ملخص تقني: من النمذجة الهجينة الميكانيكية–المدفوعة بالبيانات نحو الذكاء الاصطناعي العصبي-الرمزي

1. بيان المشكلة

تُستخدم النماذج الهجينة الميكانيكية–المدفوعة بالبيانات (المعروفة أيضاً بالنماذج شبه المعلمية أو الرمادية) بشكل متزايد في هندسة العمليات والتعلم الآلي العلمي لمعالماة الأنظمة التي تُفهم جزئياً. تدمج هذه النماذج مبادئ أولية ثابتة (مثل موازنات الكتلة، أو الكيمياء التناسبية) بينما تتعلم المكونات المجهولة (مثل الإغلاقات التكوينية، أو المعدلات غير المرصودة) من البيانات.

وعلى الرغم من فائدتها، تواجه ممارسات النمذجة الهجينة الحالية عقبتين رئيسيتين:

1. غياب الواجهة الدلالية المشتركة: يتم تحديد التصميمات عادةً عبر البنى الهيكلية وخسائر التدريب. هذا التركيز المعماري يعيق المقارنة والتحقق عبر المجالات المختلفة لأنه لا يوجد حساب دلالي موحد لما يمثله النموذج الهجين ككائن استدلالي.
2. التمثيل غير الكافي لعدم اليقين: غالباً ما يفتقر هناك إلى طريقة منهجية لتمثيل أو نشر عدم اليقين الإبستيمي (المعرفي) تحديداً داخل الجزء الميكانيكي للنموذج. المقاييس القياسية مثل دقة الاختبار لا تكشف إلا عن تغيرات الأداء "بعد الحدث" (post hoc)، وتفشل في تحديد كمية عدم اليقين أثناء الاستقراء أو التحولات الهيكلية في التوزيع قبل النشر.

تفترض الورقة أن هذه المشكلات تنبع من غياب الفصل الرسمي بين "المنطق" (القيود الهيكلية) و"الاعتقاد" (المعقولية المتعلمة) داخل النماذج الهجينة.

2. المنهجية: الترجمة من الهجين إلى العصبي-الرمزي (H2N)

يقترح المؤلفون إجراء ترجمة نظامي، الهجين-إلى-العصبي-الرمزي (H2N)، والذي يعيد بناء النماذج الهجينة الميكانيكية–المدفوعة بالبيانات كحالات من الذكاء الاصطناğı العصبي-الرمزي (NeSy)، وتحديداً وفقاً للتعريف العام لـ "دي سميت" و"دي رادت".

2.1 إطار العمل العصبي-الرمزي (NeSy)

يُعرَّف نموذج NeSy كزوج مرتب $(L, \mu, \Omega, b_\theta)$:

• $L$: لغة ذات دلالات $\mu$ فوق فضاء تفسير $\Omega$.
• $b_\theta$: دالة وزن الاعتقاد.
• دالة الاستدلال: تُعرف بـ $F_{\theta,x}(\phi) = \int_{\Omega'} l(\phi, \omega) b_{\theta,x}(\omega) dm(\omega)$، وهي تجمع بين دالة منطقية $l$ (لتقييم الاستعلامات) والاعتقاد $b_\theta$.

2.2 مبادئ الترجمة

تقوم عملية H2N برسم خرائط للتصميمات الهجينة إلى زوج NeSy بناءً على خمسة مبادب:

1. البنية الميكانيكية كلغة ($L$): تحدد المعادلات الهيكلية الجوهرية (مثل قوانين التوازن) وأنماط التركيب اللغة ودلالاتها.
2. الدلالات التشغيلية ($\mu, l$): تقوم الدالة المنطقية $l$ بتنفيذ معايير القبول أو التقييم، مما يحدد ما هو صالح هيكلياً.
3. الوحدات المتعلمة كاعتقاد ($b_\theta$): تولد المكونات المتعلمة دالة اعتقاد فوق الكميات المجهولة (المعلمات، الإغلاقات، الحالات الكامنة). تقابل المتعلمات الحتمية معتقدات "ديراك" (Dirac beliefs)؛ بينما تقابل المتعلمات العشوائية توزيعات غير متدهورة.
4. نطاقات الصلاحية كمنطق: توضع القيود الصارمة ونطاقات الصلاحية في جانب المنطق (لتقييد مجال التكامل $\Omega'$ أو عبر $l$) بدلاً من جانب الاعتقاد. يضمن ذلك صلاحية مستقلة عن البيانات، حيث لا ينبغي أن تعتمد القوانين الفيزيائية على حجم العينة.
5. التفكيك المعماري: يتم عكس أنماط التسلسل، والتوازي، ومزيج الخبراء (mixture-of-experts) من خلال تفكيك $l$ و/أو $b_{\theta,x}$.

تؤدي هذه الترجمة إلى دالة استدلال صريحة لأي تصميم هجين، مما يفصل بين القبول الهيكلي (جانب المنطق) والمعقولية المتعلمة (جانب الاعتقاد).

3. المساهمات الرئيسية

تقدم الورقة أربع مساهمات محددة:

1. إجراء ترجمة منهجي: طريقة لرسم خرائط أي وصف لنموذج هجين إلى زوج NeSy وهو $(L, \mu, \Omega, b_\theta)$ مع دالة استدلال صريحة.
2. جدول الربط: مرجع موجز (الجدول 1) يربط أنماط التصميم الهجين النموذجية (مثل الإغلاق المتسلسل، المتبقي المتوازي، ومزيج الخبراء) بعناصر NeSy الخاصة بها وتأثيرها المحدد على دالة الاستدلال.
3. بروتوكول تقييم بمقياسين: اشتقاق مقياسين بناءً على تفكيك المنطق-الاعتقاد:
   • معدل الانتهاك الهيكلي (SVR): يقيس كتلة الاعتقاد التي تقع على التفسيرات التي تنتهك القيود الهيكلية. وهو ينتمي إلى جانب المنطق ويعتمد على درجة التسامح.
   • تشتت الاعتقاد (BD): يقيس تركيز الاعتقاد المتعلم (عدم اليقين الإبستيمي). وهو ينتمي إلى جانب الاعتقاد، ومستقل عن درجة التسامح، ويكون صفراً بالنسبة لمعتقدات ديراك.
4. التجسيد التجريبي: تطبيق H2N على نموذج هجين مهيكل للتصنيف الثنائي تحت ضوضاء التصنيف، مما يوضح كيف تقيس هذه المقاييس عدم اليقين الذي لا تستطيع دقة الاختبار وحدها كشفه.

4. النتائج: دراسة حالة على التصنيف الثنائي المشوب بالضوضاء

قام المؤلفون بتطبيق H2N على شبكات بولية مهيكلة حيث يحدد الجزء الميكانيكي مجموعات الميزات بينما يحدد الجزء المتعلم جداول الحقيقة للوحدات (باستخدام استراتيجية NoiseCut).

4.1 قياس عدم اليقين في الجزء الميكانيكي

• الارتباط بالدقة: مع زيادة ضوضاء التصنيف، انخفضت دقة الاختبار بينما زاد تشتت الاعتقاد (BD). كان BD ودقة الاختبار مرتبطين عكسياً بقوة ($\rho = -0.94$).
• التباين التنبؤي: من الناحية الحاسمة، وجدت الدراسة أن BD يتنبأ بتباين دقة الاختبار. النماذج ذات الـ BD الأعلى أظهرت انحرافاً معيارياً أكبر من بذرة إلى أخرى في دقة الاختبار.
• التقدير المسبق: نظرًا لأن BD هو دالة لعدد تسميات التدريب والبنية الميكانيكية، فإنه يوفر تقديراً مسبقاً (a priori) لعدم اليقين في النموذج عند وقت النشر، بينما يمكن لدقة الاختبار فقط الإبلاغ عن ذلك بعد جمع بيانات اختبار مصنفة.

4.2 قياس عدم اليقين أثناء الاستقراء

• التفكيك: في ظل تحولات التوزيع الهيكلية (عبر حجب صفوف معينة من الطبقة الثانية)، يتفكك BD تماماً إلى $BD = BD_{seen} + BD_{unseen}$.
• الإنذار المبكر: يمكن حساب $BD_{unseen}$ من خلال تغطية الصفوف وحدها، قبل ملاحظة أي عينة خارج التوزيع (OOD). في التجارب، مع زيادة عدد الصفوف المحجوبة، ارتفع $BD_{unseen}$ بشكل رتيب، بينما ظلت الدقة داخل التوزيع عالية، وانهارت دقة الـ OOD.
• الأهمية: يوضح هذا أن H2N يمكنه قياس الحالة الإبستيمية للنموذج فيما يتعلق بالتغطية ومخاطر الاستقراء قبل وقوع الفشل، وهي قدرة غائبة في أوصاف البنية والخصائص التقليدية.

5. الأهمية والادعاءات

تدعي الورقة أن ترجمة H2N توفر واجهة دلالية مشتركة للنمذجة الهجينة، مما يسمح بالمقارنة والتحقق المنهجي عبر المجالات.

• فك الارتباط بين المنطق والاعتقاد: من خلال الفصل الصارم بين القبول الهيكلي (المنطق) والمعقولية المتعلمة (الاعتقاد)، يوضح الإطار أي الافتراضات هي قيود صلبة وأيها يعتمد على البيانات. يسمح هذا بتدخلات مستهدفة: تعديل $l$ لتغييرات النظام مقابل تعديل $b_\theta$ لعدم اليقين.
• قدرات تشخيصية جديدة: توفر مقاييس SVR و BD أدوات تشخيصية غير معرفة تحت الأوصاف المعمارية التقليدية. وتحديداً، يعمل BD كوسيط لعدم اليقين الإبستيمي في المكون الميكانيكي، مما يسم un لتمكين اكتشاف التحولات في التوزيع الهيكلي ومخاطر الاستقراء قبل النشر.
• الفائدة ثنائية الاتجاه: يربط هذا العمل بين مجالين. فهو يمنح ممارسي النمذجة الهجينة واجهة دلالية صارمة، ويوفر لباحثي الـ NeSy كتالوجاً معالجاً مسبقاً لتصاميم عدم اليقين المهيكلة (مثل أغلفة الصلاحية، وفحوصات المتبقيات) المستمدة من الممارسات الهندسية.

يظل المؤلفون متواضعين بشأن القيود، مشيرين إلى أن الترجمة ليست فريدة (رغم أن المبادئ P1–P5 تثبت وضعاً نموذجياً) وأن تشخيصات المساحات الكبيرة أو المستمرة تعتمد على الاستدلال التقريبي، مما يجعلها ترث أخطاء المعايرة الخاصة بها.