Self-Supervised Visual On-Policy Distillation

تخيل أنك تعلم روبوتاً كيف يرى العالم. لفترة طويلة، اعتقد العلماء أن الطريقة الوحيدة لجعل الروبوت أكثر ذكاءً هي إعطاؤه "معلماً خارقاً" — دماغاً أكبر وأكثر قوة يعرف بالفعل كل الإجابات. هذا يشبه طالباً يحاول تعلم الرياضيات من خلال النظر فقط إلى الواجبات المنزلية المكتملة للمعلم. ولكن ماذا لو لم يكن لديك معلم خارق؟ ماذا لو لم يكن لديك سوى الروبوت نفسه؟ هذا هو السؤال الكبير في عالم الذكاء الاصطناعي، وتحديداً في مجال يسمى "التقطير البصري في الوقت الفعلي" (Visual On-Policy Distillation). وهي طريقة معقدة لقول: "كيف يمكن للنموذج أن يتعلم من أخطائه دون الحاجة إلى إنسان أو حاسوب خارق ليخبره بما هو صحيح؟" عادةً، لجعل هذا الأمر يعمل، كان على الباحثين استخدام معلومات مميزة (مثل مفتاح الإجابة الصحيحة) لم يكن الطالب يمتلكها. لكن هذه الورقة البحثية تطرح سؤالاً عبقرياً: هل يمكننا خلق نفس سحر التعلم هذا دون أي معلومات مميزة؟

يقول مؤلفو هذه الورقة، وهم فريق من جامعات مثل جامعة كاليفورنيا في سان دييغو وأكسفورد، نعم. لقد قدموا خدعة ذكية تسمى التقطير البصري ذاتي الإشراف في الوقت الفعلي (S2VOPD). فبدلاً من إعطاء المعلم المزيد من المعلومات، هم يأخذون المعلومات من الطالب. تخيل لعبة "الهاتف المكسور" (Telephone) التي تُلعب بالصور. يرى المعلم صورة عالية الدقة وواضحة جداً لقطة. أما الطالب، فيُجبر على رؤية نفس الصورة من خلال نافذة ضبابية أو مشوشة أو منقطة. ثم يقول المعلم: "أنا أرى قطة". وعلى الطالب، وهو يحدق عبر الضباب، أن يخمن: "هل هي قطة؟" ثم يستمع إلى تصحيح المعلم. ولأن الطالب يبذل جهداً أكبر لرؤية نفس الشيء الذي يراه المعلم بوضوح، فإنه يتعلم بشكل أسرع بكثير. وجدت الورقة أن طريقة "النافذة الضبابية" هذه فعالة للغاية لدرجة أن نموذجاً صغيراً يحتوي على 4 مليارات بارامتر (معلمة)، تم تدريبه بهذه الطريقة، يمكنه التفوق على نماذج ضخمة تحتوي على 235 مليار بارامتر، بل ويتفوق حتى على بعض أشهر نماذج الذكاء الاصطناعي المملوكة مثل GPT-5.4.

سحر النافذة الضبابية

دعونا نتعمق في كيفية عمل ذلك. في الأيام الخوالي، إذا كنت تريد من ذكاء اصطناعي "طالب" أن يتعلم من ذكاء اصطناعي "معلم"، كان على المعلم أن يكون نسخة "بطل خارق" من الطالب، أو كان يجب إعطاؤه ورقة غش (مثل الإجابة الحقيقية) لا يُسمح للطالب برؤيتها. هذه الورقة تقلب هذا السيناريو. لقد أدركوا أن السر ليس في قدرات المعلم الخارقة، بل في الفجوة بين ما يراه المعلم وما يراه الطالب.

فكر في الأمر كمدرب يدرب مبتدئاً.

• الطريقة القديمة: المحقق (المعلم) لديه مجهر عالي التقنية وقائمة بالمشتبه بهم. وعلى المبتدئ (الطالب) أن يخمن. المعلم يعطي الإجابة.
• طريقة S2VOPD: المحقق والمبتدئ ينظران إلى نفس صورة مسرح الجريمة. لكن المبتدئ يرتدي نظارات شمسية بها خدوش بسيطة، أو أن الصورة تُعرض على شاشة صغيرة ومنخفضة الدقة. المحقق يرى الصورة كاملة بوضوح. وعلى المبتدئ أن يحدق ويخمن ما يراه. وعندما يرتكب المبتدئ خطأً، يقول المحقق: "لا، انظر بتمعن، هذه قطة وليست كلباً".

تسمي الورقة هذا "عكس عدم التماثل". فبدلاً من إضافة قدرات خارقة للمعلم، هم يطرحون الوضوح من الطالب. هذا يخلق إشارة تعلم طبيعية. يُجبر الطالب على تعلم كيفية استعادة التفاصيل المفقودة من رؤية المعلم الواضحة. والأفضل من ذلك؟ هم لا يحتاجون إلى تسميات بشرية، أو مفاتيح إجابة، أو مكافآت لجعل هذا يحدث. "الضباب" نفسه هو المعلم.

منطقة "غولدي لوكس" المثالية (المنطقة الوسطى)

لم يكتفِ الباحثون بالتخمين بأن أي نوع من الضبابية سيعمل. لقد أجروا تجربة ضخمة، واختبروا طرقاً مختلفة لـ "إضعاف" رؤية الطالب. لقد تعاملوا مع صورة الطالب كمشروع تحرير صور، وجربوا أربعة أنواع رئيسية من التغييرات:

1. تقليل المعلومات: جعل الصورة أصغر، أو أكثر ضبابية، أو إضافة ضجيج (مثل التلفاز القديم).
2. الهندسي: تدوير الصورة أو قص أجزاء منها.
3. الضوئي: تغيير الألوان، السطوع، أو التباين.
4. الانسداد (Occlusion): تغطية أجزاء من الصورة بصناديق سوداء أو رقع عشوائية.

وقد وجدوا "نقطة مثالية" محددة جداً.

• ضبابية قليلة جداً؟ لن يتعلم الطالب أي شيء جديد لأن الصورة تكاد تكون مطابقة لصورة المعلم.
• ضبابية كثيرة جداً؟ لن يستطيع الطالب رؤية أي شيء على الإطلاق. إذا قمت بقص الصورة لدرجة أن وجه القطة اختفى، فلا يمكن للطالب أن يخمن "قطة"، حتى لو أخبره المعلم بذلك. إشارة التعلم تنكسر لأن السؤال يصبح غير قابل للإجابة.
• مثالية تماماً؟ وجدت الورقة أن تصغير الصورة إلى ما بين 0.3 و 0.6 مرة من حجمها الأصلي، وإضافة القليل من "الضجيج" العشوائي (مثل الضجيج الغاوسي)، كان الوصفة المثالية. هذا المزيج المحدد من "التصغير" و"الضجيج" خلق الفجوة الأكثر فعالية للتعلم.

النتائج: نموذج صغير، عقل كبير

كانت النتائج قوية بشكل مفاجئ. اختبر الفريق طريقتهم على نموذج يسمى Qwen3.5-4B (الذي يمتلك 4 مليارات "خلية دماغية"، أو بارامتر).

• قبل التدريب: حصل النموذج على حوالي 70.7% من الإجابات الصحيحة في مجموعة من الألغاز البصرية الصعبة.
• بعد تدريب S2VOPD: قفزت النتيجة إلى 77.4%.

قد لا يبدو هذا قفزة ضخمة، ولكن في عالم الذكاء الاصطناعي، هي قفزة هائلة. هذا النموذج الصغير (4 مليارات بارامتر)، الذي تم تدريبه دون أي أوراق غش سرية، انتهى به الأمر ليتفوق على:

• Qwen3-VL-Instruct-235B: وهو نموذج ضخم يحتوي على 235 مليار بارامتر (أكبر بـ 50 مرة!).
• GPT-5.4: أحد أكثر نماذج الذكاء الاصطناعي التجارية تقدماً المتاحة حالياً.

والأمر الأكثر إثارة للإعجاب هو أن هذه الطريقة لم تجعل النموذج أفضل في رؤية الصور فحسب؛ بل حسنت أيضاً مهاراته في الاستنتاج الرياضي. فالطرق الأخرى التي استخدمت "أوراق الغش" (المعلومات المميزة) كانت غالباً ما تصبح أفضل في رؤية الصور ولكنها تصبح في الواقع أسوأ في الرياضيات. نجحت S2VOPD في تعزيز كلا المهارتين في وقت واحد.

لماذا هذا مهم؟

تشير الورقة إلى أننا لا نحتاج دائماً إلى نماذج أكبر وأكثر تكلفة أو تسميات بشرية لا حصر لها لجعل الذكاء الاصطناعي أكثر ذكاءً. نحن فقط بحاجة إلى أن نكون أذكياء في كيفية تقديم المعلومات. من خلال خلق "صراع" للطالب — إجباره على النظر إلى نسخة متدهورة من العالم بينما يرى المعلم الحقيقة — يمكننا فتح إشارة تعلم قوية ومجانية.

يلاحظ المؤلفون بعناية أن هذا ليس عصا سحرية لكل المشكلات. فقد وجدوا أنه إذا كان "التدهور" عنيفاً جداً (مثل قص الإجابة تماماً)، فإن الطريقة تفشل. ولكن عندما يتم ضبطها بشكل صحيح، فإن هذا النهج "ذاتي الإشراف" يستعيد 96% من التحسن الذي تحققه الطرق التي تستخدم المعلومات المميزة، ولكن دون الحاجة إلى أي من تلك البيانات الإضافية التي يصعب الحصول عليها.

باختصار، تثبت S2VOPD أنه في بعض الأحيان، لكي تتعلم أكثر، لا تحتاج إلى معلم خارق يمتلك كل الإجابات. أنت فقط بحاجة إلى طالب يُجبر على النظر بتمعن أكبر إلى العالم، مع وجود دليل ذو رؤية واضحة يقف بجانبه مباشرة.