تخيل أنك تحاول حل لغز "بازل" عملاق، ولكن بدلاً من صورة واحدة فقط، لديك فريق من الأصدقاء، كل منهم يحمل قطعة مختلفة من اللغز. أحد الأصدقاء لديه السماء، وآخر لديه المحيط، والثالث لديه الجبال. إذا وضعت قطعهم جميعاً معاً، ستحصل على صورة كاملة ومثالية. هكذا يعمل الذكاء الاصطناعي "متعدد الوسائط" (multi-modal): فهو يجمع أنواعاً مختلفة من البيانات — مثل الصور، والأصوات، وقراءات المستشعرات — لاتخاذ قرارات أكثر ذكاءً. لكن هنا تكمن المشكلة: في العالم الحقيقي، لا تسير الأمور دائماً وفقاً للخطة. ربما تعطلت الكاميرا، أو ابتلّ الميكروفون بالماء، أو نفدت بطارية أحد المستشعرات. فجأة، يصبح فريقك فاقداً لبعض الأعضاء، ويصبح اللغز ناقصاً. وإذا تم تدريب ذكائك الاصطناعي على العمل فقط عندما يكون الجميع حاضرين، فسوف ينهار ويفشل تماماً في اللحظة التي يفقد فيها قطعة واحدة. هذه مشكلة ضخمة للروبوتات، والسيارات ذاتية القيادة، والأجهزة الطبية التي تحتاج إلى العمل بموثوقية حتى عندما تتعطل أدواتها.

الورقة البحثية التي ستطالعها الآن تعالج هذا الصداع تحديداً. وهي تسأل: كيف يمكننا تعليم الذكاء الاصطناعي أن يظل ذكياً ودقيقاً حتى لو فقد بعض مصادر بياناته؟ يقترح المؤلفون طريقة جديدة وذكية لتدريب هذه الأنظمة، ليس عبر إجبارها على "لصق" القطع المفقودة معاً، بل بتعليم مصادر البيانات المختلفة كيف تتحدث مع بعضها البعض وتساعد بعضها البعض. إنهم يسمون ذلك "التعلم المشترك" (co-learning). فكر في الأمر كأنه مجموعة دراسية حيث يساعد الطالب المتفوق في الرياضيات زميله المتفوق في التاريخ، بحيث إذا غاب طالب التاريخ، يستطيع طالب الرياضيات شرح الدرس كاملاً بدلاً عنه. لقد اختبر الباحثون أفكارهم على تحديين مختلفين تماماً: تحديد أنواع المحاصيل من بيانات الأقمار الصناعية، والتعرف على الأنشطة البشرية من المستشعرات القابلة للارتداء. ووجدوا أن أساليبهم الجديدة تجعل الذكاء الاصطناعي أكثر مرونة، مما يبقيه على المسار الصحيح حتى عندما تصبح البيانات غير مكتملة أو مشوشة.

المشكلة: عندما يفقد الفريق عضواً

في عالم الذكاء الاصطناعي، يعد "التصنيف متعدد الوسائط" (multi-modal classification) أشبه بامتلاك محقق يستخدم حواساً متعددة لحل قضية ما. فبدلاً من مجرد النظر إلى صورة لمسرح الجريمة، يستمع المحقق أيضاً إلى التسجيلات الصوتية، ويقرأ شهادات الشهود، ويتحقق من تقارير الطقس. ومن خلال الجمع بين كل هذه الأدلة، يمكن للمحقق (أو الذكاء الاصطناعي) تقديم تخمين أفضل بكما مما لو اعتمد على وسيلة واحدة. ومع ذلك، فإن الحياة الواقعية فوضوية. ففي مجال مراقبة الأرض، قد تُحجب كاميرا القمر الصناعي بفعل السحب، أو قد يتعطل الرادار. وفي الدراسات المتعلقة بالإنسان، قد تنفد بطارية مستشعر قابل للارتداء أو ينقطع اتصاله.

المشكلة الكبرى هي أن معظم نماذج الذكاء الاصطناعي يتم تدريبها بافتراض أن جميع الأدلة ستكون موجودة دائماً. فإذا قمت بتدريب نموذج بخمسة أنواع من البيانات ثم حاولت استخدامه بثلاثة أنواع فقط، فغالباً ما يصاب بالارتباك ويرتكب أخطاءً فادحة. وقد ركزت المحاولات السابقة لمعالجة ذلك عادةً على "الدمج القوي" (robust fusion)، وهو أمر يشبه محاولة بناء طاولة تظل قائمة حتى لو أزلت أحد أرجلها. يرى مؤلفو هذه الورقة أن هذا النهج له حدود، خاصة عندما يكون لديك أنواع عديدة من البيانات والتي قد يُفقد أي مزيج منها. لقد أرادوا معرفة: ماذا لو لم نحاول فقط سد الثغرة، بل علمنا مصادر البيانات المتبقية كيف تغطي مكان بعضها البعض؟

الحل: مجموعة دراسية للبيانات

قدم المؤلفون إطار عمل يسمى "التعلم المشترك للوسائط المفقودة التعسفية" (Co-Learning for Missing Arbitrary Modalities). وبدلاً من إجبار الذكاء الاصطناعي على دمج كل البيانات في كتلة واحدة ضخمة، قاموا بإعداد فريق من النماذج المتخصصة، نموذج لكل نوع من البيانات (مثل نموذج للصور البصرية، ونموذج للرادار، ونموذج للطقس). يتم تدريب هذه النماذج للعمل معاً ومشاركة ما تعرفه.

لقد طوروا استراتيجيتين محددتين، أو "طريقتين"، لجعل هذا العمل الجماعي ناجحاً:

1. طريقة Co-Miss (التعلم المشترك للفقد): هذه الطريقة تشبه التدريبات الصارمة. أثناء التدريب، يُجبر الذكاء الاصطناعي على التدرب باستمرار مع وجود بيانات مفقودة. الأمر كما لو أن المعلم يخبر طالب التاريخ فجأة: "أنت غائب اليوم"، وعلى طالب الرياضيات أن يشرح الدرس كاملاً رغم ذلك. يتعلم الذكاء الاصطناعي "محاكاة" ما كان سيقوله الفريق الكامل حتى في حال غياب بعض الأجزاء. وهذا ما يسمى "التقطير المفقود" (missing distillation). وهي تعمل بشكل ممتاز عندما تفقد قطعة واحدة أو قطع قليلة من البيانات.

2. طريقة FullCo (التعلم المشترك الكامل): صُممت هذه الطريقة لأسوأ السيناريوهات، حيث يغيب معظم الفريق تقريباً. وهي تستخدم تقنية تسمى "التقطير المتبادل" (mutual distillation)، حيث يحاول كل نموذج بيانات التعلم من الآخرين ومن القرار النهائي للمجموعة. إنها تشبه جلسة دراسة دائرية حيث يعلم الجميع بعضهم البعض. وتبرز قوة هذا النهج عندما يتبقى للذكاء الاصطناعي معلومات قليلة جداً، مثل حالة عمل مستشعر واحد فقط.

تعتمد كلتا الطريقتين على مستويين من التعلم. في مستوى الميزات (feature level)، تتعلم النماذج تحديد ما هو "مشترك" (مثل الشكل العام لشجرة، والذي يمكن لكل من الصورة والرادار رؤيته) وما هو "خاص" (مثل ملمس اللحاء، الذي لا تراه إلا الصورة). أما في مستوى القرار (decision level)، فيستخدمون "تقطير المعرفة" (knowledge distillation)، حيث تحاول النماذج الاتفاق على الإجابة النهائية، مما يساعد بعضها البعض على البقاء في المسار الصحيح حتى عندما تكون البيانات شحيحة.

النتائج: أقوى في وجه العاصفة

اختبر الباحثون أفكارهم على مجموعتي بيانات من العالم الحقيقي. الأولى هي Multi-CropHarvest، والتي تتضمن تحديد أنواع المحاصيل باستخدام أربعة مستشعرات مختلفة: الصور البصرية، والرادار، وبيانات الطقس، والخرائط الطبوغرافية. والثانية هي HL-Opportunity، وهي مجموعة بيانات تحتوي على 19 مستشعراً مختلفاً على جسم الإنسان للتعرف على الأنشطة مثل "صنع شطيرة" أو "التنظيف".

كانت النتائج واعدة. فعندما تم اختبار الذكاء الاصطناعي مع وجود جميع بياناته، كان أداؤه جيداً جداً. ولكن الاختبار الحقيقي جاء عندما بدأوا في إزالة البيانات:

• في سيناريو "الفقد الأدنى" (حيث تعطل مستشعر واحد فقط)، كانت طريقة Co-Miss هي النجمة؛ إذ لم تفقد أي دقة تذكر، مما أثبت أن نهج "التدريب" الخاص بها قد أعدها تماماً للتعامل مع الأعطال الصغيرة.
• في سيناريو "الفقد الأقصى" (حيث غاب معظم المستشعرات، ولم يتبق سوى واحد)، تصدرت طريقة FullCo المشهد. وبينما انهارت الطرق الأخرى وانخفض أداؤها بشكل كبير، تمكنت FullCo من الصمود، مما أظهر أن استراتيجية "التعليم المتبادل" ساعدتها على النجاة من العاصفة.

على سبيل المثال، في مهمة التعرف على المحاصيل، عندما تُرِك الذكاء الاصطناعي مع مستشعر واحد فقط، شهدت الطرق التقليدية انخفاضاً في أدائها بنحو 40 نقطة. أما طرق المؤلفين فقد انخفضت بنسبة أقل بكثير، حيث انخفضت FullCo بنحو 24 نقطة فقط. وفي مهمة التعرف على الأنشطة باستخدام 19 مستشعراً، حافظت طريقة FullCo على مستوى عالٍ من الدقة حتى بعد اختفاء معظم المستشعرات، متفوقة بذلك على العديد من التقنيات الرائدة الأخرى.

ماذا يعني هذا؟

تشير الورقة البحثية إلى أنه من خلال تحويل التركيز من مجرد "لصق" البيانات معاً إلى تعليم مصادر البيانات كيفية التعاون، يمكننا بناء أنظمة ذكاء اصطناعي أكثر متانة. وجد المؤلفون أن أساليبهم تفوقت باستمرار على أفضل التقنيات الموجودة أو طابقتها في مختلف سيناريوهات فقدان البيانات.

ومع ذلك، فقد أشاروا أيضاً إلى وجود مقايضة. فطريقة Co-Miss، رغم تميزها في مشاكل فقدان البيانات البسيطة، إلا أنها مكلفة حاسوبياً من حيث التدريب لأنها تضطر لمحاكاة كل التشكيلات الممكنة للبيانات المفقودة. فإذا كان لديك 10 مستشعرات، فهذا يعني أكثر من 1,000 تشكيل يجب التدرب عليها! لهذا السبب، يوصون باستخدام FullCo في الحالات التي قد يكون فيها فقدان البيانات شديداً أو عندما يكون لديك عدد كبير من المستشعرات.

في النهاية، يوضح هذا العمل أن مستقبل الذكاء الاصطناعي الموثوق لا يقتصر فقط على امتلاك المزيد من البيانات، بل يتعلق بتعليم البيانات التي نملكها كيف تساعد بعضها البعض عندما تسوء الأمور. وسواء كان الأمر يتعلق بقمر صناعي يحاول الرؤية عبر السحب أو ساعة ذكية تحاول تتبع تمارينك الرياضية عندما تنفد بطاريتها، فإن استراتيجيات التعلم المشترك هذه تقدم مساراً لذكاء اصطناعي لا يستسلم عندما تنطفئ الأنوار.