تخيل أنك تحاول تعليم روبوت كيفية التعرف على أنواع مختلفة من الألعاب المكسورة. ليس لديك سوى صندوق صغير يحتوي على خمس قطع مكسورة فقط لتريه إياها. يصاب الروبوت بالارتباك لأنه لم يرَ لعبة مكسورة من قبل، ولا يستطيع فهم القواعد. هذه مشكلة شائعة في عالم الذكاء الاصطناعي تسمى "ندرة البيانات" (data scarcity). ولحل هذه المشكلة، غالبًا ما يستخدم العلماء حيلة ذكية: يطلبون من ذكاء اصطناعي فائق الذكاء أن "يتخيل" ألعابًا مكسورة جديدة بناءً على القطع الحقيقية القليلة التي لديه. يُسمى هذا "توليد البيانات الاصطناعية" (synthetic data generation). الأمر يشبه طلب رسم ألف صورة جديدة لألعاب مكسورة من فنان موهوب لكي يدرسها الروبوت. والأمل هو أنه من خلال دراسة هذه الصور الجديدة والمصنوعة، سيصبح الروبوت خبيرًا في رصد الألعاب المكسورة الحقيقية لاحقًا. ولكن هنا يبرز السؤال الكبير: هل يمكن للروبوت حقًا أن يتعلم من رسم، أم أنه يحتاج إلى الإمساك بالقطعة المكسورة الفعلية بيده؟

وضع فريق من الباحثين اختبارًا لهذه الفكرة في سيناريو واقعي عالي الخطورة: مساعدة الرماة في رصد الإصابات الخطيرة لدى الأشخاص أثناء كوارث الإصابات الجماعية. أرادوا معرفة ما إذا كان صنع صور إصابات وهمية سيساعد الروبوتات على التعلم بشكل أفضل من مجرد التدرب على الصور الحقيقية القليلة التي لديهم. جربوا طريقتين رئيسيتين لصنع هذه الصور الوهمية: إحداهما حيث يحاول الذكاء الاصطناعي تعلم "روح" أو "نمط" جميع الإصابات ورسم إصابات جديدة من الصفر، والأخرى حيث يأخذ الذكاء الاصطناعي صورة حقيقية ويقوم بتعديلها قليلًا، مثل تغيير الإضاءة أو الزاوية. كما قارنوا هذه الأساليب المتطورة للذكاء الاصطناعي بطريقة قديمة وأبسط: وهي مجرد أخذ الصور الحقيقية وخلطها، أو قلبها، أو تغيير ألوانها.

كانت النتائج صادمة نوعًا ما. وجد الباحثون أن الصور المولدة بواسطة الذكاء الاصطناعي المتطور لم تساعد الروبوتات حقًا في التعلم بشكل أفضل من حيلة الخلط البسيطة. في الواقع، ارتكب الذكاء الاصطناعي أخطاءً في كيفية إنشاء الإصابات الوهمية. أحيانًا، كان الذكاء الاصطناعي ينسخ الصور الحقيقية بدقة شديدة، تمامًا مثل الطالب الذي يعيد كتابة ملاحظات معلمه. وفي أحيان أخرى، صنع إصابات تبدو مثالية في الظاهر ولكنها كانت في الواقع بسيطة ونظيفة للغاية، وتفتقر إلى التفاصيل الفوضوية والمربكة التي تجعل الإصابات الحقيقية صعبة الرصد. انتهى الأمر بالروبوتات إلى كونها جيدة في رصد هذه الإصابات "المثالية"، لكنها لم تتحسن في التعامل مع الواقع الفوضوي. تشير الدراسة إلى أنه في المواقف التي تكون فيها البيانات نادرة وفوضوية، فإن مجرد توليد المزيد من الصور ليس الحل السحري الذي كنا نأمله؛ فأحيانًا، تظل الطريقة القديمة المتمثلة في التدرب على البيانات الحقيقية الفوضوية هي المعلم الأفضل.

قصة الروبوت والإصابات الوهمية

دعونا نتعمق أكثر في كيفية سير هذه التجربة. كان الباحثون يعملون على نظام مصمم لمناطق الكوارث، حيث تحتاج الروبوتات إلى تحديد أشياء مثل النزيف الشديد، أو إصابات الرأس، أو الأطام المكسورة بسرعة. المشكلة؟ الحصول على بيانات حقيقية أمر صعب للغاية. لا يمكنك ببساء الخروج وتصوير آلاف الأشخاص وهم يصابون؛ فهذا أمر خطير، ومكلف، ومعقد أخلاقيًا. لذا، كان لديهم مجموعة بيانات صغيرة تضم 362 صورة فقط، تضم 211 شخصًا مختلفًا (أو دمى تم تصميمها لتبدو مصابة).

لاختبار نظرياتهم، قاموا بتقسيم هذه المجموعة الصغيرة من الأشخاص إلى مجموعات تدريب واختبار. ثم حاولوا "تغذية" الروبوت بمزيد من البيانات باستخدام طرق مختلفة. أولاً، جربوا النهج "غير التوليدي" (Non-Generative)، وهو باختصار أخذ الصور الحقيقية القليلة التي لديهم والقيام بأشياء مثل قلبها رأساً على عقب، أو تغيير سطوعها، أو إضافة بعض الضجيج الرقمي. هذا يشبه أخذ صورة واحدة للعبة مكسورة وإظهارها للروبوت من كل الزوايا الممكنة.

بعد ذلك، جربوا النهج "التوليدي" (Generative). وهنا يأتي دور فناني الذكاء الاصطناعي. استخدموا أدوات قوية مثل StyleGAN و Stable Diffusion و DreamBooth.

• نمذجة التوزيع (Distribution Modeling): تخيل أن الذكاء الاصطناعي ينظر إلى جميع صور الإصابات الحقيقية ويحاول فهم "متوسط" الإصابة. ثم يحاول رسم واحدة جديدة تمامًا من الصفر. وجد الباحثون أن هذه الأنواع من الذكاء الاصطناعي غالبًا ما تتعثر. فنموذج StyleGAN كان أحيانًا يحفظ الصور الأصلية ويبصقها مرة أخرى (أو نسخًا قريبة جدًا منها)، وهو ما يشبه طالبًا يحفظ نموذج الإجابة بدلًا من تعلم الرياضيات. أما Stable Diffusion فقد رسم صورًا جديدة، لكنها كانت تبدو غريبة ونظيفة بشكل غير طبيعي أو بها أخطاء تشريحية، مثل ساق متصلة بالجانب الخطأ من الجسم.
• اضطراب العينة (Sample Perturbation): هذا يشبه أخذ صورة حقيقية وطلب من الذكاء الاصطناعي "جعلها مختلفة قليلاً". ربما تغيير الخلفية أو الإضاءة. نجحت هذه الطريقة بشكل أفضل قليلاً من الرسم من الصفر، لكن التغييرات كانت غالبًا صغيرة جدًا بحيث لا تكون مفيدة حقًا.

كما جربوا ذكاءً اصطناعيًا ضخمًا ومدرّبًا مسبقًا (GPT) لم يرَ بياناتهم المحددة على الإطلاق، وسألوه فقط أن "يرسم جرحًا نازفًا". وبينما بدت هذه الصور واقعية جدًا، إلا أنها كانت "مثالية" أكثر من اللازم. كانت بمثابة أمثلة "نموذجية" للإصابات — واضحة، ونظيفة، وسهلة الرصد. ومع ذلك، فإن الإصابات الحقيقية فوضوية؛ فهي مغطاة بالأوساخ، أو مخفية بالظلال، أو محجوبة بالملابس. الإصابات "المثالية" التي صنعها الذكاء الاصطناعي لم تُعلم الروبوت كيفية التعامل مع الواقع الفوضوي.

فخ "السهولة المفرطة"

من أكثر الاكتشافات إثارة للاهتمام هو ما أسماه الباحثون "فخ السهولة المفرطة" (Too Easy trap). عندما اختبروا الروبوت على الصور الوهمية، كان يصيب في معظم الأحيان. ولكن عندما اختبروه على الصور الحقيقية، كان يعاني. لماذا؟ لأن الصور الوهمية كانت في الأساس نسخًا "مبسطة" من الحقيقة. لقد كانت النسخ "النموذجية" أو المثالية للإصابة.

فكر في الأمر مثل تعلم القيادة. إذا تدربت فقط في جهاز محاكاة للقيادة يتميز بطقس مثالي، ولا توجد فيه سيارات أخرى، وطرق مستقيمة تمامًا، فقد تصبح خبيرًا في هذا المحاكي. ولكن في اللحظة التي تخرج فيها إلى مدينة حقيقية بها أمطار، وحركة مرور، وحفر في الطريق، قد تصطدم. كانت صور الذكاء الاصطناعي هي المحاكي المثالي؛ والبيانات الحقيقية هي المدينة الفوضوية. تعلم الروبوت التعرف على المحاكي المثالي، لكنه لم يتعلم كيفية التعامل مع الفوضى.

نظر الباحثون أيضًا في "فضاء السمات" (feature space)، وهو طريقة تقنية لوصف "الخريطة التي يراها الروبوت". ووجدوا أن الصور الحقيقية كانت منتشرة في كل مكان على الخريطة، لتمثل جميع التباينات الفوضوية للواقع. أما الصور الوهمية، فقد كانت تميل إلى التجمع في المنتصف، في "المنطقة الآمنة" حيث تكون الأمور سهلة الفهم. لم تدفع الروبوت لاستكشاف الحواف الصعبة والفوضوية للخريطة حيث توجد التحديات الحقيقية.

ماذا عن المجالات الأخرى؟

للتأكد من أن هذا لم يكن مجرد صدفة خاصة بالإصابات الطبية، جرب الباحثون نفس التجربة على مجموعة بيانات مختلفة: صور لحامات الروبوت. أرادوا معرفة ما إذا كان بإمكان الروبوت التمييز بين اللحام "الجيد" واللحام "السيئ". وعلى الرغم من أن مجموعة البيانات هذه كانت أكبر بكثير (أكثر من 4000 صورة)، إلا أن النتيجة كانت هي نفسها. لم تساعد الصور المولدة بالذكاء الاصطناعي المتطور الروبوت على الأداء بشكل أفضل من الطريقة البسيطة المتمثلة في مجرد خلط الصور الحقيقية حول بعضها البعض. وهذا يشير إلى أن المشكلة لا تكمن فقط في قلة البيانات، بل في نوع البيانات التي يصنعها الذكاء الاصطناعي.

الخلاصة

إذن، ما هي الفائدة التي يجنيها مراهق فضولي من هذا؟ تشير الورقة البحثية إلى أنه بينما يمكن للذكاء الاصطناعي رسم صور جميلة وواقعية، إلا أنه لم يتقن بعد كيفية إنشاء "نوع التدريب الصحيح" للروبوتات التي تتعلم في مواقف حقيقية فوضوية. في الواقع، وجدت الدراسة أن الطريقة القديمة والبسيطة المتمثلة في تعديل الصور الحقيقية (مثل تغيير السطوع أو قلب الصورة) كانت غالبًا بنفس جودة مولدات الذكاء الاصطناعي المتطورة أو حتى أفضل منها.

الباحثون لا يقولون إن توليد الصور بالذكاء الاصطناعي عديم الفائدة للأبد. هم يقولون إنه في الوقت الحالي، وفي هذه المواقف المحددة وعالية الخطورة والفوضوية، يميل الذكاء الاصطناعي إلى إنشاء أمثلة "مثالية للغاية" لا تعلم الروبوت كيفية التعامل مع فوضى العالم الحقيقي. وحتى يتمكن الذكاء الاصطناعي من إنشاء صور فوضوية، ومربكة، ومتنوعة مثل الواقع تمامًا، فقد يظل المعلم الأفضل هو تلك الأمثلة الحقيقية القليلة وغير المثالية التي نمتلكها بالفعل. إنه تذكير بأنه أحيانًا، الأداة الأكثر قوة ليست هي التي تخلق أكبر قدر من الأشياء الجديدة، بل هي التي تساعدنا على فهم الأشياء التي نمتلكها بالفعل بشكل أفضل قليلاً.