تخيل أنك تحاول تعليم روبوت رسم لوحة، ولكن بدلاً من إعطائه قلم رصاص وتطلب منه رسم الخطوط خطوة بخطوة، فإنك تعطيه ممحاة سحرية ومجموعة من التعليمات حول كيفية "الانجراف" من صفحة بيضاء إلى الصورة النهائية. هذا هو عالم الذكاء الاصطناعي التوليدي، وهو فرع من علوم الحاسوب حيث تتعلم الآلات إنشاء بيانات جديدة — مثل الصور أو الأصوات أو حركات الروبوت — تبدو تماماً مثل الحقيقة.

عادةً، تعمل نماذج الذكاء الاصطناعي هذه مثل فيلم بالتصوير البطيء. لإنشاء صورة واحدة، يتعين على الكمبيوتر اتخاذ مئات الخطوات الصغيرة، حيث يقوم ببطء بتنقية كتلة ضبابية وتحويلها إلى صورة حادة. إنها عملية دقيقة، لكنها بطيئة ومكلفة حاسوبياً، كأنك تحاول رسم لوحة فنية عبر غمس الفرشاة في الماء ألف مرة. مؤخراً، اكتشف العلماء طريقة أسرع تسمى نماذج الانجراف (Drifting Models). فبدلاً من اتخاذ مئات الخطوات في النهاية، يتعلم النموذج القيام بالرحلة بأكملة في قفزة واحدة عملاقة أثناء تدريبه. الأمر يشبه تعليم الروبوت القفز مباشرة إلى الرسمة النهائية. ومع ذلك، هناك عقبة: هذه الطريقة "ذات الخطوة الواحدة" بارعة في تعلم الأشكال الكبيرة والضبابية للصورة (مثل الخطوط العريضة للوجه)، لكنها تعاني في تعلم التفاصيل الصغيرة والحادة (مثل ملمس الجلد أو انحناءة الابتسامة). وكأن الروبوت يستطيع رؤية الغابة ولكنه يفتقد رؤية كل ورقة شجر فيها.

هذه الورقة البحثية، بعنوان "نماذج الانجراف من الدرجة الثانية (Second Order Drifting Models)"، تقترح حلاً ذكياً لمساعدة الروبوت على رؤية الأوراق أيضاً. يقترح المؤلفون، دريك براون، ويوهاو هوانغ، وشيه سين وانغ، وباو وانغ من جامعة يوتا، إضافة مفهوم يسمى الزخم (Momentum) إلى تدريب الروبوت. فكر في الأمر كمتزلج على لوح تزلج: إذا دفعت لوح التزلج للأمام فقط، فإنه يتوقف بسرعة بمجرد توقفك عن الدفع. أما إذا كان المتزلج يتحرك بسرعة واصطدم بمطب، فإنه لن يتوقف فوراً؛ بل سينزلق فوقه مستخدماً سرعته. ومن خلال منح الذكاء الاصطناعي "سرعة اصطناعية"، يمكن للنموذج أن ينزلق فوق التفاصيل الدقيقة وعالية التردد التي عادة ما تبطئه. والنتيجة هي نموذج لا يزال يولد الصور في خطوة واحدة، ولكنه يلتقط التفاصيل الدقيقة بشكل أفضل بكثير مما سبق.

المشكلة: فخ "مرشح التمرير المنخفض"

لفهم سبب الحاجة إلى هذه الطريقة الجديدة، علينا أن ننظر إلى كيفية عمل "نماذج الانجراف" الأصلية. تخيل أنك تحاول مطابقة حشد من الناس (عينات الذكاء الاصطناعي التي يتم إنتاجها) مع مجموعة محددة من كبار الشخصيات (البيانات الحقيقية). يستخدم الذكاء الاصطناعي "حقل انجراف"، وهو يشبه رياحاً غير مرئية تدفع الحشد نحو كبار الشخصيات وتبعدهم عن المساحات الفارغة.

المشكلة هي أن هذه الرياح يتم إنشاؤها باستخدام أداة رياضية تسمى النواة (Kernel)، والتي تعمل كمرشح تمرير منخفض (low-pass filter). بالمعنى اليومي، مرشح التمرير المنخفض يشبه المنخل الذي يسمح للصخور الكبيرة (الترددات المنخفضة، الأشكال الضبابية) بالمرور بسهولة، ولكنه يحجز الرمال (التفاصيل الحادة، الترددات العالية). وبسبب هذا، يتعلم الذكاء الاصطناعي الأشكال الكبيرة للبيانات بسرعة كبيرة، لكن التفاصيل الدقيقة والحادة تظل عالقة. وتظهر الرياضيات أنه بالنسبة لهذه التفاصيل الدقيقة، تكون "الرياح" ضعيفة جداً لدرجة أنها تستغرق وقتاً طويلاً للغاية حتى يتقنها الذكاء الاصطناعي. الأمر يشبه محاولة تنظيف نافذة مغبرة باستخدام ريشة تنظيف لا تعمل إلا على البقع الكبيرة وتترك الغبار الدقيق كما هو.

الحل: إضافة الزخم إلى المزيج

أدرك المؤلفون أن الذكاء الاصطناعي كان يتحرك ببطء شديد لأنه كان يستخدم فقط "ديناميكيات الدرجة الأولى". في الفيزياء، الحركة من الدرجة الأولى تشبه المشي: أنت تتحرك بسرعة تحددها قوة دفعك الآن. وإذا كان الدفع ضعيفاً، فستتحرك ببطء.

ولحل هذه المشكلة، قدموا نماذج الانجراف من الدرجة الثانية. فبدلاً من مجرد تتبع مكان عينات الذكاء الاصطناعي، فإنهم يتتبعون أيضاً سرعة حركة تلك العينات. لقد أضافوا متغيراً لـ "السرعة المتجهة" (velocity) إلى المعادلة. الآن، لا يمشي الذكاء الاصطناعي فحسب؛ بل يتزلج على لوح تزلج.

إليك السحر: عندما يواجه الذكاء الاصطناعي تفصيلاً صعباً وعالي التردد (مثل ذرة غبار صغيرة)، فإن الزخم يحمله للأمام حتى لو كانت "الرياح" (حقل الانجراف) ضعيفة. وهذا مشابه رياضياً لتقنية تحسين شهيرة تسمى تسارع نيستروف (Nesterov acceleration)، والتي تُستخدم لمساعدة الحواسيب على حل المشكلات بشكل أسرع. ومن خلال رفع المشكلة إلى "فضاء الطور" (مصطلح تقني لتتبع كل من الموقع والسرعة)، أظهر المؤلفون أن بإمكان الذكاء الاصطناعي استعادة تلك التفاصيل الدقيقة بشكل أسرع بكثير، مما يتجاوز بفعالية عنق الزجاجة الناتج عن مرشح التمرير المنخفض.

كيف اختبروا ذلك؟

لم يكتف الفريق بالعمليات الرياضية على الورق؛ بل بنوا النموذج واختبروه في ثلاثة عوالم مختلفة لمعرفة ما إذا كان يعمل حقاً.

1. لفافة سويس (البيانات الاصطناعية): بدأوا بشكل بسيط مكون من شكل ثنائي الأبعاد يسمى "لفافة سويس"، والذي يشبه ورقة ملفوفة بنمط حلزوني. هذا الشكل يحتوي على منحنيات وثنيات حادة. عانى نموذج الانجراف الأصلي من التقاط دقة اللفافة، وغالباً ما أنتج عينات كانت ناعمة جداً أو تفتقد الحواف. ومع ذلك، تتبع نموذج الدرجة الثانية الجديد المنحنيات الحادة بدقة، مما أظهر أخطاءً أقل في الأجزاء عالية التردد من الصورة.
2. MNIST (الأرقام المكتوبة بخط اليد): بعد ذلك، جربوا توليد صور لأرقام مكتوبة بخط اليد (من 0 إلى 9). في هذا الاختبار، قاموا بقياس الجودة باستخدام درجة تسمى FID (مسافة فريدشيه للإنتربشن)، حيث يكون الرقم الأقل هو الأفضل. سجل نموذج الانجراف الأصلي 59.5، بينما حسن نموذج الدرجة الثانية الجديد هذه النتيجة إلى 48.2. وهذا يعني أن الأرقام المولدة كانت تبدو أكثر واقعية وأقل ضبابية. والأهم من ذلك، أنهم فعلوا ذلك في خطوة واحدة فقط من تقييم الدالة، مع الحفاظ على ميزة السرعة.
3. التحكم في الروبوتات: أخيراً، اختبروا النموذج على الروبوتات. طلبوا من الذكاء الاصطناعي تعلم كيفية تحريك ذراع الروبوت لأداء مهام مثل "الرفع"، "الدفع"، أو "تعليق الأداة". في هذه المهام، يحتاج الروبوت إلى إجراء تعديلات دقيقة وسريعة. تعلم نموذج الدرجة الثانية هذه المهام بشكل أسرع بكثير. على سبيل المثال، في مهمة "الرفع"، وصل النموذج الجديد إلى نسبة نجاح 100% في 8 دورات تدريبية فقط، بينما استغرق نموذج الانجراف القديم 50 دورة، واستغرقت طريقة أخرى شهيرة تسمى "سياسة الانتشار" (Diffusion Policy) نحو 3050 دورة.

ماذا يعني هذا؟

تشير الورقة البحثية إلى أنه من خلال إضافة مكون "سرعة" بسيط إلى عملية التدريب، يمكننا جعل نماذج التوليد ذات الخطوة الواحدة أكثر ذكاءً دون جعلها أبطأ. يوضح المؤلفون أن هذه الطريقة تحسن قدرة النموذج على تعلم التفاصيل الدقيقة والأنماط المعقدة، سواء كان ذلك برسم رقم أو التحكم في ذراع روبوت.

كما يوضحون بحذر أن هذا تحسين محدد لنماذج الانجراف، وأنه بينما النتائج واعدة عبر البيانات الاصطناعية والصور والروبوتات، فإن الإمكانات الكاملة لأنواع أخرى من الذكاء الاصطناعي لا تزال قيد الاستكشاف. ولكن في الوقت الحالي، فقد أثبتوا أن منح الذكاء الاصطناعي القليل من "الزخم" يساعده على الانزلاق فوق العقبات ورؤية الصورة الكاملة، من الغابة الكبيرة وصولاً إلى أصغر أوراق الشجر.