تخيل عالماً تتعلم فيه الحواسيب فهم تعقيدات الحياة الواقعية الفوضوية والجميلة. إنها لا تكتفي فقط بقراءة النصوص المجردة أو النظر إلى صور منفردة؛ بل تحاول استيعاب البيانات "متعددة الوسائط" (multimodal) — حيث يتم وصف فكرة واحدة من خلال الكلمات، والصور، والعلاقات في آن واحد. فكر في منشور على وسائل التواصل الاجتماعي: يحتوي على تعليق (نص)، وصورة (صورة)، وشبكة من الأصدقاء الذين أعجبوا به أو شاركوه (علاقات). لتعليم الكمبيوتر هذا، يستخدم العلماء "الرسوم البيانية" (graphs)، وهي تشبه شبكات العنكبوت الرقمية التي تربط بين النقاط (العقد - nodes) والخطوط (الحواف - edges). لكن العائق يكمن في أن البيانات في العالم الحقيقي مبعثرة؛ فشركة ما تمتلك رسمها البياني الخاص، وأخرى تمتلك رسمها، وقوانين الخصوصية تمنعهم من صب بياناتهم ببساطة في وعاء مشترك ضخم. هنا يأتي دور "التعلم الاتحادي" (Federated Learning). إنه يشبه مجموعة من الطلاب يعملون على مشروع جماعي حيث لا يمكنهم مشاركة دفاتر ملاحظاتهم، ولكن يمكنهم الهمس بأفضل أفكارهم للمعلم، الذي يساعد بعد ذلك الجميع على تحسين عملهم الخاص دون رؤية ملاحظاتهم الخام أبداً. السؤال الكبير الذي يطرحه العلماء هو: كيف نجعل هذه المجموعات المنفصلة والمحمية بالخصوصية تتعلم معاً بفعالية عندما تبدو بياناتها مختلفة تماماً عن بعضها البعض؟

يتناول هذا البحث تلك المشكلة تحديداً باستخدام طريقة جديدة تسمى FedTCR. اكتشف الباحثون أن مجرد محاولة إجبار هذه المجموعات المختلفة على التعلم معاً باستخدام الطرق القديمة لا تنجح بشكل جيد لأن البيانات شديدة الفوضوية والاختلاف في ثلاثة جوانب محددة: المجموعات تريد حل مشكلات مختلفة، وجودة بياناتها متفاوتة بشكل هائل، و"شبكات العنكبوت" من الروابط تبدو مختلفة تماماً لكل مجموعة. ولحل هذه المشكلة، بنوا نظاماً ذكياً يتكون من خطوتين. أولاً، جعلوا الجميع يتعلم "لغة" عامة للرسوم البيانية معاً دون القلق بشأن واجبات مدرسية محددة. ثم استخدموا نظام "توجيه" ذكي يعمل كخاطبة (matchmaker)، يجد أكثر القطع فائدة من المعلومات من المجموعات الأخرى لمساعدة كل طالب على تحسين عمله، مع تجاهل الأجزاء الضوضائية أو المضللة. وتظهر الورقة البحثية من خلال تجارب على ثمانية مجموعات بيانات من العالم الحقيقي (مثل شبكات الأفلام ورسوم التسوق البيانية) أن هذه الطريقة الجديدة تساعد الحواسيب على التعلم بشكل أفضل وأسرع من أي تقنية سابقة، سواء كانت تحاول التنبؤ بالروابط، أو تصنيف العقد، أو حتى توليد نصوص وصور جديدة من بيانات الرسم البياني.

المشكلة: مشروع جماعي فوضوي

تخيل أنك معلم لمشروع جماعي دولي ضخم. لديك طلاب من 8 دول مختلفة، يعمل كل منهم على نسخته الخاصة من "الرسم البياني المنسوب متعدد الوسائط" (Multimodal Attributed Graph - MAG). في هذا السياق، الرسم البياني هو مجرد خريطة للاتصالات. "العقد" (nodes) هي أشياء مثل الأفلام، أو المنتجات، أو الأشخاص، و"الحواف" (edges) هي العلاقات بينها. لكن المفاجأة هي أن كل عقدة ليست مجرد نقطة؛ بل تحمل حقيبة ظهر مليئة بأنواع مختلفة من المعلومات (الوسائط)، مثل الأوصاف النصية والصور.

المشكلة هي أن هؤلاء الطلاب ليسوا على نفس الموجة. تحدد الورقة البحثية ثلاثة أنواع رئيسية من "التباين" (heterogeneity) (وهي كلمة منمقة تعني "الاختلاف") التي تجعل التعاون كابوساً:

1. تباين المهام (Task Heterogeneity): بعض الطلاب يريدون التنبؤ بالفيلم الذي سيحبه المستخدم (مهمة رسم بياني)، بينما يريد آخرون توليد قصيدة من صورة (مهمة وسائط). حاولت الطرق القديمة إجبار الجميع على القيام بنفس المهمة تماماً، وهو أمر يشبه مطالبة شاعر وعالم رياضيات بحل نفس المعادلة. هذا ببساطة لا ينجح.
2. تباين الوسائط (Modality Heterogeneity): بعض الطلاب لديهم صور عالية الجودة وواضحة ونصوص مثالية. والبعض الآخر لديه صور ضبابية وأخطاء إملائية. إذا قمت بمجرد خلط إجابات الجميع معاً، فإن البيانات السيئة ستسحب البيانات الجيدة للأسفل.
3. تباين الطوبولوجيا (Topology Heterogeneity): هذا يتعلق بهيكل الاتصالات. في إحدى المجموعات، يميل الأصدقاء إلى حب الأشياء نفسها (التجانس). وفي مجموعة أخرى، يمتلك الأصدقاء أذواقاً متضادة. افترضت الطرق القديمة أن الشبكة الاجتماعية للجميع تبدو متشابهة، وهذا افتراض خطير.

إذا حاولت إدارة اجتماع "تعلم اتحادي" قياسي مع هؤلاء الطلاب، فستكون النتيجة فوضى عارمة. سيحاول المعلم حساب متوسط إجابات الجميع، ولكن نظرًا لأن الأهداف، وجودة البيانات، وأنماط الاتصال مختلفة تماماً، فإن النتيجة النهائية ستكون أسوأ مما لو عمل كل فرد بمفرده.

الحل: FedTCR (الخاطبة الذكية)

يقترح المؤلفون FedTCR (التعلم الرسومي متعدد الوسائط الاتحادي مع التوجيه عبر الوسائط المدرك للطوبولوجيا). فكر في هذا ليس كآلة بسيطة لحساب المتوسط، بل كورشة عمل منظمة للغاية تتكون من مرحلتين.

المرحلة الأولى: معسكر "المعرفة العامة" التدريبي
بدلاً من القفز مباشرة إلى الواجبات المنزلية المحددة، يمر الطلاب أولاً بمرحلة تدريب مسبق "غير مرتبط بمهمة محددة". هم لا يقلقون بشأن ما إذا كانوا يكتبون قصائد أو يتنبأون بالروابط بعد. بدلاً من ذلك، يتعلمون جميعاً بشكل تعاوني "مشفر رسم بياني متعدد الوسائط" مشترك. هذا يشبه تعليم الجميع أبجدية وقواعد لغة الرسم البياني أولاً. إنهم يتعلمون كيفية ترجمة النصوص والصور إلى لغة رياضية مشتركة وكيفية فهم هيكل الشبكة التي ينتمون إليها جميعاً.

المرحلة الثانية: نظام "التوجيه الذكي"
هذا هو المكون السحري. خلال المعسكر التدريبي، لا يقوم المعلم (الخادم) بجمع الإجابات فحسب؛ بل يعمل كخاطبة ذكية باستخدام التوجيه عبر الوسائط المدرك للطوبولوجيا.

إليك كيف يعمل:

• تقطير المعرفة: يأخذ كل طالب بياناته المحلية ويضغطها في "نموذج أولي" (prototype). لكنهم لا يأخذون مجرد متوسط بسيط. إنهم يستخدمون خوارزمية "PageRank" (نفس المنطق الذي تستخدمه جوجل لترتيب المواقع الإلكترونية) لمعرفة أي العقد في رسمهم البياني هي الأكثر أهمية أو تمثيلاً. إنهم يمنحون العقد المهمة وزناً أكبر، مما يخلق ملخصاً مكثفاً لمعرفتهم.
• الخياطة (Matchmaking): ينظر المعلم إلى هذه الملخصات من جميع الطلاب. إذا كان لدى الطالب (أ) وصف نصي رائع ولكن صورة ضبابية، وكان لدى الطالب (ب) صورة مثالية ولكن نص ضعيف، فإن المعلم يوجه ملخص صورة الطالب (ب) إلى الطالب (أ) كـ "مرجع إيجابي". الأمر يشبه قول: "مهلاً، انظر إلى هذا المثال الرائع من صديق لتساعدك في إصلاح صورتك الضبابية".
• تصفية الضجيج: من المهم أيضاً أن المعلم يوجه "مراجع سلبية". إذا كانت بيانات أحد الطلاب ضوضائية أو مضللة، فإن المعلم يشير قائلاً: "لا تنسخ هذا؛ إنه خاطئ". هذا يساعد المجموعة على تجنب تعلم العادات السيئة.

يحدث هذا التوجيه عبر مستويات مختلفة: النظر إلى العقد الفردية، والنظر إلى الجيران، والنظر إلى العميل ككل. هذا يخلق مخطط "تعلم تبايني ثلاثي المستويات". تخيل لعبة تحاول فيها العثور على توأمك في حشد. أنت تنظر إلى وجهك (مستوى العقدة)، ووجوه أصدقائك (مستوى الجار)، ثم تطلب من المعلم أن يشير إلى من يشبهك من المجموعات الأخرى (مستوى العميل). هذا يساعد الجميع على مواءمة فهمهم دون رؤية بياناتهم الخام أبداً.

المرحلة الثالثة: النهاية المتخصصة
بمجرد انتهاء المعسكر التدريبي وامتلاك الجميع لفهم مشترك قوي، ينفصل الطلاب للقيام بواجباتهم المنزلية المحددة (الضبط الدقيق - fine-tuning). ولأنهم تعلموا اللغة العامة معاً، يمكنهم الآن التكيف بسرعة مع مهامهم المحددة، سواء كان ذلك تصنيف العقد أو توليد الصور، دون الحاجة للتحدث مع المعلم بعد الآن.

ماذا تقول الأرقام

اختبر الباحثون FedTCR على 8 مجموعات بيانات تمتد عبر 7 مجالات مختلفة، بما في ذلك الأفلام، والبقالة، ومنشورات Reddit، وفيديوهات الرقص، والألعاب، والموضة، والفن. وقارنوا طريقتهم بـ 17 طريقة أساسية مختلفة، بما في ذلك التعلم الاتحادي القياسي وتقنيات تعلم الرسوم البيانية متعددة الوسائط المتخصصة.

كانت النتائج واضحة:

• المهام المتمحورة حول الرسم البياني: عندما كان الهدف هو تصنيف العقد أو التنبؤ بالروابط، تفوق FedTCR على ثاني أفضل طريقة بفارق كبير. على سبيل المثال، في مجموعة بيانات "الأفلام"، حسن الدقة بمقدار +1.50%، وفي "RedditS" للتنبؤ بالروابط، قفز الأداء بمقدار +4.45% في مقياس AUC (وهو مقياس لمدى جودة تنبؤ النموذج بالاتصالات).
• المهام المتمحورة حول الوسائط: عندما كان الهدف هو استرجاع الصور من النصوص أو توليد النصوص من الرسوم البيانية، كان التحسن أكثر دراماتيكية. في مجموعة بيانات "الألعاب"، حسن عملية الاسترجاع بمقدار +7.75%. وبالنسبة لتوليد النصوص من الرسوم البيانية (G2Text) في "Flickr30k"، فقد عزز الأداء بمقدار +6.58%.

كما أجرت الورقة تجربة "المهام المتباينة" حيث كانت المجموعات المختلفة تعمل على مهام مختلفة تماماً (بعضها يصنف وبعضها يولد). في هذا السيناريو الفوضوي، كان FedTCR هو الطريقة الوحيدة التي نجحت في جمع الجميع معاً. لقد أظهر أنه حتى عندما تكون لدى الطلاب أهداف مختلفة، يمكنهم لا يزال التعلم من بعضهم البعض، محققين متوسط تحسن قدره +2.44% مقارنة بالعمل بمفردهم.

لماذا يهم هذا الأمر

تشير الورقة إلى أن الطريقة القديمة للتعلم الاتحادي — مجرد حساب متوسط المعاملات — غير كافية لعالمنا المعقد ومتعدد الوسائط. من خلال تقديم نظام يحترم الهيكل الفريد لبيانات كل مجموعة (الطوبولوجيا) ويوجه بذكاء المعلومات الأكثر فائدة مع تصفية الضجيج، يفتح FedTCR الباب أمام التعاون المحافظ على الخصوصية على نطاق أوسع بكثير. إنه يثبت أنه يمكنك بناء ذكاء جماعي قوي من مصادر بيانات مبعثرة وخاصة دون المساس أبداً بخصوصية المعلومات الخام. ويخلص المؤلفون إلى أن هذا النهج يضع حجر الأساس للجيل القادم من الذكاء الاصطناي الذي يمكنه فهم الروابط الغنية ومتعددة الحواس في العالم الحقيقي.