Seeing Why: Exact Evidence Maps for Quantum and Optical Image Classifiers
تقدم هذه الورقة خرائط أدلة بورن (BEM)، وهي طريقة دقيقة وخالية من التقريب لتفسير مصنفات الصور الكمومية والضوئية الكاملة الخطية عبر تفكيك احتمالات الفئات إلى مساهمات سعة قابلة للقياس، مما يثبت فعاليتها في تحديد الميزات الحرجة وكشف الاختصارات البيانية عبر تجارب الأجهزة الكمومية من IBM، سواء المحاكات أو الحقيقية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
عندما ينظر جهاز كمبيوتر إلى صورة فوتوغرافية ويقرر ما يراه، فإن المنطق الكامن وراء هذا الاختيار عادة ما يكون لغزاً. فحتى الأنظمة الأكثر تقدماً تعمل كصناديق سوداء: تستقبل صورة وتخرج تصنيفاً، لكن المسار بينهما يظل مخفياً داخل طبقات من الحسابات المعقدة. وقد طور العلماء طرقاً لتخمين الأجزاء التي كانت أكثر أهمية في الصورة، لكن هذه التخمينات غالباً ما تكون تقريبات لا تترجم إلى القرار النهائي. ويمثل هذا النقص في الشفافية عقبة كبيرة، خاصة مع بدء الباحثين في بناء مصنفات باستخدام الضوء أو الجسيمات الكمومية بدلاً من رقائق السيليكون التقليدية. وإذا أردنا الوثوق بهذه الآلات الجديدة، فنحن بحاجة إلى معرفة سبب اتخاذها للقرار بدقة، وليس مجرد تخمين. والتحدي يكمن في إيجاد طريقة لرؤية المنطق داخل الآلة، وتتبع القرار وصولاً إلى بكسلات محددة كانت هي المحرك له، دون فقدان الدقة أو الاعتماد على تقديرات تقريبية.
لقد نجح فريق من الباحثين الآن في بناء نظام يحل هذه المشكلة لكل من المصنفات الصورية الضوئية والكمومية. فقد ابتكروا آلة يمكنها النظر إلى صورة، وفي الوقت نفسه، إنتاج خريطة توضح بالضبط الأجزاء التي ساهمت في الإجابة. وخلافاً للطرق السابقة التي تقدم مجرد تقدير، يوفر هذا النظام محاسبة دقيقة؛ حيث أن كل دليل يجمعه الجهاز يضاف بدقة إلى الاحتمالية النهائية لقراره. وقد أثبت الباحثون ذلك على نوعين مختلفين تماماً من الأجهزة: شريحة كمبيوتر كمومي، ومنصة ضوئية محاكية مكونة من عدسات وضوء. وفي كلتا الحالتين، استطاعوا الإشارة إلى البكسلات المحددة التي أقنعت الآلة بتحديد قارب، أو نمر، أو سيارة، واستطاعوا إثبات أن هذه البكسلات كانت السبب الحقيقي للقرار.
إن جوهر هذا العمل هو طريقة جديدة لتشفير الصور بحيث تعامل الآلة الميزات المظلمة والمضيئة بالتساوي. ففي العديد من الأنظمة، تهيمن المناطق الساطعة في الصورة على التحليل، مما يتسبب في تجاهل الآلة للتفاصيل المظلمة المهمة. وقد حل الباحثون هذه المشكلة عن طريق إزاحة الصورة بحيث يصبح متوسط السطوع نقطة مرجع محايدة. وهذا يسم يسمح لظل داكن على بدن قارب بأن يحمل وزناً مساوياً لبقعة ساطعة في السماء. وبمجرد إعداد الصورة بهذه الطريقة، تمر عبر سلسلة من المرشحات (الفلاتر). في النسخة الضوئية، ينتقل الضوء عبر سلسلة من الألواح الزجاجية التي تحني وتُشكل الشعاع. أما في النسخة الكمومية، فيتم ترجمة الصورة إلى حالة عدد قليل من البتات الكمومية، والتي يتم التحكم فيها عبر تسلسل محدد من العمليات. ويؤدي كلا المسارين إلى قياس نهائي يحدد فئة الكائن.
وما يجعل هذا العمل فريداً هو القدرة على الهندسة العكسية للقرار. فقد أظهر الباحثون أن الرياضيات الكامنة وراء هذه الأنظمة الخطية تسمح لهم بتفكيك الاحتمالية النهائية إلى مساهمات من كل بكسل على حدة. وهم يسمونها "خرائط أدلة بور" (Born evidence maps). تعمل هذه الخرائط مثل الخريطة الحرارية، حيث تسلط الضوء على أجزاء الصورة التي دفعت الآلة نحو إجابة معينة، وتوضح الأجزاء التي سحبتها بعيداً عنها. ولأن الرياضيات دقيقة، فإن مجموع كل مساهمات البكسلات يساوي ثقة الآلة في إجابتها. لا يوجد أي تقريب متضمن؛ فالشرح دقيق بقدر دقة القرار نفسه. وهذا يمثل تحولاً كبيراً عن الطرق الأخرى، التي تتطلب غالباً تشغيل الصورة عبر النظام آلاف المرات مع حجب أجزاء مختلفة منها لتخمين ما كان مهماً. هنا، يأتي التفسير مباشرة من التشغيل الوحيد للصورة.
ولاختبار ما إذا كانت هذه الخرائط مفيدة حقاً، أجرى الباحثون تجربة صارمة. فقد أخذوا مجموعة من صور الاختبار وحذفوا بشكل منهجي البكسلات التي قالت الخريطة إنها الأكثر أهمية. وعندما حذفوا خمسة بالمائة فقط من البكسلات ذات الأدلة الأعلى، انخفضت دقة الآلة بشكل حاد من ثلاثة وسبعين بالمائة إلى تسعة بالمائة. وقد أثبت هذا أن الخريطة كانت تحدد الميزات الحرجة بشكل صحيح. وفي المقابل، عندما حذفوا البكسلات بناءً على طرق قديمة وأقل دقة، لم تنخفض دقة الآلة إلا قليلاً. كما كشفت الخرائط عن خلل خفي في البيانات التي كانوا يستخدمونها؛ حيث لاحظ النظام أن صور النمور في مجموعة بيانات التدريب غالباً ما تحتوي على شريط داكن عند الحافة العلوية تماماً، وهي سمة ناتجة عن كيفية قص الصور. لقد تعلمت الآلة استخدام هذا الشريط الداكن كطريق مختصر للتعرف على النمور، بدلاً من النظر إلى جسم الحيوان نفسه. وقد استخدم الباحثون الخرائط لرصد هذا السلوك، وقاموا بإزالة الأشرطة الداكنة من الصور، ثم أعادوا تدريب النظام. وكانت النتيجة آلة تعلمت أخيراً التعرف على جسم النمر وبقعه، بدلاً من المساحة الفارغة فوقه.
بعد ذلك، أخذ الباحثون تصميمهم الضوئي وشغلوه على كمبيوتر كمومي حقيقي، وتحديداً شريحة IBM ibm_kingston. قاموا بتحميل ثلاثمائة صورة اختبار على الشريحة وطلبوا منها تصنيفها. حققت الآلة دقة بلغت سبعة وثلاثين فاصلة سبعة بالمائة، وهو ما يعادل أربعة أضعاف التخمين العشوائي تقريباً. والأهم من ذلك، أنهم قاسوا خرائط الأدلة مباشرة على الشريحة لمجموعة مختارة من الصور. وتطابقت هذه القياسات الواقعية مع الخرائط النظرية الدقيقة بمعامل ارتباط قدره صفر فاصلة سبعة وسبعون. وقد أكد هذا أن الأجهزة الكمومية لم تكن تتخذ القرارات فحسب، بل كانت تنتج أيضاً نفس المنطق الداخلي الذي تنبأت به النظرية. وبينما كانت الشريحة الكمومية محدودة بصعوبة تحميل الصور في ذاكرتها، أظهرت المحاكاة الضوئية أن منصة فيزيائية من العدسات والمرايا يمكن أن تصل إلى دقة تبلغ اثنين وسبعين فاصلة ثلاثة بالمائة على نفس مجموعة الصور الملونة.
كما حددت الدراسة المتطلبات الفيزيائية لبناء مثل هذه الآلة الضوئية. فقد قام الباحثون بمحاكاة تأثيرات العيوب الواقعية، مثل عدم المحاذاة الطفيفة للألواح الزجاجية أو تقلبات طاقة الليزر. ووجدوا أن النظام قوي بشكل مدهش؛ إذ يمكنه تحمل أخطاء صغيرة في المحاذاة ومع ذلك يعمل بشكل جيد. ومع ذلك، يجب أن تكون المحاذاة دقيقة في حدود ميكرون واحد، ويجب أن تظل طاقة الليزر مستقرة أثناء القياس. وتوفر هذه النتائج مخططاً واضحاً للمهندسين الذين يرغبون في بناء هذه الأجهزة. يثبت هذا العمل أنه من الممكن إنشاء مصنفات صورية ليست دقيقة فحداً فحسب، بل شفافة تماماً أيضاً. ومن خلال استخدام الضوء أو الجسيمات الكمومية، ومن خلال تصميم النظام ليكون خطياً، نجح الباحثون في إزالة الغموض عن عملية اتخاذ القرار. لم تعد الآلة تعطي إجابة فحسب، بل أصبحت توضح عملها، بكسل تلو الآخر، مما يثبت أن الطريق لفهم كيفية تفكير هذه التقنيات الجديدة بات مفتوحاً الآن.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.