Self-Supervised Discovery of Discrete Local States in Noisy Image Sequences
تقدم هذه الورقة إطار عمل للتعلم الذاتي الخاضع للإشراف يقوم برسم خرائط لتسلسلات الصور المشوشة إلى مفردات منفصلة من الحالات المحلية المتكررة وعلاقاتها الزمكانية دون الحاجة إلى قوالب محددة مسبقاً أو أهداف نظيفة، مما ينجح في استعادة الهياكل القابلة للتفسير في البيانات الاصطناعية، والبيانات المرجعية، والبيانات البيولوجية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
في العالم المجهري، غالبًا ما يبحث العلماء عن أجسام صغيرة متحركة — مثل البكتيريا أو الجسيمات الاصطناعية — تسبح عبر سائل. لرؤيتها، يستخدمون كاميرات تلتقط سلسلة سريعة من الصور. ومع ذلك، نادرًا ما تكون هذه الصور مثالية؛ فهي غالبًا ما تكون محببة، وخافتة، ومليئة بالضجيج العشوائي الذي يجعل من الصعب التمييز بين نهاية الجسم الحقيقي وبداية الضجيج. تقليديًا، حاول الباحثون حل هذه المشكلة من خلال إخبار الكمبيوتر بما يجب أن يبحث عنه بالضبط؛ حيث يقدمون نموذجًا لما يجب أن يبدو عليه الجسيم أو قاعدة لكيفية حركته. يعمل هذا بشكل جيد عندما يعرف العالم الإجابة مسبقًا، ولكن في العلوم الاستكشافية، حيث يكون الهدف هو اكتشاف شيء جديد أو غير متوقع، يمكن لهذه القواعد المحددة مسبقًا أن تكون عائقًا. فإذا أُمر الكمبيوتر بالبحث فقط عن نقاط مستديرة وساطعة، فقد يغفل عن شكل مستطيل غريب أو نوع جديد من الحركة تمامًا. لذا، يكمن التحدي في بناء نظام يمكنه تعلم ما هو مهم من البيانات الفوضوية نفسها، دون إخباره بما يجب أن يبحث عنه مسبقًا.
لقد طور فريق من الباحثين في جامعة كيوشو طريقة تقوم بهذا الأمر بالضبط. فقد أنشأوا إطار عمل ذاتي الإشراف يأخذ تسلسلات فيديو مليئة بالضجيج ويحولها إلى مفردات بسيطة ومنفصلة من الحالات المحلية. تخيل الفيديو ليس كتدفق مستمر من البكسلات، بل كمجموعة من الأنماط المتكررة الصغيرة. يتعلم النظام التعرف على هذه الأنماط من خلال مراقبة كيفية تكرارها عبر الزمان والمكان. وهو يعمل دون الحاجة إلى صور نظيفة ومثالية للمقارنة بها، ولا يتطلب أي تسميات جاهزة أو قواعد حركة مكتوبة. الافتراض الوحيد الذي يضعه هو أن الهياكل الحقيقية والمعلوماتية ستظهر مرارًا وتكرارًا ضمن جوار صغير، بينما لن يفعل الضجيج العشوائي ذلك.
تبدأ العملية بتغذية الفيديو المليء بالضجيج في شبكة عصبية تعمل مثل المترجم. تنظر هذه الشبكة إلى إطار مركزي تم إخفاؤه أو حجبه، وتحاول تخمين كيف ينبغي أن يبدو بناءً على الإطارات التي تسبقه وتليه مباشرة. ولأن الضجيج في كل إطار عشوائي ومستقل، لا يستطيع الكمبيوتر التنبؤ بالضجيج نفسه. ومع ذلك، فإن الهيكل الأساسي لجسم حقيقي، والذي يستمر عبر الإطارات، يمكن التنبؤ به. ومن خلال إجبار النظام على ملء المركز المفقود، يتعلم الفصل بين الإشارة والضجيج. إن مخرج مرحلة التعلم هذه ليس صورة مستعادة ومثالية، بل خريطة من "الرموز" (tokens). يمثل كل رمز نمطًا محليًا متكررًا محددًا موجودًا في الفيديو، مثل نقطة ساطعة، أو خط داكن، أو رقعة من الخلفية.
بمجرد تعلم هذه المفردات من الأشكال، يستخدم الباحثون خطوة ثانية لتنقية الخريطة. فهم يستخدمون أداة تتحقق من سياق كل رمز، وتسأل ما إذا كان الشكل المخصص لمكان معين منطقيًا بالنظر إلى الأشكال المحيطة به في الزمان والمكان. تعمل هذه الخطوة بمثابة مرشح لضبط الجودة، حيث تعيد تعيين الرموز التي يُحتمل أن تكون أخطاءً ناتجة عن الضجيج. على سبيل المثال، إذا ظهرت نقطة ساطعة في مكان تشير فيه الإطارات المحيطة إلى وجود خلفية ناعمة، يقوم النظام بتصحيح التعيين. تضمن عملية التنقية هذه أن الخريطة النهائية تحتوي فقط على الهياكل الأكثر موثوقية واتساقًا.
اختبر الباحثون هذا النهج على فيديوهات اصطناعية لجسيمات متحركة، حيث كانوا يعرفون الحقيقة الدقيقة لكنهم حجبوها أثناء عملية التعلم. وحتى بدون الوصول إلى الحقيقة الأرضية النظيفة، نجح النظام في استعادة هياكل مدمجة ونقطية تطابق الجسيمات الحقيقية عن كثب. وعندما طبقوا الطريقة على معيار قياسي لتتبع الجسيمات في ظروف الإضاءة المنخفضة، كانت النتائج مبهرة؛ حيث حدد النظام المكونات الصحيحة في الفيديو بدقة تتراوح بين 87% و94.5%، اعتمادًا على كثافة الجسيمات. ورغم أن القدرة على إيجاد كل جسيم بمفرده انخفضت مع ازدياد الازدحام، إلا أن الطريقة ظلت دقيقة للغاية فيما وجدته، مما أثبت قدرتها على العمل دون معرفة مسبقة بكيفية حركة الجسيمات.
كما أظهر الإطار قدرته في بيئة بيولوجية واقعية باستخدام صور لبكتيريا "إي كولاي" (E. coli). احتوت هذه الصور ليس فقط على البكتيريا، بل أيضًا على إضاءة غير متساوية وأنماط مخططة غريبة ناتجة عن معدات الكاميرا نفسها. تعلم النظام التمييز بين الهياكل البيولوجية وهذه العيوب الناتجة عن عملية التصوير. ومن خلال تحديد الرموز المحددة التي تتوافق مع الخطوط المخططة والإضاءة غير المتساوية، تمكن الباحثون من قمعها يدويًا، مما ترك رؤية نظيفة للبكتيريا. أظهر هذا أن الطريقة يمكنها الفصل بين الميزات البيولوجية الحقيقية والعيوب التقنية لعملية التصوير، وهي مهمة تتطلب غالبًا تعديلات يدوية معقدة.
إن الإنجاز الجوهري لهذا العمل هو أنه يحول فيديو معقدًا ومليئًا بالضجيج إلى خريطة بسيطة وقابلة للتفسير من الحالات وعلاقاتها. فبدلاً من محاولة إعادة بناء صورة مثالية، وهو أمر مستحيل غالبًا في البيئات عالية الضجيج، يركز النظام على تحديد العناصر المتكررة المهمة. إنه يوفر للباحثين وسيلة لاستكشاف بياناتهم دون أن يكونوا مقيدين بافتراضاتهم حول ما يجب أن يروه. المخرج هو مجموعة من الخرائط القابلة للتفسير التي توضح أين تحدث حالات معينة، ومدى نشاطها، وكيف تدعم بعضها البعض بمرور الوقت. وهذا يسمح للعلماء بعد الجسيمات، وتتبع حركاتها، وتحليل سلوكها، حتى عندما تكون الصور الأصلية فوضوية للغاية بالنسبة للطرق التقليدية. ومن خلال جعل عملية الاكتشاف ذاتية الإشراف، فتح الباحثون بابًا للتحليل الاستكشافي في المجالات التي لا تُعرف فيها الإجابات بعد، مما يسمح للبيانات بالكشف عن هياكلها الخفية بنفسها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.