Atlases Are Already Inside: Recovering Population Templates from Pretrained Diffusion Models
تُثبت هذه الورقة أن نماذج الانتشار مسبقة التدريب تُشفّر ضمن ديناميكياتها المتعلمة أطالس تشريحية على مستوى السكان بشكل ضمني، مما يُمكّن من الاسترداد المباشر لقوالب دماغية حادة، ومشروطة بالعمر، وتنافسية في التسجيل من خلال الاستدلال الحتمي دون الحاجة إلى تسجيل صريح أو أهداف تدريب خاصة بالأطلس.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
تخيل أنك تحاول إيجاد الوجه "المتوسط" لمدينة بأكملها. في الأيام الخوالي، وللقيام بذلك، كان عليك التقاط صورة لكل شخص على حدة، ثم قضاء ساعات في سحب وتمديد وجوههم يدويًا حتى تتماشى أعينهم وأنوفهم تمامًا. بمجرد محاذاتهم جميعًا، كنت ستدمجهم معًا لإنشاء "وجه مدينة" واحد ومثالي. تُسمى هذه العملية بناء أطلس تشريحي، وهي حجر الزاوية في التصوير الطبي. يستخدم الأطباء هذه الأطالس كخريطة لمقارنة دماغ المريض أو جسده مقابل مجموعة سكانية "طبيعية". لكن الطريقة القديمة بطيئة ومعقدة وتتطلب الكثير من الضبط اليدوي للتأكد من أن التمديد لا يشوه التشريح.
هنا يأتي دور نماذج الانتشار (diffusion models)، وهي نوع من الذكاء الاصطناي الذي اشتهر مؤخرًا بإنشاء صور مذهلة من العدم. فكر في نموذج الانتشار كطاهٍ ماهر تذوق آلاف الأنواع المختلفة من الحساء. إذا طلبت من الطاهي وصف "الحساء المثالي"، فهو لا يحتاج إلى النظر في كتاب وصفات؛ هو يعرف فقط ملف النكهة لأنه تعلم أنماط كل أنواع الحساء التي تذوقها من قبل. تتعلم هذه النماذج عن طريق البدء بوعاء من الضجيج الساكن (مثل تشويش التلفاز) ثم "إزالة الضجيج" منه تدريجيًا خطوة بخ bước حتى تظهر صورة واضحة. السؤال الكبير الذي طرحه العلماء هو: إذا كان هذا الذكاء الاصطناعي قد تعلم "نكهة" مجموعة كاملة من الأدمغة، فهل "الدماغ المتوسط المثالي" موجود بالفعل داخل عقل النموذج، ينتظر من يكتشفه؟
تقول الورقة البحثية "الأطالس موجودة بالفعل" (Atlases Are Already Inside): نعم، هي موجودة.
اكتشف المؤلفون أنك لست بحاجة للقيام بالعمل الشاق المتمثل في محاذاة وتمديد الصور بعد الآن. إذا أخذت نموذج انتشار مدرب مسبقًا (نموذج تعلم بالفعل كيفية توليد الصور الطبية) وشغلت "عمليته العكسية" بدءًا من ضجيج عشوائي نقي، فإن الذكاء الاصطناعي يتقارب طبيعيًا نحو صورة واحدة حادة. هذه الصورة هي النموذج المجتمعي (population template) — أي الدماغ المتوسط المثالي لتلك المجموعة. الأمر كما لو أن الذكاء الاصطناعي، أثناء محاولته تعلم كيفية رسم دماغ، قد حفظ عن غير قصد "مركز الثقل" لجميع الأدمغة التي رآها. عندما تطلب منه توليد صورة من الضجيج، فإنه لا يختار دماغًا عشوائيًا فحسب؛ بل يجد تلك النقطة التي تتداخل فيها جميع الأدمغة المختلفة، مما يخلق خريطة واضحة وقابلة للاستخدام دون الحاجة إلى عمل المحاذاة التقليدي القديم.
ما يجعل هذا الأمر أكثر روعة هو أن النموذج لم يتم تدريبه لصنع خريطة. لقد تم تدريبه فقط لصنع صور. الخريطة هي مجرد نتيجة عرضية سعيدة، "منتج ثانوي" لكيفية تعلم النموذج. اختبر الباحثون هذه الطريقة على صور مسح الدماغ ووجدوا أن الخريطة التي أنتجها الذكاء الاصطناعي كانت بجودة أفضل الخرائط التي أمضى البشر سنوات في بنائها. في الواقع، عندما أضافوا "شرطًا" (مثل إخبار النموذج بعمر الشخص)، استطاع الذكاء الاصطناعي فورًا توليد خريطة مختلفة لشخص يبلغ من العمر 20 عامًا، أو 50 عامًا، أو 80 عامًا. حتى أنه أظهر بشكل صحيح كيف ينكمش الدماغ وتتوسع المساحات السائلة مع تقدم العمر، مما يطابق الحقائق البيولوجية الحقيقية.
كما تحقق الفريق مما إذا كانت هذه الحيلة تعمل على أجزاء أخرى من الجسم، مثل الساقين والركبتين، وقد نجحت. ومع ذلك، وجدوا عقبة: إذا كانت مجموعة الصور التي تعلم منها الذكاء الاصطناعي فوضوية للغاية أو غير متسقة (مثل خلط أنواع مختلفة من أجهزة المسح أو أشكال أجسام مختلفة جدًا)، فلن يستطيع الذكاء الاصطناعي الاتفاق على خريطة واحدة، وستكون النتيجة ضبابية أو مشوشة. ولكن بالنسبة للمجموعات المنظمة جيدًا، فإن "المتوسط" موجود بالفعل مخبأ داخل الكود، وجاهز للاستخراج بأمر بسيط.
لذا، بدلاً من بناء خريطة عبر إجبار الجميع على التوافق مع قالب معين، تقترح هذه الطريقة أن القالب كان موجودًا بالفعل، ينتظر من يكتشفه. إنها تحول المهمة الصعبة لصنع الخريطة إلى فعل بسيط يتمثل في سؤال الذكاء الاصطناعي أن "يفكر" في المتوسط، وترك الإجابة تظهر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.