SIGMA: SHAP-Guided Implicit-Trajectory Generation for Metadata-Free LLM-Based AutoFE

في عالم علم البيانات، غالباً ما تُعطى الحواسيب جداول بيانات ضخمة مليئة بالأرقام لحل المشكلات، بدءاً من التنبؤ بالتخلف عن سداد القروض وصولاً إلى تشخيص الأمراض. ومع ذلك، نادراً ما تكون هذه الأرقام الخام كافية بمفردها. فمن أجل الحصول على أفضل النتائج، يجب على الخبراء القيام بعملية تسمى "هندسة الميزات المؤتمتة"، والتي تتضمن إنشاء أعمدة بيانات جديدة وأكثر ذكاءً عبر دمج أو تحويل الأعمدة الموجودة. تخيل طاهياً لا يكتفي فقط باستخدام المكونات الموجودة في خزانة المؤن، بل يبتكر تركيبات نكهات جديدة لجعل الطبق يبدو ألذ طعماً. لعقود من الزمن، حاولت الحواسيب القيام بذلك عبر خلط ومطابقة الأرقام بشكل عشوائي، لكن هذا النهج كان بطيئاً وغالباً ما ينتج نتائج مربكة. مؤخراً، بدأ العلماء في استخدام النماذج اللغوية الكبيرة — وهي أنظمة ذكاء اصطناعي قوية يمكنها التفكير والتعلم من السياق — لتعمل كطهاة مبدعين. كان يُعتقد أن هذه الأنظمة هي المفتاح لفتح آفاق تنبؤات أفضل، لكنها واجهت عقبة رئيسية: فهي عادة ما تحتاج إلى أوصاف تفصيلية لما يعنيه كل رقم لكي تعمل بشكل صحيح. وفي العالم الحقيقي، غالباً ما تفتقر البيانات لمثل هذه الأوصاف بسبب قواعد الخصوصية أو ببساطة لأن البيانات تأتي من مستشعرات لا تتحدث لغة البشر. علاوة على ذلك، عندما حاولت هذه الأنظمة التعلم من محاولاتها السابقة لتحسين البيانات، نمت قائمة تاريخها لتصبح طويلة جداً لدرجة أنها أرهقت ذاكرة الحاسوب، مما تسبب في وقوع النظام في حلقة مفرغة من تكرار نفس الأخطاء.

لقما فريق من الباحثين في جامعة يوكوهاما الوطنية بتطوير طريقة جديدة تسمى "SIGMA" لحل هذه المشكلات، مما يسمح للذكاء الاصطناعي بهندسة بيانات أفضل دون الحاجة إلى أي أوصاف لما تمثله الأرقام. وبدلاً من الاعتماد على اللغة البشرية لفهم البيانات، يستخدم SIGMA أداة رياضية تسمى "SHAP" لقياس مدى أهمية كل قطعة من المعلومات للتنبؤ النهائي. فكر في هذه الأداة ككشاف ضوئي يسلط الضوء على الأرقام الأكثر أهمية ويخفت الأرقام الأقل فائدة، مما يعطي الذكاء الاصطناعي شعوراً واضحاً بالاتجاه دون الحاجة لمعرفة مسميات تلك الأرقام. بعد ذلك، قام الباحثون بتجميع هذه الأرقام في ثلاث فئات: الأكثر أهمية، والمتوسطة الفائدة، والضعيفة. وطلبوا من الذكاء الاصطناعي إنشاء أعمدة بيانات جديدة عبر خلط الأرقام داخل هذه المجموعات أو الربط بين الأرقام القوية والضعيفة، مما علم النظام فعلياً التركيز على إبداعه حيث تكمن الأهمية.

إن الابتكار الأبرز في هذا العمل هو تقنية يطلق عليها الباحثون اسم "المسار الضمني للميزة المكشوفة" (exposed-feature implicit trajectory). في المحاولات السابقة، كانت أنظمة الذكاء الاصطناعي تحتفظ بقائمة مكتوبة لكل ميزة قامت بإنشائها لتجنب التكرار، لكن هذه القائمة سرعان ما تصبح طويلة جداً بحيث لا تتسع لها ذاكرة الحاسوب. يتخذ SIGMA نهجاً مختلفاً؛ فبدلاً من كتابة سجل تاريخي، يقوم ببساطة بإخفاء الميزات التي تم استخدامها بالفعل عن رؤية الذكاء الاصطناعي لفترة وجيزة. إذا حاول الذكاء الاصطناعي إنشاء ميزة باستخدام رقم مخفي حالياً، فإنه يُجبر على البحث في مكان آخر. هذا الفعل البسيط من الإخفاء والإظهار يعمل كمرشد صامت، يوجه الذكاء الاصطناعي بعيداً عن تكرار نفسه دون الحاجة أبداً لتخزين سجل تاريخ طويل. وهذا يسمح للنظام بالعمل لفترات أطول بكثير، وتطوير عمله عبر خطوات عديدة، دون أن يتعثر بحدود الذاكرة أو يعلق في دورة من توليد نفس الميزات غير المفيدة مراراً وتكراراً.

النتائج التي حققها هذا النهج الجديد مذهلة. فعند اختباره على ستة عشر مجموعة بيانات مختلفة من العالم الحقيقي، قدم SIGMA أداءً يضاهي أفضل أساليب الذكاء الاصطناعي الحالية التي تعتمد على أوصاف تفصيلية، مما أثبت أن النظام لا يحتاج إلى تسميات بشرية ليكون فعالاً. والأهم من ذلك، أنه حل مشكلة التكرار؛ ففي الأنظمة السابقة، كانت ما يقرب من سبعة وثلاثين بالمائة من الميزات المولدة عبارة عن مكررات، مما أضاع قدرة حوسبية قيمة. أما مع طريقة SIGMA في إخفاء الميزات المستخدمة، فقد انخفض معدل التكرار هذا بشكل كبير إلى أقل من سبعة بالمائة. كما أثبت النظام كفاءة مذهلة؛ فبينما تولد الطرق التقليدية غالباً مئات الميزات الجديدة للعثور على القليل منها الجيد، حقق SIGMA أداءً رفيع المستوى باستخدام متوسط خمس ميزات جديدة فقط لكل مجموعة بيانات. وهذا يعني أن النظام يجد التحسينات الأكثر قيمة بسرعة، تاركاً بقية البيانات نظيفة وسهلة الإدارة.

اكتشف الباحثون أيضاً أن هذه الطريقة تسمح للذكاء الاصطناعي ببناء هياكل بيانات معقدة متعددة الطبقات كانت بعيدة المنال سابقاً. ففي بعض الاختبارات، نجح النظام في دمج الميزات في سلسلة، حيث استخدم مخرجات خطوة ما كمدخل للخطوة التالية، مما خلق شبكة عميقة من العلاقات التي حسنت التنبؤات بشكل كبير. سمحت هذه القدرة لـ SIGMA بالتفوق على الأساليب القديمة غير القائمة على الذكاء الاصطناعي والتي تعتمد على قواعد محددة مسبقاً. وتؤكد الدراسة أنه من خلال استبدال الحاجة إلى اللغة البشرية بإشارات الأهمية الرياضية واستخدام نظام ذكي للإخفاء والإظهار، يمكن للذكاء الاصطناعي أن يصبح أداة أكثر قوة وعملية لتحسين تحليل البيانات، حتى في الحالات التي لا تتوفر فيها أي أوصاف بشرية.