Neuro-symbolic learning over OWL 2 DL via consequence-based compilation to differentiable circuits

في المشهد الواسع للذكاء الاصطناعي، تنافس تقليدان متميزان منذ فترة طويلة لجعل الآلات تفهم العالم. أحد التقليدين، المعروف بالتعلم العميق، يتفوق في التعرف على الأنماط في البيانات الخام، مثل تحديد قطة في صورة فوتوغرافية أو قراءة رقم مكتوب بخط اليد. إنه يتعلم من خلال ضبط ملايين المفاتيح الداخلية حتى يحصل على الإجابة الصحيحة، لكنه يفعل ذلك دون فهم واضح للقواعد التي تحكم العالم. أما التقليد الآخر، المتجذر في المنطق وتمثيل المعرفة، فيبني أنظمة تستنتج باستخدام قواعد صارمة، مثل موسوعة رقمية تعرف أن "البودل" هو نوع من "الكلاب" وأن "الكلاب" هي "ثدييات". هذا النظام دقيق وموثوق، ولكنه غالباً ما يواجه صعوبة في الاتصال بالواقع الفوضوي وغير المنظم للصور والأصوات. لسنوات، حاول الباحثون دمج هذين النهجين، لإنشاء أنظمة "عصبية-رمزية" يمكنها الرؤية والاستنتاج معاً. لقد كان التحدي يكمن في أن أكثر اللغات المنطقية قوة المستخدمة لوصف المعرفة المعقدة يصعب للغاية ترجمتها إلى اللغة الرياضية التي تستخدمها الشبكات العصبية للتعلم.

قام فريق من الباحثين في جامعة الملك عبد الله للعلوم والتقنية بتطوير طريقة جديدة تسمى "Baobab" نجحت في جسر هذه الفجوة لنوع محدد وعالي التعقيد من الأنظمة المنطقية. لقد أنشأوا مترجماً (compiler) يأخذ وصفاً منطقياً مفصلاً لعالم ما — مكتملاً بالقواعد حول كيفية ارتباط الأشياء ببعضها، وعدد الأشياء التي يمكن أن توجد، وكيفية تداخل الفئات — ويترجمه إلى بنية يمكن للشبكة العصبية استخدامها للتعلم. وعلى عكس المحاولات السابقة التي إما بسطت القواعد المنطقية كثيراً أو تخلت عنها تماماً، فإن هذه الطريقة تحافظ على التعقيد الكامل للقواعد الأصلية. اختبر الباحثون نظامهم من خلال مطالبة شبكة عصبية بالنظر إلى صور لأرقام مكتوبة بخط اليد واستنتاج ليس فقط الأرقام، بل أيضاً الخصائص المنطقية الخفية مثل ما إذا كان الرقم أولياً أو زوجياً، بناءً فقط على مجموعة من القواعد المنطقية المقدمة للآلة. تعلم النظام تحديد هذه المفاهيم الخفية بدقة عالية، حتى عندما لم توفر الصور نفسها أي أدلة مباشرة عنها.

يكمن جوهر هذا الإنجاز في كيفية تعامل الباحثين مع عملية الترجمة. لقد أخذوا قاعدة معرفية منطقية، وهي في الأساس مجموعة من العبارات حول كيفية ارتباط المفاهيم ببعضها البعض، وقاموا بتجميعها في نوع معين من مخططات الدوائر (circuit diagrams). يعمل هذا المخطط كمرشح (filter)، يتحقق مما إذا كانت تنبؤات الشبكة العصبية منطقية وفقاً للقواعد المنطقية. إذا تنبأت الشبكة بأن الرقم زوجي وأولي في آن واحد (وهو ما ينطبق فقط على الرقم اثنين)، فإن الدائرة تسمح بذلك. وإذا تنبأت بأنه زوجي وفردي في آن واحد، فإن الدائرة ترفض هذا الاحتمال. ومن خلال تشغيل هذا التحقق ملايين المرات، يمكن للنظام توجيه الشبكة العصبية لتعلم العلاقات المنطقية الصحيحة، حتى عندما لا توضح الصور التي تراها تلك العلاقات بشكل صريح. وقد أثبت الباحثون أن هذه الترجمة سليمة رياضياً، مما يعني أن الدائرة تعكس بدقة القواعد المنطقية الأصلية دون فقدان أي معلومات أو إدخال أي أخطاء.

تتعلق إحدى أهم النتائج التي توصلت إليها الدراسة بمشكلة شائعة في هذه الأنظمة الهجينة تُعرف باسم "اختصار الاستنتاج" (reasoning shortcut). فعندما تُعطى الآلة مهمة ذات إجابات صحيحة متعددة، فإنها غالباً ما تجد طريقة لحل المشكلة عبر اختيار إجابة واحدة فقط وتجاهل الإجابات الأخرى، متجاوزة بذلك النظام المنطقي فعلياً. على سبيل المثال، إذا كانت القاعدة تسمح بعدة تكوينات مختلفة لمشهد ما، فقد تلتزم شبكة عصبية قياسية بتكوين واحد وتفشل في التعرف على وجود تكوينات صالحة أخرى. اكتشف الباحثون أن طريقتهم الجديدة، عند دمجها مع تقنية محددة لتزويد الشبكة بجميع التكوينات الصالحة الممكنة، يمكنها التغلب على هذا الاختصار. فبدلاً من الانهيار نحو إجابة واحدة قد تكون خاطئة، تعلم النظام الحفاظ على توزيع احتمالي لجميع الاحتمالات الصحيحة، محققاً مستوى من الدقة لم تصل إليه أي طريقة سابقة لهذا النوع من المنطق المعقد.

استعرض الفريق قوة نهجهم باستخدام مجموعتي بيانات متميزتين. في تجربة واحدة، استخدموا صوراً لأرقام مكتوبة بخط اليد من مجموعة بيانات MNIST. وضعوا نظاماً منطقياً حيث ترتبط الأرقام في سلسلة، بحيث إذا تبع رقم آخر، يجب أن تتحقق علاقة معينة. عُرضت أزواج من الصور على الشبكة العصبية ولكن لم يتم إخبارها بالأرقام الفعلية. بدلاً من ذلك، أُعطيت بعض الأدلة المنطقية، مثل معرفة أن أحد الأرقام زوجي والآخر أولي. ومن خلال الدائرة المنطقية، تعلمت الشبكة استنتاج الهوية الدقيقة للأرقام بدقة تقارب الكمال، مرتفعة من معدل تخمين عشوائي قدره 25 بالمائة إلى 99 بالمائة. وفي تجربة ثانية، طبقوا نفس الطريقة على مجموعة بيانات لصور بيتزا اصطناعية. تعلم النظام تحديد فئات خفية للبيتزا، مثل "نباتية" أو "حارة"، بناءً على مكونات البيتزا المرئية في الصورة والقواعد المنطقية التي تحدد تلك الفئات، متفوقاً مرة أخرى على الأنظمة التي لم تستخدم الدائرة المنطقية.

كما أظهر الباحثون أن طريقتهم تعمل مع النسخة الكاملة والمعقدة من اللغة المنطقية المستخدمة في قواعد البيانات الطبية وقواعد بيانات الويب الدلالي (Semantic Web)، والتي تتضمن ميزات مثل قواعد حول عدد العناصر التي يمكن ربطها وقواعد حول اتجاه العلاقات. كانت المحاولات السابقة لاستخدام الشبكات العصبية مع هذا المستوى من التعقيد تضطر إلى تبسيط القواعد لدرجة أنها تفقد معناها. ومع ذلك، تعامل نظام Baobab مع التعقيد الكامل دون تبسيط. وتحقق الفريق من صحة المترجم الخاص بهم باستخدام نظام إثبات رسمي، وهو فحص رياضي صارم يضمن أن الترجمة من المنطق إلى الدائرة خالية من العيوب. كما قارنوا نظامهم بالطرق الموجودة ووجدوا أن جزءاً كبيراً من القواعد المنطقية المستخدمة في تجاربهم لم يكن بإمكان الطرق القديمة التعامل معه، نظراً لمحدوديتها في التعامل مع أشكال أقل تعبيراً وأبسط من المنطق.

تضمن جزء حاسم من الدراسة معالجة مسألة الإجابات الصالحة المتعددة. ففي العديد من سيناريوهات العالم الحقيقي، لا تكون المعلومات المقدمة كافية لتحديد حل فريد واحد. على سبيل المثال، إذا نصت قاعدة على أن الشخص إما ذكر أو أنثى، ونحن نعلم أنه متزوج من الجنس الآخر، فلا يزال هناك احتمالان صالحان لجنس الزوجين. غالباً ما تفشل الشبكات العصبية القياسية هنا، حيث تختار بشكل تعسفي أحد الاحتمالين وتعامله كالحقيقة الوحيدة. وجد الباحثون أنه باستخدام مزيج من المسارات المنطقية المختلفة، حيث يتوافق كل مسار مع إمكانية صالحة، يمكن لنظامهم تمثيل جميع الإجابات الصحيحة في آن واحد. سمح هذا للنظام بتقديم احتمالية معايرة لكل نتيجة، مما يعكس عدم اليقين الحقيقي في البيانات بدلاً من فرض يقين زائف. وهذه القدرة ضرورية للتطبيقات في مجالات مثل الطب، حيث يكون فهم نطاق التشخيصات الممكنة لا يقل أهمية عن تحديد تشخيص واحد.

سلط عملهم أيضاً الضوء على الحدود العملية لمثل هذه الأنظمة. فبينما تعد الطريقة قوية، إلا أن حجم الدائرة المنطقية ينمو بسرعة مع زيادة تعقيد المشكلة. في اختبار واحد تضمن "أنطولوجيا" (ontology) كاملة لأنواع البيتزا، وجد الباحثون أن تجميع مجموعة القواعد الكاملة في دائرة تطلب ذاكرة أكبر مما هو متاح في جهاز كمبيوتر قياسي، مما اضطرهم لاستخدام مجموعة فرعية مبسطة من القواعد للتدريب النهائي. يشير هذا إلى أنه بينما الطريقة سليمة نظرياً وفعالة للعديد من المشكلات، فإن توسيع نطاقها ليشمل أكبر قواعد المعرفة وأكثرها تعقيداً سيتطلب المزيد من التقدم الهندسي. ومع ذلك، فإن التطبيق الناجح لمجموعة بيانات البيتزا المبسطة ومهمة التعرف على الأرقام يثبت أن النهج قابل للتطبيق وفعال للبيانات الواقعية.

تتجاوز تداعيات هذا البحث مجرد تحسين التعرف على الصور؛ فهي تقدم مساراً لدمج المعرفة الغنية والمهيكلة الموجودة في قواعد البيانات العلمية مباشرة في عملية تعلم الشبكات العصبية. وهذا يعني أن أنظمة الذكاء الاصطناعي المستقبلية يمكنها التعلم من الصور مع الالتزام في الوقت نفسه بالقواعد الصارمة والمحققة للبيولوجيا أو الكيمياء أو الفيزياء. ومن خلال ضمان أن تنبؤات الآلة ستكون دائماً متسقة مع المعرفة العلمية الراسخة، يمكن لهذا النهج أن يؤدي إلى ذكاء اصطناعي أكثر موثوقية، لا سيما في المجالات عالية المخاطر حيث يمكن أن تكون للأخطاء عواقب وخيمة. لقد أتاح الباحثون أكوادهم وأدواتهم للجمهور، داعين الآخرين للبناء على هذا الأساس واستكشاف المدى الذي يمكن أن يصل إليه هذا التكامل بين المنطق والتعلم.

في الختام، تثبت الدراسة أن الفجوة بين التعرف على الأنماط والاستنتاج المنطقي يمكن ردمها دون التضحية بنقاط القوة في أي من النهجين. فمن خلال ترجمة القواعد المنطقية المعقدة إلى تنسيق يمكن للشبكات العصبية معالجته، خلق الباحثون نظاماً لا يتعلم من البيانات فحسب، بل من بنية المعرفة نفسها. إن القدرة على استعادة المفاهيم الخفية، وتجنب اختصارات الاستنتاج، والتعامل مع التعقيد الكامل للغات المنطقية الحديثة، تمثل خطوة هامة نحو بناء آلات تفهم حقاً العالم الذي تراقبها. وتشير النتائج إلى أنه مع توفر الأدوات المناسبة، يمكن للذكاء الاصطناعي أن يتجاوز مجرد التعرف على الأنماط لينتقل إلى الاستنتاج الحقيقي حول العلاقات والقواعد التي تحكمها.