المفاهيم لرؤية العالم، فإن هذه "الأبعاد العالمية" هي الجسر بين الذكاء الاصطناعي والرؤية البيولوجية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.