FiGuRO: Intrinsic Dimension Estimation for Multi-Modal Data

تخيل أنك تحاول وصف جسم معقد، مثل مجرة دوارة أو مدينة صاخبة، باستخدام كلمات قليلة فقط. إذا قلت "إنه كبير ولامع"، فقد فقدت معظم القصة. وإذا كتبت رواية من ألف صفحة، فسيكون لديك الكثير من التفاصيل ويصعب العثور على الجوهر. يطلق العلماء على الكمية "المناسبة تماماً" من المعلومات اللازمة لوصف شيء ما اسم البعد الجوهري (Intrinsic Dimension). فكر في الأمر كأنه العدد الحقيقي لـ "المقابض" التي تحتاج فعلياً لتدويرها لإعادة إنشاء شكل ما، حتى لو كان هذا الشكل موضوعاً داخل غرفة بها مليون شيء آخر. على سبيل المثال، ورقة مسطحة لها بعد جوهري قدره 2 (الطول والعرض)، حتى لو كانت تطفو في غرفة ثلاثية الأبعاد.

الآن، تخيل أن لديك كاميرتين مختلفتين تصوران نفس الحدث: إحداهما ترى بالألوان، والأخرى بالأبيض والأسود. كلتاهما تشاهدان نفس "الحدث المشترك"، لكن كل كاميرا تلتقط أيضاً تفاصيلها "الخاصة" الفريدة (مثل لون القميص أو حبيبات الفيلم). التحدي الكبير بالنسبة للحواسيب هو معرفة: كم عدد "المقابض" التي تصف الحدث المشترك؟ وكم عدد المقابض التي تصف التفاصيل الفريدة لكل كاميرا؟ إذا أخطأ الحاسوب في ذلك، فقد يخلط بين القصة، معتقداً أن لون القميص جزء من الحدث الرئيسي، أو قد يغرق في الكثير من البيانات. إن ضبط هذا الأمر بدقة أمر بالغ الأهمية لصنع ذكاء اصطناعي ذكي يمكنه فهم البيولوجيا والطب والعالم الحقيقي دون أن يصاب بالارتباك.

هنا يأيد FiGuRO (تحسين الرتبة الموجه بالدقة - Fidelity-Guided Rank Optimization)، وهي أداة جديدة ابتكرها باحثون لحل هذا اللغز تحديداً. يمكنك التفكير في FiGuRO كأنه محرر ذكي جداً ومصحح ذاتياً للبيانات. تخيل أنك تحاول حزم حقيبة سفر؛ تبدأ برمي كل ما تملكه فيها (الكثير من الأشياء!). FiGuRO هو المسافر الذي يستمر في فحص الحقيبة: "هل هذه السترة ضرورية حقاً؟ هل يمكنني إخراجها دون إفساد الرحلة؟". لكن إليك السحر: إذا أدركوا أنهم حزموا أشياء قليلة جداً ونسوا معطفاً، فإن FiGuRO يعيده. إنه يقلص ويكبّر "حجم" وصف البيانات باستمرار حتى يجد الملاءمة المثالية.

تُظهر الورقة البحثية أن FiGuRO هي الطريقة الأولى التي يمكنها القيام بذلك لأنواع متعددة من البيانات في وقت واحد. فبدلاً من مجرد التخمين حول حجم الحقيبة الذي يجب أن يكون عليه، تتعلم الأداة كيفية فصل العناصر "المشتركة" (الأشياء التي رأتها كلتا الكاميرتين) عن العناصر "الخاصة" (الأشياء التي رأتها كاميرا واحدة فقط). وفي اختباراتهم، نجح FiGuRO في معرفة التعقيد الحقيقي للبيانات المحاكية، حتى عندما كانت البيانات فوضوية، أو مليئة بالضجيج، أو تحتوي على كميات مختلفة جداً من المعلومات في كل جزء. لم يكن بحاجة إلى قواعد إضافية معقدة لفرض فصل البيانات؛ بل حدث الفصل بشكل طبيعي لأن الأداة كانت بارعة جداً في إيجاد الطريقة الأكثر كفاءة لحزم الحقيبة.

وعندما اختبر الباحثون FiGuRO على بيانات من العالم الحقيقي — مثل مطابقة التسجيلات الصوتية للأرقام المنطوقة مع صور تلك الأرقام، أو دمج صور الرادار مع الصور الضوئية للأقمار الصناعية — وجدوا أنها تعمل بنفس الكفاءة. لقد تمكنت من تجريد الضجيج وإيجاد الإشارة "المشتركة" الجوهرية، مما ساعد الحواسيب على التعرف على الأنماط بشكل أفضل من ذي قبل. تشير الورقة البحثية إلى أن هذا النهج قوي وموثوق، ويعمل جيداً عبر أنواع مختلفة من البيانات دون الحاجة إلى تعديله باستمرار. إنه يشبه منح الذكاء الاصطناعي نظارات تساعده على رؤية مدى تعقيد الموقف بدقة، وفصل الإشارة عن الضجيج، ليتعلم بشكل أسرع وأذكى.