ADOPD: Reference-Privileged On-Policy Distillation for MLLM-Based Industrial Anomaly Detection
تقترح الورقة البحثية إطار عمل ADOPD، وهو إطار تقطير في السياسة (on-policy) يتمتع بامتياز المرجع، والذي يعمل على استيعاب فوائد المقارنة القائمة على المرجع داخل نموذج طالب يعتمد على الاستعلام فقط من خلال الاستفادة من معلم مدرك للمرجع لتوجيه الكشف عن الشذوذ بدقة متناهية، محققاً بذلك أداءً هو الأفضل في فئته (state-of-the-art) في اختبار الصفر (zero-shot) على معيار MMAD.
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 حل لغز، ولكن بدلاً من مسرح جريمة، أنت تنظر إلى أرضية مصنع. مهمتك هي رصد أصغر خدش على أداة جديدة لامعة لا ينبغي أن يكون موجوداً. هذا هو عالم كشف الشذوذ الصناعي (Industrial Anomaly Detection). لفترة طويلة، كانت الحواسيب سيئة جداً في هذا المجال لأنها لا تعرف سوى ما يبدو عليه "الطبيعي" بشكل عام، وليس الخصائص المحددة لكل منتج يخرج من خط الإنتاج.
هنا يأف بـ نماذج اللغات الكبيرة متعددة الوسائط (MLLMs). فكر في هذه النماذج كأنها محققون أذكياء للغاية من الذكاء الاصطناعي يمكنهم رؤية الصور وقراءة النصوص في آن واحد. إنهم بارعون في الاستنتاج، لكنهم غالباً ما يفتقدون التفاصيل الدقيقة والمحددة اللازمة لكشف العيب. عادةً، لمساعدة هؤلاء المحققين من الذكاء الاصطناعي، يقدم لهم البشر "صورة مرجعية" — وهي صورة لمنتج مثالي خالٍ من العيوب للمقارنة به مع المنتج المشبوه. الأمر يشبه إظهار صورة لبصمة إصبع مثالية للمحقق لكي يتمكن من رصد البقعة على البصمة الحقيقية. ومع ذلك، فإن القيام بذلك لكل عنصر هو أمر بطيء ومكلف حوسبياً، مثل مطالبة محقق بالذهاب إلى المكتبة للبحث في كتاب مرجعي في كل مرة ينظر فيها إلى دليل ما. السؤال الكبير الذي طرحه الباحثون هو: هل يمكننا تعليم الذكاء الاصطناعي تذكر كيف يبدو ذلك المرجع المثالي، بحيث لا يحتاج للبحث عنه في كل مرة؟
هنا يأتي دور دراسة جديدة تقترح طريقة تدريب ذكية تسمى ADOPD. أراد الباحثون معرفة ما إذا كان بإمكانهم "استيعاب" فوائد مقارنة الصور مباشرة داخل عقل الذكاء الاصطناعي أثناء التدريب. لم يريدوا فقط أن يحفظ الذكاء الاصطناعي الإجابات؛ بل أرادوا منه أن يتعلم كيفية فحص الأشياء.
وضع الفريق سيناريو تدريب يتكون من شخصيتين: المعلم والطالب. المعلم هو ذكاء اصطناعي فائق الذكاء يُسمح له برؤية كل من العنصر المشبوه والصورة المرجعية المثالية. أما الطالب فهو الذكاء الاصطناعي الذي نريد استخدامه فعلياً لاحقاً، وهو لا يرى سوى العنصر المشبوه. الهدف هو جعل الطالب يتصرف بذكاء مثل المعلم، حتى بدون الصورة المرجعية.
ولكن هنا تكمن الصعوبة؛ قد يكون المعلم ذكياً أكثر من اللازم. فقد يخمن الإجابة الصحيحة لمجرد قراءته للنص أو بسبب الانطباع العام للصورة، متجاهلاً المقارنة المحددة التي كان من المفترض أن يجريها. ولحل هذه المشكلة، ابتكر الباحثون لعبة "أوجد الفروق" للمعلم. لقد عرضوا على المعلم تخمين الطالب نفسه مرتين: مرة مع الصورة المرجعية الصحيحة (عرض "المطابق" - Matched) ومرة مع صورة مرجعية خاطئة (عرض "غير المطابق" - Mismatched).
إذا كان المعلم يهتم حقاً بالمرجع، فإن ثقته يجب أن ترتفع بشدة عندما يرى الصورة الصحيحة وتنخفض عندما يرى الصورة الخاطئة. استخدم الباحثون هذا الفرق لإنشاء "درجة ثقة" خاصة. إذا كان المعلم واثقاً فقط بسبب الصورة الخاطئة، فإن الطالب يتعلم تجاهل هذا الدليل. وإذا كان المعلم واثقاً بسبب الصورة الصحيحة، فإن الطالب يتعلم الانتباه بشدة. تُسمى هذه العملية التقطير القائم على السياسة المتميزة بالمرجع (Reference-Prived-Leged On-Policy Distillation). إنها تشبه مدرباً يراقب لاعباً أثناء التدريب، لكن المدرب لا يقدم ملاحظاته إلا عندما يستخدم اللاعب التقنية الصحيحة بالفعل، وليس لمجرد التخمين.
تشير النتائج إلى أن هذه الطريقة تعمل بشكل جيد بشكل مدهش. فعند اختبارها على معيار يسمى MMAD، والذي يتضمن سبعة أنواع مختلفة من مهام الفحص الصناعي، حققت الطريقة الجديدة متوسط دقة بلغ 77.31%. وهذه قفزة كبيرة، حيث حسنت النموذج الأساسي بمقدار 6.14 نقطة. والأكثر إثارة للإعجاب هو أن هذا الذكاء الاصطناعي، الذي لم يرَ صورة مرجعية أثناء الاختبار، قد تفوق في أدائه على نفس النموذج عندما كان مسموحاً له برؤية صورة مرجعية (إعداد "المرة الواحدة" - one-shot)، متفوقاً عليه في الدقة بمقدار 2.64 نقطة. ومع ذلك، تشير الدراسة إلى وجود مقايضة: فبينما وجدت الطريقة الجديدة عيوباً أكثر (استدعاء أعلى)، كانت أكثر عرضة للإنذارات الكاذبة، مما أدى إلى انخفاض طفيف في الدقة (Precision) مقارنة بإعداد "المرة الواحدة".
تشير الدراسة إلى أنه باستخدام خدعة التدريب "المطابق مقابل غير المطابق" هذه، تعلم الذكاء الاصطناعي استراتيجية دقيقة لكشف العيوب. لم يكتفِ بحفظ الحقائق، بل تعلم البحث عن الاختلافات البصرية المحددة التي تهم. وجد الباحثون أن هذا النهج كان فعالاً بشكل خاص في تحديد أين يوجد العيب وما نوع الشذوذ، بدلاً من مجرد تخمين الفئة. وبينما تتطلب الطريقة حالياً صوراً مزدوجة وتوصيفات محددة للتدريب، فإن النتائج تشير إلى أنه يمكننا تعليم الذكاء الاصطناعي ليكون مفتشاً أكثر حدة واعتماداً على نفسه، قادراً على رصد أدق العيوب دون الحاجة إلى مرجع في كل مرة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.