في عالم الذكاء الاصطناعي، هناك توتر مستمر بين القوة والخصوصية. تُدرب البرامج الحاسوبية الضخمة، المعروفة باسم الشبكات العصبية، على كميات هائلة من البيانات لتصبح خبيرة في التعرف على الأنماط، مثل تحديد طائر في صورة أو ضفدع في بركة. ولجعل هذه الأنظمة القوية مفيدة على الأجهزة الصغيرة أو في المجالات الحساسة مثل الرعاية الصحية، يحاول الباحثون غالبًا تعليم شبكة أصغر وأبسط محاكاة سلوك الشبكة الأكبر والأكثر قوة. تُسمى هذه العملية بـ "تقطير المعرفة". وعادةً ما يتطلب ذلك أن ترى الشبكة الأصغر نفس الصور الواقعية التي تعلمت منها الشبكة الكبيرة. ومع ذلك، في حالات كثية، يكون مشاركة تلك الصور الأصلية مستحيلاً بسبب قوانين الخصوصية أو مخاوف أمن البيانات. وقد أدى هذا إلى ظهور مجال يسمى "تقطير المعرفة الخالي من البيانات"، حيث يكون الهدف هو تعليم الشبكة الصغيرة باستخدام معرفة الشبكة الكبيرة فقط، دون رؤية صورة حقيقية واحدة. بدلاً من ذلك، يجب على النظام ابتكار صوره المزيفة الخاصة للتدرب عليها.

يكمن التحدي في جودة هذه الصور المبتكرة. فإذا كانت الصور المزيفة ضبابية للغاية، أو متشابهة جداً فيما بينها، أو تفتقر إلى التفاصيل المهمة، فإن الشبكة الصغيرة ستتعلم دروساً خاطئة. تعالج دراسة حديثة أجراها الباحث كايلين ليو وزملاؤه خللاً محدداً في كيفية إنشاء هذه الصور المزيفة حالياً. فقد اكتشفوا أن البرامج الحاسوبية التي تولد هذه الصور قد طورت عادة سيئة: وهي الاعتماد بشكل مفرط على أنماط محددة وسهلة الإيجاد بدلاً من تعلم الصورة الكاملة. ووجد الباحثون أن هذه البرامج كانت تأخذ اختصارات جوهرية، حيث تركز فقط على أجزاء معينة من بنية الصورة بينما تتجاهل الباقي. ولإصلاح ذلك، طوروا طريقة جديدة لا تنظر إلى الصور كمجرد مجموعة من البكسلات، بل كمزيج من الترددات المختلفة، تماماً كما يتكون الصوت من طبقات حدة مختلفة. ومن خلال إجبار المولد على الانتباه إلى كامل نطاق هذه الترددات، تمكن الفريق من إنشاء نظام ينتج صوراً مزيفة أكثر تنوعاً واستقراراً، مما يسمح للشبكة الصغيرة بالتعلم بشكل أكثر فعالية.

تنبثق المشكلة التي عالجها الباحثون من ظاهرة يسمونها "تعلم الاختصارات". ففي الطرق الحالية المستخدمة لإنشاء بيانات التدريب المزيفة، يميل البرنامج الحاسوبي الذي يولد الصور إلى التشبث بأنماط بصرية مهيمنة ومحددة يجدها "الشبكة المعلمة" سهلة التعرف عليها. على سبيل المثال، إذا كانت الشبكة المعلمة بارعة جداً في التعرف على الطيور والضفادع، فقد يركز المولد بكثافة على الأنماط البصرية المرتبطة بهذين التصنيفين. وفي الوقت نفسه، يواجه صعوبة مع الفئات الأكثر تعقيداً، منتجاً صوراً تبدو كضجيج تجريدي. يحدث هذا لأن المولد يصبح معتمداً على أجزاء محددة من طيف تردد الصورة. وبلغة الباحثين، يعتمد المولد بشكل مفرط على مكونات التردد المنخفض، والتي تمثل الأشكال العامة والهياكل العريضة للصورة، بينما يهمل تفاصيل التردد العالي التي تحدد الحواف والقوام. هذا الاختلال يعني أن المولد ينتج نطاقاً ضيقاً من الصور، ويفشل في التقاط التنوع الكامل للعالم الذي يحاول محاكاته.

لفهم هذه المشكلة، قام الفريق بتحليل الصور باستخدام أداة رياضية تفككها إلى مكوناتها الترددية. ووجدوا أن المولد لم يكن يستكشف الطيف الكامل من الاحتمالات، بل كان عالقاً في حلقة مفرغة، حيث يستخدم مراراً وتكراراً نفس الأنماط الترددية القليلة لبناء صوره. أدى هذا إلى وضع كانت فيه جودة الصور المزيفة غير متسقة؛ فبعض الفئات بدت واضحة وواقعية، بينما ظلت فئات أخرى ضبابية وغير واضحة. علاوة على ذلك، جعل هذا الاعتماد على أنماط محددة عملية التدريب غير مستقرة؛ حيث كانت جودة الصور المولدة تتذبذب بشدة أثناء التدريب، مما يجعل من الصعب على الشبكة الطالبة تعلم مجموعة ثابتة وموثوقة من القواعد. أدرك الباحثون أنه لحل هذه المشكلة، يتعين عليهم منع المولد من اتخاذ هذه الاختصارات وإجباره على التعامل مع التعقيد الكامل لبيانات الصورة.

الحل الذي اقترحوه هو إطار عمل يسمى CSWL، وهو اختصار لـ "Close Shortcut Wins Long" (إغلاق الاختصار للفوز على المدى الطين). ويعكس الاسم هدفهم: إغلاق الباب أمام الاختصارات السهلة لكي يفوز النظام على المدى الطويل من خلال التعلم بشكل أكثر قوة. يعمل إطار العمل في جزأين رئيسيين. الجزء الأول هو تقنية لخلط المكونات الترددية للصور. يأخذ الباحثون الصور المولدة ويفصلونها إلى نوعين من المعلومات: "السعة" (amplitude)، التي تخبرنا بمدى قوة تردد معين، و"الطور" (phase)، الذي يخبرنا بمكان ظهور هذا التردد في الصورة. ثم يقومون بتعديل قوة هذه الترددات عشوائياً وخلطها بين الفئات المختلفة. على سبيل المثال، قد يأخذون القوة الهيكلية لصورة "طائر" ويمزجونها مع معلومات الطور لصورة "ضفدع". هذه العملية، التي يسمونها "تعزيز التردد المنفصل عن الفئة"، تجبر المولد على التوقف عن الاعتماد على نمط واحد يمكن التنبؤ به؛ إذ يجب عليه تعلم إنشاء صور تعمل عبر مجموعة واسعة من تركيبات التردد المختلفة، مما يكسر فعلياً عادة الاختصارات.

ومع ذلك، فإن مجرد خلط هذه الترددات أدى إلى مشكلة جديدة. فبينما أصبحت الصور أكثر تنوعاً، أصبحت عملية التدريب غير مستقرة مرة أخرى؛ حيث كان المولد ينتج تنوعاً كبيراً في المخرجات لدرجة أنه كافح للاستقرار على طريقة ثابتة لإنتاجها. ولإصلاح ذلك، أضاف الباحثون مكوناً ثانياً: مهمة إعادة بناء التردد عبر المراحل. تعمل هذه المهمة كقوة استقرار؛ حيث يأخذ النظام الصور المولدة، ويخفي أجزاء مهمة من معلومات ترددها، ثم يحاول إعادة بناء الأجزاء المفقودة. ومن خلال القيام بذلك بشكل متكرر، يتعلم المولد التركيز على الهيكل الأساسي والجوهري للصور بدلاً من مجرد الضجيج السطحي. وتتم مشاركة مهمة إعادة البناء هذه بين المرحلة التي ينشئ فيها المولد الصور والمرحلة التي تتعلم منها الشبكة الطالبة. يعمل هذا الهدف المشترك كيد ثابتة، توجه المولد لإنتاج صور عالية الجودة ومتنوعة، ولكنها أيضاً مستقرة بما يكفي لتتعلم منها الشبكة الطالبة بفعالية.

تم اختبار نتائج هذا النهج على عدة مجموعات بيانات قياسية للتعرف على الصور، بما في ذلك مجموعات صور تحتوي على عشر فئات، ومائة فئة، وحتى آلاف الفئات. وقارن الباحثون طريقتهم بالعديد من التقنيات المتطورة الأخرى التي تم تطويرها لتحسين تقطير المعرفة الخالي من البيانات. وفي كل حالة، حقق إطار عملهم الجديد نتائج أفضل. فقد حققت الشبكات الطالبة المدربة بطريقتهم دقة أعلى في التعرف على الصور، متجاوزة في كثير من الأحيان أداء أفضل الأساليب الموجودة بفارق ملحوظ. فعلى سبيل المثال، في مجموعة بيانات تضم مائة فئة، حسنت طريقتهم دقة الشبكة الطالبة بأكثر من نقطة مئوية واحدة مقارنة بأفضل نهج تالٍ. وبالإضافة إلى التصنيف، اختبروا الطريقة أيضاً في مهمة أكثر تعقيداً تسمى "التجزئة الدلالية" (semantic segmentation)، حيث يجب على الكمبيوتر تحديد كل بكسل في الصورة وتعيينه لكائن محدد. وهنا أيضاً، تفوقت طريقتهم على المنافسين، مما أظهر أن التحسينات في جودة الصور وتنوعها تُرجمت مباشرة إلى أداء أفضل في المهام الصعبة.

كما بحثت الدراسة في كيفية أداء الطريقة تحت ظروف مختلفة، مثل تغيير حجم الصور أو نوع الشبكة الحاسوبية المستخدمة. وظلت النتائج متسقة، مما يشير إلى أن النهج قوي وليس معتمداً على إعداد محدد. ووجد الباحثون أن مفتاح النجاح كان التوازن بين التنوع والاستقرار. فمن خلال استخدام نطاق التردد لكسر اعتماد المولد على الاختصارات، نجحوا في إنشاء صور غنية بالتفاصيل ومتنوعة المحتوى. ومن خلال استخدام مهمة إعادة البناء لضمان استقرار العملية، ضمنوا أن هذا التنوع لن يأتي على حساب موثوقية التدريب. النتيجة النهائية هي نظام يمكنه توليد بيانات اصطناعية عالية الجودة ومتنوعة دون الحاجة أبداً للوصول إلى الصور الواقعية الأصلية. ويعد هذا التقدم مهماً لأنه يفتح الباب لتدريب أنظمة ذكاء اصطناعي قوية تحافظ على الخصوصية في المجالات التي تكون فيها مشاركة البيانات مقيدة، مثل الطب أو التمويل. ويظهر هذا العمل أنه من خلال النظر إلى المشكلة من زاوية مختلفة — وتحديداً نطاق التردد — يمكن للباحثين الكشف عن العيوب الخفية في الأساليب الحالية وتطوير حلول أكثر فعالية واستقراراً.