Contrastive Learning Improves Generalization on M2OR Olfactory Binding Dataset

تخيل عالماً يمكن فيه لمستشعر أن يشم رائحة مرض ما قبل ظهور أعراضه، أو يكتشف تهديداً كيميائياً خفياً في الهواء، أو يحدد مرشحاً لدواء جديد من خلال رائحته وحدها. هذا هو الوعد الذي تقدمه المستشعرات الحيوية القائمة على الشم، وهي أجهزة تحاكي الطريقة التي تشم بها الكائنات الحية. في الطبيعة، تستخدم الحيوانات بروتينات متخصصة تسمى المستقبلات لالتقاط الجزيئات المتطايرة العائمة في الهواء، محولةً الإشارة الكيميائية إلى نبضة عصبية يفهمها الدماغ. لقد حاول العلماء طويلاً بناء نسخ اصطناعية من هذا النظام، لكنهم واجهوا مشكلة مستعصية: ليس لدينا ببساطة ما يكفي من البيانات حول كيفية تفاعل هذه البروتينات المحددة مع الكون الشاسع للروائح الكيميائية. وبدون وجود أمثلة كافية من العالم الحقيقي للدراسة، فإن برامج الكمبيوتر المصممة للتنبؤ بهذه التفاعلات غالباً ما تفشل عند مواجهة مواد كيميائية جديدة وغير مرئية. فهي تحفظ الأنماط من بيانات التدريب الخاصة بها بدلاً من تعلم القواعد الأساسية للكيمياء، مما يترك المهندسين غير قادرين على الوثوق بها في التطبيقات الواقعية.

لقد شرع فريق من الباحثين في إصلاح هذا الأمر عبر اختبار كيفية تعليم الحواسيب التعميم، أو تعلم دروس تنطبق على مواقف جديدة، باستخدام مجموعتين كبيرتين من البيانات حول كيفية ارتباط البروتينات والمواد الكيميائية معاً. ركزوا على تحدٍ محدد: ضمان عدم اعتماد نموذج الكمبيوتر على التعرف على مادة كيميائية أو بروتين رآه بالفعل أثناء التدريب. وللقيام بذلك، جربوا طرقاً مختلفة لتقسيم بياناتهم. في النهج القياسي، قد يتم اختبار الكمبيوتر على مادة كيميائية تدرب عليها، مما يعطي شعوراً زائفاً بالنجاح. وبدلاً من ذلك، قام الباحثون بحجب مجموعات كاملة من المواد الكيميائية أو البروتينات الفريدة، مما أجبر النموذج على التنبؤ بكيفية تفاعله مع شيء لم يواجهه من قبل. ووجدوا أنه بدون مساعدة خاصة، تعثرت النماذج بشكل كبير عندما واجهت هذه المجموعات الجديدة وغير المرئية؛ حيث انخفض أداء الكمبيوتر بشكل حاد لأنه اعتمد على حفظ تفاصيل محددة بدلاً من فهم المبادئ الأوسع لكيفية تلاؤم هذه الجزيئات مع بعضها البعض.

جاء الاختراق عندما قدم الباحثون تقنية تسمى "التعلم التبايني" (contrastive learning). فبدلاً من مجرد إخبار الكمبيوتر ما إذا كان زوج من الجزيئات يرتبط أم لا، علموه كيفية التعرف على العلاقات. عُرض على الكمبيوتر أزواج من الجزيئات التي تشترك في أجزاء عامة، وقيل له أن يعاملها كأجزاء متشابهة، بينما عوملت الأزواج التي لا تشترك في أي شيء كأجزاء مختلفة. عملت هذه الطريقة كدليل، حيث أجبرت الكمبيوتر على بناء خريطة ذهنية للعالم الكيميائي بناءً على السمات المشتركة بدلاً من مجرد حفظ القوائم. وعندما طبق الباحثون هذا النهج، أصبحت النماذج قوية بشكل ملحوظ؛ إذ حافظت على مستوى عالٍ من الدقة، ووصلت إلى درجة 0.88، بغض النظر عما إذا كانت مختبرة على بيانات عشوائية أو على مواد كيميائية وبروتينات جديدة تماماً لم يسبق لها رؤيتها من قبل. يشير هذا إلى أنه من خلال التركيز على وحدات البناء المشتركة للجزيئات، تعلم الكمبيوتر طريقة أكثر جوهرية للتنبؤ بالتفاعلات.

كما كشفت الدراسة أن طريقة إعداد البيانات تهم أكثر من النوع المحدد لنموذج الكمبيوتر المستخدم. فعندما تم تقسيم البيانات بطريقة تسمح للكمبيوتر برؤية أجزاء مألوفة في كل من مرحلتي التدريب والاختبار، أدت حتى النماذج البسيطة أداءً جيداً. ومع ذلك، بمجرد أن أزال الباحثون شبكة الأمان تلك، كانت النماذج المدربة باستخدام طريقة التعلم التبايني هي الوحيدة القادرة على التعامل مع الصعوبة. يسلط هذا الاكتشاف الضوء على خلل خفي في العديد من الدراسات السابقة: حيث كانت درجات الأداء العالية غالباً ما تكون مضخمة لأن بيانات الاختبار كانت تحتوي على عناصر رآها الكمبيوتر بالفعل. ويجادل الباحثون بأنه لكي تكون هذه التنبؤات مفيدة حقاً، يجب علينا تقييمها بناءً على بيانات تجبر الكمبيوتر على التعميم. ومن خلال استخدام التعلم التبايني، أظهروا أنه من الممكن بناء نظام يفهم كيمياء الشم بما يكفي للتنبؤ بكيفية تفاعل البروتينات والمواد الكيميائية الجديدة، مما يمهد الطريق لمستشعرات حيوية أكثر موثوقية في مجالات الطب والأمن.