From Keypoints to Predictive Distributions: Post-Hoc Uncertainty for YOLO-Pose Models
تقدم هذه الورقة امتداداً احتمالياً لاحقاً خفيف الوزن لنماذج YOLO-Pose، يعززها بتوزيعات تنبؤية ثنائية المتغير ومعايرة لتقدير عدم اليقين المكاني، مما يتيح تصنيفاً فعالاً لموثوقية النقاط المفتاحية وتحسين التطبيقات اللاحقة مثل هبوط الطائرات القائم على الرؤية الحاسوبية.
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 تلعب لعبة "أين والدو؟" (Where's Waldo?) عالية المخاطر، ولكن بدلاً من كونها رسماً كرتونياً، أنت تنظر إلى مشهد واقعي، مثل مدرج مطار مزدحم أو شارع يعج بالحركة. لديك نظام رؤية حاسوبية فائق السرعة والذكاء (نوع من أنواع الذكاء الاصطناعي) يمكنه فوراً رصد الأشخاص، أو السيارات، أو المدارج، وتحديد أجزائها المهمة بدقة — مثل الأنف، أو المرفق، أو زاوية المدرج. هذا النظام سريع وفعال للغاية، لكن لديه عيب سري: إنه يتصرف كأنه "يعرف كل شيء". فهو يشير إلى نقطة ما ويقول: "أنا متأكد بنسبة 100% أن هذا هو الأنف!" دون أن يعترف أبداً بـ: "في الواقع، هذا الجزء ضبابي، أو ربما يكون ظلاً، لذا أنا متأكد بنسبة 60% فقط".
في عالم الذكاء الاصطناعي، هذه مشكلة كبيرة. فعندما يقوم الكمبيوتر بتخمين ما، يحتاج إلى معرفة مدى قدرته على الثقة في هذا التخمين. هذا ما يسمى بـ "عدم اليقين" (Uncertainty). فكر في الأمر كأنه توقعات الطقس. التوقع السيئ يقول: "سوف تمطر في الساعة 2:00 مساءً". أما التوقع الجيد فيقول: "هناك احتمال بنسبة 90% لهطول الأمطار بين الساعة 1:55 و2:05 مساءً". التوقع الثاني يمنحك "فقاعة ثقة" حول التنبؤ. وبالنسبة للوظائف الحساسة للسلامة — مثل مساعدة طائرة على الهبوط أو مساعدة روبوت على التنقل وسط حشد — فإن معرفة حجم فقاعة الثقة هذه لا يقل أهمية عن معرفة مكان الجسم نفسه. إذا أخطأ الذكاء الاصطناعي ولكنه اعتقد أنه على صواب، فقد يتسبب في حادث. وإذا كان على صواب ولكنه اعتقد أنه مخطئ، فقد يفوت فرصة حاسمة. التحدي يكمن في كيفية منح هذه الأنظمة السريعة جداً من الذكاء الاصطناعي "شعوراً داخلياً" حول دقتها دون إبطاء سرعتها أو إفساد السحر الذي يجعلها جيدة جداً في المقام الأول.
الفكرة الكبرى للورقة البحثية: منح YOLO "فقاعة ثقة"
تتناول الورقة البحثية هذه المشكلة باستخدام عائلة شهيرة من نماذج الذكاء الاصطناعي تسمى YOLO-Pose (You Only Look Once - Pose). هذه النماذج تشبه "شياطين السرعة"؛ حيث يمكنها العثور على الأجسام وأجزاء الجسم (النقاط المفتاحية) في نظرة واحدة خاطفة وسريعة للغاية. ومع ذلك، فهي عادة ما تكتفي بإخراج نقطة واحدة لكل جزء من الجسم، دون أي فكرة عن مدى اهتزاز تلك النقطة. تساءل الباحثون، وهم باحثون من شركة Airbus ومؤسسات أخرى، سؤالاً بسيطاً: هل يمكننا تعليم هذه النماذج المدربة بالفعل والسريعة جداً رسم "فقاعة ثقة" حول تنبؤاتها دون إعادة تدريب النموذج بالكامل؟
إجابتهم كانت خدعة ذكية "بعدية" (post-hoc) (أي تتم بعد انتهاء العملية). فبدلاً من إعادة بناء الذكاء الاصطناعي بالكامل من الصفر، تركوا النموذج الأصلي السريع ثابتاً وغير ملموس تماماً. قاموا ببساطة بإضافة "رأس احتمالي" صغير وخفيف الوزن (وحدة إضافية صغيرة) إلى جانبه. ينظر هذا الملحق إلى نفس الصورة ونفس التنبؤ الذي قدمه النموذج الرئيسي، ولكن بدلاً من مجرد قول "هذا هو الأنف"، فإنه يقول: "هذا هو الأنف، وهذه فقاعة بيضاوية الشكل توضح مدى احتمالية اهتزاز هذا الأنف".
كيف علموا الذكاء الاصطناعي أن يقلق (ثم يهدأ)
لم يقم الباحثون بالتخمين حول حجم هذه الفقاعات؛ بل قاموا بتدريب الملحق ليتعلم من الأخطاء التي ارتكبها النموذج الرئيسي. استخدموا أداة رياضية خاصة تسمى "الاحتمال السلبي المرجح بالأهمية" (importance-weighted negative log-likelihood). وباللغة البسيطة، هذه طريقة لتعليم الملحق أن يولي اهتماماً إضافياً لنوع الأخطاء التي تحدث فعلياً عند استخدام النموذج في العالم الحقيقي، بدلاً من مجرد الأخطاء التي ارتكبها أثناء التدريب في المختبر.
اكتشفوا أن "الفقاعات" يجب أن تتخذ أشكالاً مختلفة اعتماداً على الموقف. فأحياناً يكون عدم اليقين عبارة عن دائرة مثالية (توزيع غاوسي)، ولكن في كثير من الأحيان، وبسبب أشياء معقدة مثل الظلال أو حجب الأشخاص لبعضهم البعض، تكون الأخطاء ذات "ذيول ثقيلة" (heavy-tailed). وهذا يعني أنه بينما تكون معظم التخمينات قريبة، إلا أن هناك حالات استثنائية نادرة تكون بعيدة جداً عن الصواب. للتعامل مع هذا، اختبروا نوعين من الفقاعات:
- فقاعة غاوس (Gaussian Bubble): شكل بيضاوي قياسي وناعم. وهي رائعة للأنظمة التي تحتاج للتوافق مع الأدوات الرياضية الأخرى (مثل تلك المستخدمة في ملاحة الطائرات).
- فقاعة ستودنت-ت (Student-t Bubble): فقاعة "أثقل" وأكثر مرونة، وهي أفضل في التقاط تلك القيم المتطرفة النادرة والمجنونة.
أظهرت تجاربهم أن "فقاعة ستودنت-ت" كانت الأفضل في وصف الواقع الفوضوي للصور في العالم الحقيقي. فقد نجحت في التقاط "الذيول الثقيلة" للأخطاء بشكل أفضل بكثير من فقاعة غاوس القياسية. ومع ذلك، تظل فقاعة غاوس مفيدة جداً لأنها أسهل في الاستخدام من قبل الأنظمة الأخرى.
خدعة "التقليم": قطع التخمينات السيئة
من أروع الأشياء التي وجدها المؤلفون هو أنه يمكن استخدام فقاعات الثقة هذه لتنقية مخرجات الذكاء الاصطناعي. تخيل أنك تنظر إلى صورة ضبابية لشخص ما، حيث تظهر ساقاه. قد يخمن الذكاء الاصطناعي مكان الركبة اليسرى والركبة اليمنى، ولكنه قد يرتبك تماماً ويبدلهما. كان الذكاء الاصطناعي القديم سيعطيك كلا التخمينين فقط. أما النظام الجديد، فيمكنه النظر إلى فقاعة الثقة الخاصة به وقول: "مهلاً، أنا غير متأكد حقاً بشأن هذه الركبة؛ الفقاعة كبيرة وفوضوية للغاية".
تقدم الورقة طريقة تسمى "التقليم القائم على عدم اليقين" (uncertainty-based pruning). وهذا يعني أن النظام يمكنه تلقائياً حذف التخمينات التي تكون فقاعة الثقة فيها كبيرة جداً أو فوضوية. ومن خلال التخلص من التخمينات التي تحمل علامة "ربما" والاحتفاظ فقط بتلك التي تحمل علامة "أنا متأكد"، يصبح النظام أكثر موثوقية. في اختباراتهم على مجموعة بيانات COCO الشهيرة (وهي مجموعة ضخمة من الصور المستخدمة لتدريب الذكاء الاصطناعي)، لم يغير هذا التقليم دقة التخمينات الجيدة، ولكنه أزال التخمينات السيئة، مما جعل البيانات المتبقية أكثر نقاءً.
اختبار العالم الحقيقي: هبوط طائرة
لإثبات أن هذا لم يكن مجرد لعبة رياضية، اختبر الباحثون طريقتهم في مهمة خطيرة للغاية: الهبوط البصري للطائرات. استخدموا الذكاء الاصطناعي لرصد زوايا المدرج من كاميرا موجودة على طائرة. إنه موقف حياة أو موت حيث تكون معرفة عدم اليقين أمراً حاسماً.
وجدوا أن الذكاء الاصطناعي يمكنه التنبؤ بزوايا المدرج، والأهم من ذلك، توفير "فقاعة" معايرة لعدم اليقين لكل زاوية. وعندما استخدموا هذه الفقاعات للمساعدة في حساب موقع الطائرة، عمل النظام بشكل رائع. كانت تقديرات عدم اليقين معايرة جيداً، مما يعني أنه إذا قال النظام "ثقة بنسبة 95%"، فقد كان صحيحاً بالفعل بنسبة 95% من الوقت. سمح هذا لنظام ملاحة الطائرة بالوثوق في بيانات الكاميرا ودمجها مع مستشعرات أخرى (مثل GPS) للهبوط بأمان.
ومع ذلك، تشير الورقة أيضاً إلى وجود قصور. فعندما اختبروا النظام في ظروف ضبابية (لم يسبق للذكاء الاصطناعي رؤيتها من قبل)، لم تصبح فقاعات الثقة كبيرة بما يكفي لتحذير النظام من أنه مرتبك. ظل الذكاء الاصطناعي "مفرط الثقة" في الضباب. وهذا يشير إلى أنه بينما طريقتهم رائعة في الظروف العادية، إلا أنها لا تزال بحاجة إلى مساعدة للتعامل مع المواقف الجديدة وغير المتوقعة تماماً (مثل الضباب الكثيف).
الخلاصة
لا تدعي هذه الورقة أنها حلت جميع مشاكل عدم اليقين في الذكاء الاصطناعي. بدلاً من ذلك، هي تقدم أداة عملية وخفيفة الوزن يمكن إضافتها إلى نماذج الذكاء الاصطناعي السريعة الموجودة بالفعل لمنحها "شعوراً داخلياً" حول دقتها. من خلال استخدام ملحق ذكي يتعلم رسم "فقاعات الثقة" (وتحديداً باستخدام توزيع "ستودنت-ت" لزيادة الدقة) ثم استخدام هذه الفقاعات لتصفية التخمينات السيئة، أظهر الباحثون أنه يمكننا جعل نماذج الذكاء الاصطريعة السريعة أكثر أماناً وموثوقية للمهام الحرجة مثل هبوط الطائرات. إنها خطوة نحو ذكاء اصطناعي لا يعرف فقط ماذا يرى، بل يعرف أيضاً مدى تأكده مما يراه.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.