A Critical Synthesis of Uncertainty Quantification and Foundation Models for Semantic Segmentation
تقدم هذه الورقة أول تقييم منهجي لأربع طرق لتقدير عدم اليقين مدمجة مع نموذج تأسيسي للتجزئة الدلالية، مما يكشف عن مقايضات حرجة بين الأداء التنبؤي، والموثوقية، والتكلفة الحسابية عبر إعدادات النطاق الداخلي والنطاق الخارجي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الذكاء الاصط�طناعي، تبرز فئة متنامية من الأنظمة تُعرف باسم "النماذج التأسيسية". هذه النماذج عبارة عن أدمغة رقمية ضخمة تم تدريبها على مجموعات هائلة من الصور من الإنترنت، حيث تعلمت التعرف على الأنماط بمرونة لم تمتلكها البرامج الحاسوبية القديمة قط. يمكن لهذه النماذج النظر إلى صورة وتحديد الأشياء، من قطة على أريكة إلى سيارة في شارع، بدقة مذهلة. وتسمى هذه القدرة على تخصيص تسمية لكل بكسل في الصورة بـ "التجزئة الدلالية"، وهي المحرك البصري وراء تقنيات مثل السيارات ذاتية القيادة وبرمجيات التصوير الطبي. ومع ذلك، غالبًا ما يصاحب هذه القوة عيب خطير: فهذه الأنظمة غالبًا ما تكون مفرطة في الثقة. فهي ستعلن عن إجابة بيقين مطلق حتى عندما تكون الصورة ضبابية، أو الإضاءة غريبة، أو عندما يكون الشيء الذي تراه شيئًا لم تره من قبل. وفي المواقف عالية المخاطر، مثل سيارة تسير في طريق ضبابي أو طبيب يراجع صورة إشعاعية، يمكن لهذه الثقة العمياء أن تؤدي إلى أخطاء كارثية. ولحل هذه المشكلة، يعمل الباحثون على تطوير طريقة لتعليم هذه النماذج معرفة ما لا تعرفه، وهو مفهوم يُسمى "تقدير عدم اليقين". لا يتعلق الأمر بجعل النموذج يخمن بشكل أقل، بل بمنحه نظام إنذار مدمجًا يشير إلى متى يكون غير متأكد، مما يسمح للإنسان بالتدخل قبل وقوع الخطأ.
لقد اتخذ فريق من الباحثين في معهد كارلسروه للتكنولوجيا في ألمانيا خطوة كبيرة نحو حل هذه المشكلة من خلال اختبار مدى فعالية إنذارات عدم اليقين هذه عند ربطها بواحد من أقوى النماذج التأسيسية المتاحة. لقد ركزوا على نموذج يُدعى SAM2، المشهور بقدرته على فهم الصور، ودمجوه مع وحدة فك تشفير (decoder) بسيطة وخفيفة الوزن لإنشاء نظام قادر على التجزئة الدلالية. كان هدفهم هو معرفة ما إذا كان بإمكانهم جعل هذا النظام القوي ليس دقيقًا فحسب، بل موثوقًا أيضًا. لم يخترعوا نوعًا جديدًا من الذكاء الاصطناعي من الصفر؛ بل أخذوا النموذج التأسيسي الموجود والمُدرب مسبقًا وقاموا بضبطه بدقة، تمامًا مثل موسيقي يأخذ آلة ماهرة ويقوم بضبط أوتارها ليعزف مقطوعة معينة ببراعة. ثم اختبروا أربع طرق مختلفة لإضافة الوعي بعدم اليقين إلى هذا النظام. تضمنت إحدى الطرق مطالبة النموذج بالنظر إلى نفس الصورة عدة مرات مع تغييرات عشوائية طفيفة لمعرفة ما إذا كانت إجابته ستتغير. واستخدمت طريقة أخرى مجموعة من النسخ المختلفة قليلاً من النموذج تعمل معًا للتصويت على الإجابة. أما الطريقة الثالثة فقد طلبت من النموذج حساب مقدار الأدلة التي يمتلكها لكل إجابة محتملة بشكل صريح، بينما عرضت الطريقة الرابعة نسخًا متعددة ومعدلة من نفس الصورة بالتتابع أثناء عملية الاستنتاج لمعرفة مدى اتساق تنبؤاتها.
وضع الباحثون هذه الأنظمة تحت الاختبار باستخدام مجموعتين مختلفتين تمامًا من الصور. أظهرت المجموعة الأولى مشاهد شوارع واض خلال النهار مشمسة في مدينة، مما يمثل بيئة قياسية ومنضبطة. وأظهرت المجموعة الثانية غرفًا داخلية، والتي غالبًا ما تكون مزدحمة ومعقدة. ولاختبار حدود هذه الأنظمة حقًا، عرضوا عليها أيضًا صورًا لنفس تلك الشوارع مغطاة بأمطار غزيرة أو ضباب كثيف، وهي ظروف لم يرها النماذج أثناء تدريبها. سمح هذا للفريق بقياس مدى أداء النماذج ليس فقط في الأراضي المألوفة، بل أيضًا في كيفية تعاملها مع الأمور غير المتوقعة. وكشفت النتتائج عن مقايضة واضحة وصعبة. فالنظام بدون أي ميزات إضافية لعدم اليقين كان الأسرع وأنتج خرائط دقيقة للشوارع، لكنه كان غالبًا مفرط الثقة وفشل في التحذير عندما يكون مخطئًا. وعندما أضاف الباحثون ميزات عدم اليقين، أصبحت النماذج أفضل بكثير في معرفة متى تكون غير متأكدة، ولكن هذا جاء على حساب آخر. فالطرق التي قدمت أفضل التحذيرات بشأن عدم اليقين كانت أبطأ بكثير، حيث استغرقت وقتًا أطول لمعالجة كل صورة. واستخدم أحد الأساليب، الذي اعتمد على تصويت مجموعة من النماذج معًا، أعلى جودة من التحذيرات ولكنه تطلب حوالي خمسة أضعاف وقت الحوسبة للنظام الأساسي على مجموعات البيانات القياسية. أما الطريقة الأخرى، التي حاولت حساب الأدلة مباشرة، فقد كانت سريعة ولكن أداؤها كان ضعيفًا، حيث فشلت غالبًا في التعرف على أخطائها.
ولعل الاكتشاف الأكثر أهمية هو أنه لا يوجد حل مثالي واحد. فالطريقة التي نجحت بشكل أفضل للشوارع الممطرة كانت مختلفة عن الطريقة التي نجحت بشكل أفضل للغرف الداخلية. ففي الظروف الممطرة، أدت طريقة أظهرت للنموذج نسخًا متعددة من الصورة بالتتابع إلى تحسين المعايرة وجودة عدم اليقين، رغم أن نهجًا آخر باستخدام العينات العشوائية حقق دقة تجزئة أعلى قليلاً. ومع ذلك، في الظروف الضبابية، كان النهج المختلف الذي استخدم مجموعة من النماذج متفوقًا بمراحل في تحديد المناطق الأكثر عدم يقينًا. أثبتت الدراسة أنه بينما يمكن جعل هذه النماذج التأسيسية القوية موثوقة، فإن القيام بذلك يتطلب خيارات دقيقة بناءً على الموقف المحدد. فإذا كانت السرعة هي العامل الأكثر أهمية، كما هو الحال في بث فيديو في الوقت الفعلي، وجد الباحثون أن النموذج الأبسط والأسرع قد يظل هو الخيار الأفضل، حتى لو كان أقل موثوقية. أما إذا كانت السلامة هي الأولوية القصوى، مثل التشخيص الطبي، فإن الطرق الأبطأ والأكثر قوة والتي توفر تحذيرات أفضل هي الضرورية، رغم التأخير. ويؤكد هذا العمل أن الدقة العالية لا تعني تلقائيًا الموثوقية العالية، وأن بناء ذكاء اصطناعي جدير بالثقة للعالم الحقيقي يتطلب موازنة الحاجة إلى السرعة مقابل الحاجة إلى الحذر. وخلص الباحثون إلى أنه بينما أصبحت النماذج التأسيسية جاهزة للاستخدام، فإن الأدوات التي تجعلها آمنة وواعية بذاتها لا تزال قيد التطوير، وأن مستقبل هذه التكنولوجيا يعتمد على إيجاد التوازن الصحيح لكل مهمة محددة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.