ReFP-AD: Rectified Flow Preconditioning for Energy-Based Anomaly Detection
يقدم ReFP-AD إعادة تمثيل هندسي عبر تدفق مستقيم مقترن بالنقل الأمثل لاستقرار تدريب نماذج الطاقة القائمة على الطاقة في فضاءات الرموز عالية الأبعاد، محققاً أداءً رائدًا وموحدًا في كشف الشذوذ على مجموعتي بيانات MVTec-AD وVisA.
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 محقق يحاول رصد لوحة مزيفة في معرض فني. لقد قضيت سنوات في دراسة آلاف التحف الأصلية، لذا فأنت تعرف تماماً كيف يجب أن تبدو ضربات الفرشاة، والألوان، والملمس. لكنك لم ترَ لوحة مزيفة من قبل. مهمتك هي الدخول إلى غرفة مليئة باللوحات الجديدة وتحديد اللوحة التي لا تنتمي إليها فوراً. هذا هو تحدي "كشف الشذوذ" (anomaly detection) في عالم الذكاء الاصطناعي؛ حيث يتعين على الذكاء الاصطناعي تعلم شكل "الطبيعي" دون أن يُعرض عليه مثال واحد "سيئ".
للقيام بذلك، تستخدم نماذج الذكاء الاصطناعي الحديثة غالباً "النماذج التأسيسية" (foundation models)، وهي بمثابة عقول فائقة الذكاء تدربت على كامل شبكة الإنترنت. تقوم هذه النماذج بتفكيك الصور إلى قطع صغيرة تسمى "توكنز" (tokens)، وتحولها إلى قوائم طويلة من الأرقام (embeddings) التي تلتقط معنى الصورة. ومع ذلك، فإن هذه القوائم الرقمية تكون فوضوية؛ فهي تشبه كرة من الخيوط المتشابكة حيث تكون بعض الخيووت مشدودة بقوة وبعضها الآخر مرتخياً، وكلها معقودة ببعضها بطرق معقدة. إذا حاولت استخدام هذه القوائم الفوضوية لقياس مدى "غرابة" صورة جديدة رياضياً، فإن الحسابات ستصاب بالارتباك وعدم الاستقرار. الأمر يشبه محاولة السير على حبل مشدود بينما الحبل يلتوي باستمرار تحت قدميك. يتناول هذا البحث هذه المشكلة تحديداً: كيف يمكن تقويم ذلك الحبل المتشابك لكي يتمكن الذكاء الاصطناعي من رصد الزيف بموثوقية.
مشكلة الحبل المتشابك
لاحظ الباحثون وراء هذا البحث، "كاميل لندربيرج" وفريقها من جامعة آيندهوفن للتكنولوجيا، وجود خلل محبط في كيفية كشف الذكاء الاصطناعي عن الشذوذ. كانوا يستخدمون نوعاً قوياً من الرياضيات يسمى "نماذج الطاقة الأساسية" (Energy-Based Models - EBMs). فكر في الـ EBM كأنه تضاريس من التلال والوديان؛ فالصور "الطبيعية" (مثل قطعة مصنع مثالية أو ورقة شجر سليمة) تستقر براحة في وديان عميقة وناعمة، بينما يُفترض أن تكون "الشذوذات" (مثل خدش أو عيب) موجودة في قمم حادة ومسننة.
المشكلة هي أن الذكاء الاصطناعي كان يحاول استكشاف هذه التضاريس باستخدام طريقة تسمى "ديناميكيات لانجيفين" (Langevin dynamics)، وهي باختصار عبارة عن مسار عشوائي للبحث عن أدنى نقطة. ولكن نظرًا لأن البيانات جاءت من تلك النماذج التأسيسية الفوضوية والمتشابكة، لم تكن التضاريس وادياً ناعماً، بل كانت كابوساً ملتوياً وغير متجانس (anisotropic) ممتداً في اتجاه واحد. كان المسار العشوائي يعلق، أو يرتطم بالجدران، أو يخرج عن السيطرة. كان الأمر يشبه محاولة دحرجة كرة رخامية على منزلق تم كرمشته ليصبح على شكل كرة. وقد تضمنت المحاولات السابقة للإصلاح ضغط البيانات في شكل أبسط وأصغر، لكن ذلك أدى إلى التخلص من الكثير من التفاصيل، مما جعل الذكاء الاصطناعي أعمى عن العيوب الدقيقة.
الحل المستقيم: ReFP-AD
اقترح الفريق حيلة ذكية جديدة تسمى ReFP-AD (التحضير المسبق للتدفق المصحح لكشف الشذوذ). بدلاً من محاولة إجبار البيانات الفوضوية على الانصياع، قاموا ببناء "مقوم هندسي".
تخيل أن لديك ورقة مجعدة عليها رسمة ما. إذا حاولت قياس الرسمة بينما هي مجعدة، فإن مسطرتك ستعطيك إجابات خاطئة. إن ReFP-AD يشبه آلة سحرية تقوم بفرد الورقة المجعدة بلطف، وتمديدها لتصبح مسطحة تماماً دون تمزيق الرسمة أو فقدان أي من الحبر. من الناحية التقنية، يستخدمون "تدفقاً مصححاً" (rectified flow) -وهو نوع من الخرائط الرياضية- لتحويل قوائم التوكنز الفوضوية عالية الأبعاد إلى "فضاء كامن" (latent space) نظيف ومنظم جيداً.
في هذا الفضاء الجديد "المستقيم"، تصبح "التلال والوديان" لتضاريس الشذوذ ناعمة ويمكن التنبؤ بها. الآن، عندما يقوم الذكاء الاصطناعي بمساره العشوائي للعثور على أدنى نقطة (البيانات الطبيعية)، فإنه ينزلق بسلاسة بدلاً من التعثر. وهذا يسمح للذكاء الاصطناعي باستخدام كامل التفاصيل الغنية للنموذج التأسيسي الأصلي دون الحاجة إلى ضغطه في نسخة أصغر وأقل دقة.
ما وجدوه
كانت النتائج مبهرة. اختبر الفريق طريقتهم على مجموعتين رئيسيتين من البيانات الصناعية: MVTec-AD (التي تضم 15 فئة من الأشياء) و VisA (التي تضم 12 فئة). واستخدموا بروتوكولاً "موحداً" صارماً، مما يعني أنهم دربوا نموذج ذكاء اصطناعي واحداً فقط للتعامل مع كل هذه الأشياء المختلفة في آن واحد، بدلاً من تدريب نموذج منفصل لكل منها.
- في مجموعة بيانات MVTec-AD، حقق ReFP-AD نسبة 98.6% في دقة الصورة (Image AUROC) ونسبة 97.9% في دقة البكسل (Pixel AUROC).
- وفي مجموعة بيانات VisA، سجل 97.3% للصور و 99.0% للبكسلات.
لوضع ذلك في السياق، فإن النماذج الموحدة السابقة التي حاولت القيام بذلك بدون حيلة "التقويم" واجهت صعوبات كبيرة. ويشير البحث إلى أن ReFP-AD تفوق على أفضل النماذج المرجعية لـ "نماذج الطاقة الأساسية" بنسبة تصل إلى +10.8% في دقة اكتشاف الصور.
أجرى الباحثون عدة تجارب لإثبات أن فكرتهم هي المفتاح. فعندما أزالوا خطوة "التقويم" وحاولوا تدريب الذكاء الاصطناعي على البيانات الخام الفوضوية، انخفض الأداء بشكل حاد (ليصل إلى 87.0% في VisA). كما وجدوا أنه نظراً لأن الفضاء أصبح منظماً جيداً، لم يحتج الذكاء الاصطناعي إلى مئات الخطوات للوصول إلى الإجابة؛ بل احتاج فقط إلى حوالي 20 خطوة للحصول على النتيجة الصحيحة، بينما كان في السابق سيحتاج إلى خطوات أكثر بكى أو سيفشل تماماً.
لماذا يهم هذا الأمر؟
يشير هذا البحث إلى أن العائق أمام جعل الذكاء الاصطناعي أكثر ذكاءً في رصد العيوب ليس بناء عقول أكبر أو نماذج أكثر تعقيداً، بل يتعلق بكيفية إعداد البيانات لتلك النماذج لكي تفكر. من خلال إصلاح هندسة البيانات أولاً، أطلق الباحثون العنان للإمكانات الكاملة للنماذج التأسيسية الموجودة.
وعلى الرغم من أن الطريقة حالياً أبطأ قليلاً من بعض الكواشف الأبسط لأنها تتطلب إجراء حسابات "التقويم" هذه قبل اتخاذ القرار، إلا أنها تثبت أنه يمكننا بناء ذكاء اصطناعي موحد واحد بارع جداً في رصد العيوب عبر أنواع مختلفة من الأشياء. إنها خطوة نحو مستقبل حيث يمكن لمحقق ذكي واحد أن يراقب مصنعاً بأكمله، فيرصد خدشاً في ترس معدني وتمزقاً في لفة قماش بنفس المستوى العالي من الدقة، وكل ذلك دون أن يحتاج أبداً لرؤية مثال "مكسور" ليتعلم معنى كلمة "مكسور".
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.