تخيل أنك تحاول تعليم روبوت رسم خريطة لمدينة، لكن لا يمكنك سوى إظهار صور ضبابية له وإعطائه تعليمات متناقضة أحياناً. هذا هو الواقع اليومي للحواسيب التي تحاول فهم الصور الطبية. في عالم الذكاء الاصطناعي، هناك مجال متنامٍ يسمى "التعلم متعدد الوسائط" (multimodal learning)، حيث تتعلم الحواسيب من خلال النظر إلى الصور وقراءة النصوص في نفس الوقت. فكر في الأمر كأنك محقق يحل الجرائم من خلال الجمع بين صورة مشوشة من كاميرا مراقبة وتقرير مكتوب من شاهد عيان. عادةً ما تكون هذه الحواسيب واثقة جداً من نفسها، حتى عندما تكون مخطئة؛ فهي تعامل كل بكسل في الصورة وكل كلمة في التقرير كحقيقة ثابتة وغير قابية للتغيير. ولكن في العالم الحقيقي، غالباً ما تكون الصور الطبية "مشوشة" (مثل صورة ملتقطة في الظلام)، ويمكن أن تكون ملاحظات الأطباء غامضة أو مبهمة. وعندما يتجاهل الكمبيوتر هذا الارتباك، يمكنه ارتكاب أخطاء خطيرة، خاصة عندما يواجه نوعاً جديداً من المرضى أو نوعاً مختلفاً من الكاميرات لم يره من قبل.

هنا يأتي دور دراسة جديدة لتغيير قواعد اللعبة. أدرك الباحثون وراء هذه الورقة البحثية، التي تحمل عنوان "DistMedVL"، أنه بدلاً من إجبار الكمبيوتر على اليقين، يجب علينا تعليمه كيف يكون مرتاحاً مع عدم اليقين. لقد بنوا نظاماً لا يكتفي بمطابقة صورة بكلمة فحسب، بل يطابق "سحابة ضبابية" من الاحتمالات بسحابة أخرى "ضبابية". ومن خلال القيام بذلك، يتعلم الكمبيوتر أن يقول: "أنا متأكد تماماً من هذا الجزء، لكني مهتز قليلاً بشأن ذلك الجزء"، ويقوم بتعديل إجابته النهائية بناءً على ذلك. يساعد هذا النهج الذكاء الاصطناعي على البقاء دقيقاً حتى عندما تكون البيانات فوضوية أو عندما يرى شيئاً جديداً تماماً، مما يجعله أداة أكثر أماناً وموثوقية لمساعدة الأطباء.

المشكلة: الروبوت المفرط في الثقة

تخيل أنك تلعب لعبة "تخمين الشيء" مع صديق. يصف لك صديقك حيواناً، وعليك أن تشير إليه في صورة. إذا قال صديقك: "له أربعة أرجل وذيل"، ورأيت كلباً وقطة وحصاناً، فإن الكمبيوتر التقليدي قد يختار الكلب فقط لأنه أول تطابق وجده. هو لا يهتم بأن الوصف غامض أو أن الصورة ضبابية؛ فهو يعمل كروبوت جامد يؤمن بأن كل تفصيل هو مثالي بنسبة 100%.

في التصوير الطبي، هذه مشكلة كبيرة. قد يقول تقرير الطبيب: "هناك ظل قد يكون ورماً"، وقد تكون الأشعة السينية محببة بعض الشيء. الذكاء الاصطناعي القياسي، الذي يحاول مطابقة النص مع الصورة، قد يرتبك أو يرسم شكلاً خاطئاً بكل ثقة. إنه يعامل "الظل" و"الحبيبات" كما لو كانت حقائق واضحة وصلبة. وعندما يواجه الذكاء الاصطناعي مستشفى جديداً بأجهزة مختلفة أو مرضاً نادراً لم يره في تدريبه، فإنه ينهار لأنه لا يملك وسيلة ليقول: "مهلاً، هذا يبدو غريباً، أنا لست متأكداً".

الحل: "السحابة الضبابية" الموائمة

يقترح مؤلفو هذه الورقة نظاماً جديداً يسمى DistMedVL. بدلاً من استخدام روبوت جامد، قاموا ببناء روبوت "احتمالي". الفكرة الجوهرية هي التوقف عن معاملة الكلمات وبكسلات الصور كنقاط واحدة ثابتة، والبدء في معاملتها كـ سحب من الاحتمالات.

فكر في كلمة واحدة في ملاحظة طبية، مثل "كبد"، ليس كنقطة صغيرة، بل كسحابة هشة. بعض أجزاء السحابة كثيفة جداً (الكمبيوتر متأكد جداً من مركز الكبد)، بينما الأطراف رقيقة (الكمبيوتر أقل تأكداً من الحدود الدقيقة). وبالمثل، فإن رقعة من الأشعة السينية ليست مجرد لون واحد؛ بل هي سحابة من المعاني المحتملة.

ولجعل هذا يعمل، أضاف الباحثون أداة خاصة وخفيفة الوزن تسمى PCM-Adapter إلى دماغ الذكاء الاصطناعي. لهذا الملحق وظيفتان رئيسيتان، حيث يعمل كمرشح ذكي ينظف الضجيج قبل أن يتخذ الذكاء الاصطناعي قراراً.

1. وحدة محاذاة ماهالانوبيس (MAM): "مقياس الثقة"

الجزء الأول من الملحق هو MAM. تخيل أنك تحاول مطابقة صورة مشوشة لسيارة مع وصف لها. بعض أجزاء الصورة واضحة (العجلات)، لكن أجزاء أخرى مموهة (الخلفية). يحاول الكمبيوتر العادي مطابقة الشيء بأكه بالتساوي. أما الـ MAM، فيعمل كمقياس للثقة.

إنه ينظر إلى "سحابة" النص و"سحابة" الصورة. إذا كان جزء معين من الصورة ضبابياً جداً (عدم يقين عالٍ)، فإن MAM يقول: "سأتجاهل هذا الجزء من المطابقة لأنه مليء بالضجيج". إنه يزن التطابق رياضياً بحيث لا تؤدي الميزات غير الموثوقة إلى إفساد الإجابة. إنه يشبه قولك للروبوت: "لا تدع الخلفية الضبابية تشتت انتباهك؛ ركز على الأجزاء الواضحة من السيارة". هذا يساعد الذكاء الاصطناعي على تجاهل الضجيج في الصورة والغموض في النص.

2. وحدة تدفق التوزيع (DFM): "فحص الإجماع"

الجزء الثاني هو DFM. أحياناً، تكون الصورة نفسها مربكة. ربما تظهر الأشعة السينية شكلاً غريباً قد يكون ورماً أو مجرد ظل. يعمل DFM مثل مجموعة من المحققين يتحققون مما إذا كانوا جميعاً متفقين.

إنه ينظر إلى جميع الأجزاء المختلفة للصورة ليرى ما إذا كانت تروي قصة متسقة. إذا كانت الأجزاء المختلفة من الصورة تتجادل مع بعضها البعض (تباين عالٍ)، فإن DFM يقول: "انتظر، الصورة مرتبكة. دعونا لا نسمح لهذا الارتباك بإفساد الوصف النصي". إنه يستخدم "بوابة موثوقية" ليقرر مدى تأثير الصورة على النص. إذا كانت الصورة فوضوية، تغلق البوابة، ويظل الوصف النصي قوياً. وإذا كانت الصورة واضحة والجميع متفقون، تفتح البوابة، ويتلقى النص دفعة مفيدة من الأدلة البصرية.

ماذا وجدوا: أفضل في كل شيء

اختبر الباحثون هذا النظام الجديد على ثماني مجموعات بيانات طبية مختلفة، تغطي أشياء مثل الموجات فوق الصوتية للثدي، وتنظير القولون، وفحوصات الغدة الدرقية. وقارنوا DistMedVL بأفضل الطرق الموجودة، بما في ذلك تلك التي تستخدم النصوص لتوجيه تحليل الصور.

كانت النتائج مبهرة. حتى عندما أعطى الباحثون الذكاء الاصطناعي القليل جداً من البيانات للتعلم (فقط 10% من مجموعة التدريب المعتادة)، ظل DistMedVL يتفوق على الآخرين. في الواقع، عندما كانت البيانات شحيحة، اتسعت الفجوة بين DistMedVL والطرق الأخرى. وهذا يشير إلى أن نهج "السحابة الضبابية" جيد بشكل خاص في التعامل مع المواقف التي يكون فيها الذكاء الاصطناعي غير متأكد.

كما اختبروا مدى قدرة النظام على التعامل مع "انزياح النطاق" (domain shifts) — أي ماذا يحدث عندما يرى الذكاء الاصطناعي نوعاً جديداً من المستشفيات أو نوعاً مختلفاً من الآلات. عندما تم تدريب الذكاء الاصطناعي على نوع واحد من الموجات فوق الصوتية واختباره على نوع مختلف تماماً، حافظ DistMedVL على مكانته بشكل أفضل بكثير من المنافسين. لم ينهار؛ بل تكيف.

أخيراً، اختبروا متانة النظام عن طريق تخريب المدخلات عمداً. لقد جعلوا الصور ضبابية وخلطوا التعليمات النصية. وبينما انخفض أداء الأنظمة الأخرى بشكل كبير، لم يتأثر DistMedVL إلا بشكل طفيف. لقد أثبت أنه من خلال الاعتراف بعدم اليقين، أصبح النظام أكثر قوة وليس أقل.

الخلاصة

تظهر الورقة البحثية أنه من خلال الاعتراف بما لا يعرفه، يمكن للذكاء الاصطناعي أن يعرف أكثر. لا يحاول DistMedVL فرض مطابقة مثالية بين صورة وكلمة. بدلاً من ذلك، يستخدم عملية ذكية من خطوتين لوزن موثوقية كل قطعة من المعلومات. إنه يقلل من وزن الأجزاء المشوشة ويعزز الأجزاء الواضحة.

وجدت الدراسة أن هذا النهج يسمح للذكاء الاصطناعي بتحقيق نتائج رائدة باستخدام 6.3 مليون معلمة قابلة للتدريب فقط (وهو عدد صغير جداً لمثل هذه المهمة المعقدة)، مما يجعله فعالاً وفعالاً. يشير المؤلفون إلى أن هذه الطريقة توفر أساساً أكثر صلابة للذكاء الاصطناعي الطبي، خاصة في العالم الحقيقي حيث تكون البيانات غالباً فوضوية، أو غير مكتملة، أو مختلفة عما تعلمه الكمبيوتر في المختبر. إنها خطوة نحو ذكاء اصطناعي لا يكتفي بالتخمين، بل يفهم حدود معرفته.