Causality-Constrained Generative Adversarial Networks for Bias-Resilient Data Synthesis

في الآلات الصامتة وغير المرئية للحياة الحديثة، تقرر الخوارزميات من يحصل على قرض، ومن يتلقى تشخيصاً طبياً، ومن يتم توظيفه في وظيفة ما. تتعلم هذه الأنظمة من خلال دراسة محيطات شاسعة من البيانات التاريخية، آملةً في إيجاد أنماط تتنبأ بالمستقبل. لكن التاريخ ليس سجلاً محايداً؛ بل هو مليء بالتحيزات القديمة، وعدم المساواة المنهجية، والارتباطات العرضية التي لا علاقة لها بالإمكانات الحقيقية للشخص. وعندما يتعلم الكمبيوتر من هذا التاريخ المعيب، فإنه غالباً ما يتعلم التحيز جنباً إلى جنب مع الحقائق، مكرراً أخطاء الماضي تحت قناع الحساب الموضوعي. ولإصلاح ذلك، طور الباحثون أدوات تسمى "الشبكات التنافسية التوليدية"، وهي في الأساس أنظمة ذكاء اصطناعي مصممة لإنشاء بيانات جديدة وواقعية من الصفر. والأمل يكمن في أنه من خلال توليد بيانات جديدة، يمكننا تدريب خوارزميات أكثر عدلاً. ومع ذلك، تكشف مراجعة جديدة لهذا المجال عن حقيقة مقلقة: مجرد إنشاء بيانات جديدة ليس كافياً. فإذا لم يتم تعليم الآلة التمييز بين السبب الحقيقي والصدفة المضللة، فإنها ستعيد إنتاج التمييز ذاته الذي نحاول محوه بكل أمانة.

تكمن المشكلة الجوهرية في كيفية رؤية هذه الآلات للعالم. مولدات البيانات القياسية تشبه طالباً يحفظ الكتاب المدرسي دون فهم المفاهيم؛ يمكنهم تسميع الأنماط التي يروها، لكنهم لا يستطيعون التمييز بين قاعدة حقيقية وقاعدة ليست سوى محض صدفة. على سبيل المثال، إذا أظهرت البيانات التاريخية لبنك ما أن الأشخاص من حي معين رُفضت طلبات قروضهم بشكل متكرر، فقد يتعلم المولد القياسي أن العيش في ذلك الحي هو سبب لرفض القرض، حتى لو كان السبب الحقيقي شيئاً آخر تماماً، مثل نقص الوصول إلى الخدمات المصرفية في الماضي. وهنا يصبح مفهوم "السببية" ضرورياً. السببية هي دراسة ما يسبب ماذا بالفعل، والتمييز بين الرابط المباشر والارتباط الذي يحدث فقط بسبب عامل ثالث خفي. وقد بدأ الباحثون في بناء نوع جديد من الذكاء الاصطناعي يدمج هذا الفهم، مما يجبر الآلة على تعلم هيكل السبب والنتيجة قبل أن تبدأ في إنشاء البيانات. يهدف هذا النهج، المعروف باسم "التوليد المقيد بالسببية"، إلى بناء نظام يعرف أي مسارات التأثير مشروعة وأيها تمييزية، مما يسمح له بتوليد بيانات اصطناعية تحترم حقوق الإنسان مع كونها مفيدة في الوقت نفسه لتدريب الأنظمة الأخرى.

ترسم مراجعة شاملة للأبحاث الحديثة، تغطي أكثر من خمسين دراسة نُشرت بين عامي 2019 و2025، مسار كيفية محاولة العلماء لحل هذه المشكلة. وجد المؤلف، بقيادة ساي دوندي كوثابالي، أن الحلول الأكثر واعدية تتضمن دمج خريطة للسبب والنتيجة مباشرة في قلب مولد البيانات. فبدلاً من ترك الآلة تخمن الأنماط المهمة، تُعطى هذه الأنظمة الجديدة دليلاً هيكلياً، يُسمى غالباً "الرسم البياني السببي"، والذي يعمل كمخطط لكيفية تأثير المتغيرات على بعضها البعض. وفي هذا المخطط، تتعلم الآلة الفصل بين الآثار المباشرة الضارة للسمات الحساسة، مثل العرق أو الجنس، وبين الآثار غير المباشلة المشروعة التي تمر عبر عوامل أخرى، مثل الدخل أو التعليم. ومن خلال القيام بذلك، يمكن للمولد إنشاء نقاط بيانات جديدة حيث تتغير السمة الحساسة، ولكن تظل النتيجة عادلة، مما يحاكي بفعالية عالماً لا يوجد فيه تمييز. ويمثل هذا تحولاً كبيراً عن الأساليب القديمة التي حاولت ببساطة موازنة أعداد المجموعات المختلفة في المخرجات، وهي استراتيجية غالباً ما فشلت في معالجة الأسباب الجذرية لعدم الإنصاف.

تسلط المراجعة الضوء على عدة طرق محددة حقق من خلالها الباحثون ذلك. يتضمن أحد النهج استخدام شبكتين متنافستين، حيث تحاول إحداهما إنشاء البيانات وتحاول الأخرى رصد أي أنماط غير عادلة، ولكن مع إضافة حاسمة: الشبكة الثانية مكلفة أيضاً بالتحقق مما إذا كانت البيانات تتبع قواعد الخريطة السببية. وهناك طريقة أخرى تبني البيانات قطعة بقطعة، متبعةً ترتيب الرسم البياني السببي بحيث يتم إنشاء كل قطعة معلومات جديدة بناءً على أسبابها الحقيقية فقط، وليس على ارتباطات غير ذات صلة. كما استخدم بعض الباحثين تقنيات متقدمة لتوليد أمثلة "واقعية مضادة"، وهي سيناريوهات خيالية تسأل: "ماذا كان سيحدث لهذا الشخص لو كان لديه خلفية مختلفة؟". ومن خلال إنشاء هذه العوالم البديلة، يمكن للنظام أن يتعلم تجاهل التحيزات غير العادلة التي كانت ستؤثر على النتيجة الأصلية. وتشير الأدلة إلى أن هذه الأنظمة الواعية بالسببية أفضل في الحفاظ على العلاقات الواقعية المفيدة في البيانات مع تجريدها من العلاقات الضارة، مما يوفر توازناً أفضل بين العدالة والدقة مقارنة بالأساليب السابقة.

ومع ذلك، فإن الطريق نحو الأمام لا يخلو من العقبات. وتوضح المراجعة أن هذه الأنظمة المتقدمة تعتمد بشدة على امتلاك خريطة دقيقة للسبب والنتيجة منذ البداية. فإذا لم يكن الباحثون يعرفون الهيكل الحقيقي للبيانات، أو إذا كانت الخريطة التي يقدمونها خاطئة، فلا يمكن للنظام ضمان العدالة. وفي كثير من الحالات الواقعية، مثل السجلات الطبية المعقدة أو بيانات العلوم الاجتماعية، لا تكون هذه الخريطة معروفة بيقين، ومحاولة تخمينها قد تؤدي إلى أخطاء جديدة. علاوة على ذلك، فإن تدريب هذه الأنظمة المتطورة أمر صعب؛ فهي عرضة لعدم الاستقرار وغالباً ما تواجه صعوبة في التوسع لتشمل مجموعات البيانات الضخمة وغير المنظمة المستخدمة في توليد الصور والنصوص الحديثة. ركزت الدراسات التي تمت مراجعتها في الغالب على مجموعات بيانات أصغر وهيكلية، مثل جداول الأرقام، ولا يوجد دليل كافٍ بعد على أن هذه الأساليب تعمل بنفس الكفاءة مع البيانات عالية الأبعاد والفوضوية الموجودة في الصور أو النصوص الحرة. كما يشير المؤلف إلى أن المجال يفتقر إلى طريقة معيارية لقياس النجاح، حيث تستخدم الدراسات المختلفة اختبارات ومجموعات بيانات متباينة، مما يجعل من الصعب مقارنة النتائج أو معرفة الطريقة الأفضل حقاً.

رغم هذه التحديات، فإن اتجاه البحث واضح. ينتقل المجال من الإصلاحات الإحصائية البسيطة نحو فهم هيكلي أعمق للعدالة. وتخلص المراجعة إلى أنه بينما لم نصل بعد إلى نقطة يمكن فيها نشر هذه الأدوات في كل مكان دون مخاطر، فإن الأساس النظري قوي. إن القدرة على التمييز بين سبب مشروع وبين اختصار تمييزي هي قدرة قوية تفتقر إليها الآلات القياسية. ومع زيادة الضغط على المجتمع تجاه الأنظمة المؤتمتة لتكون عادلة وشفافة، ستكون القدرة على توليد بيانات تحترم الشبكة المعقدة للسببية البشرية أمراً حيوياً. ويشير العمل الذي تمت مراجعته هنا إلى أنه من خلال تعليم الآلات التمييز بين رؤية نمط وفهم سبب وجوده، يمكننا البدء في بناء جيل جديد من الذكاء الاصطناعي لا يكتفي بمحاكاة تاريخنا، بل يساعدنا على تخيل مستقبل أكثر عدلاً. إن الرحلة مستمرة، والطريق وعر، لكن الوجهة — عالم يخدم فيه تركيب البيانات العدالة بدلاً من تكريس التحيز — باتت مرئية بشكل متزايد.