تخيل أنك تعلم حاسوباً كيفية التعرف على كلب. تعرض عليه آلاف الصور: كلب من فصيلة "جولدن ريتريفر" في حديقة مشمسة، وكلب من فصيلة "بودل" في زقاق ممطر، وكلب من فصيلة "هسكي" في الثلج. يتعلم الحاسوب جيداً، لكنه قد يعتمد على طرق مختصرة. فبدلاً من تعلم ما الذي يجعل الكلب كلباً، قد يتعلم أن الكلاب في صورك تظهر دائماً على عشب أخضر أو مقابل سماوات زرقاء. وإذا عرضت على الحاسوب بعد ذلك صورة لكلب على سجادة حمراء، فقد يفشل تماماً لأنه لم يتعلم الحيوان نفسه، بل تعلم الخلفية فقط. هذه مشكلة شائعة في الذكاء الاصطناعي تُعرف باسم "انزياح النطاق" (domain shift)، حيث يواجه النموذج المدرب في بيئة معينة صعوبة عندما تتغير الظروف. يحاول العلماء حل هذه المشكلة عن طريق تعليم الحواسيب تجاهل المناظر المتغيرة والتركيز فقط على الميزات الأساسية للشيء.

اقترح فريق من الباحثين في جامعة ديلاوير طريقة جديدة لمساعدة الحواسيب على فعل ذلك بالضبط. أطلقوا على طريقتهم اسم FOCUS، وهي اختصار لـ "التعامد الميزاتي عبر الفصل العلوي للتباين" (Feature Orthogonalization via Contrastive Upper-bound Separation). الفكرة الجوهرية هي إجبار الحاسوب على تقسيم فهمه للصورة إلى جزأين منفصلين: جزء يصف ماهية الشيء، وجزء آخر يصف أين التُقطت الصورة أو ما هو أسلوبها. ومن خلال الحفاظ على هذين الجزأين من المعلومات منفصلين تماماً، يصبح الحاسوب أفضل بكثير في التعرف على الأشياء في بيئات جديدة وغير مرئو مسبقاً. اختبر الباحثون هذه الفكرة على أربعة مجموعات مختلفة من الصور، تتراوح من الرسومات التخطيطية والرسوم المتحركة إلى صور واقعية لحيوانات في البرية. ووجدوا أن طريقتهم حسنت دقة الحاسوب بنسبة تتراوح بين 0.70% و2.70% مقارم بأفضل الطرق الموجودة، مع تسجيل أكبر المكاسب في المهمة الصعبة المتمثلة في تحديد الحيوانات في البرية.

بدأ الباحثون بملاحظة بسيطة: غالباً ما ترتبك نماذج الرؤية الحاسوبية القياسية لأنها تخلط بين هوية الشيء وأسلوب الصورة. ولإصلاح ذلك، بنوا نظاماً يحتوي على مسارين متميزين، أو "فرعين"، لمعالجة المعلومات. فرع مخصص لتعلم محتوى الصورة، مثل شكل الكلب أو لون السيارة. والفرع الآخر مخصص لتعلم النطاق، والذي يشمل عوامل مثل الإضاءة، أو الكاميرا المستخدمة، أو الأسلوب الفني للرسم. الهدف هو أن يصبح فرع المحتوى بارعاً جداً في تحديد الشيء لدرجة أنه لا يحتاج للنظر إلى الخلفية أو الأسلوب، بينما يلتقط فرع النطاق كل تلك التفاصيل الإضافية.

ومع ذلك، فإن مجرد وجود فرعين ليس كافياً. أدرك الباحثون أنه إذا سُمح لهذين الفرعين بالتحدث مع بعضهما البعض بحرية كبيرة، فقد يظل فرع المحتوى يتسلل ببعض الأدلة من فرع النطاق، مما يؤدي بالحاسوب إلى نفس الأخطاء. ولمنع ذلك، استحدثوا قاعدة تجبر الفرعين على البقاء مستقلين إحصائياً. بعبارة بسيطة، هذا يعني أن المعلومات في فرع المحتوى لا ينبغي أن تساعد في التنبؤ بالمعلومات في فرع النطاق، والعكس صحيح. إذا تعلم الحاسوب أن شكلاً معيناً يظهر دائماً مع خلفية معينة، فإنه سيفشل عندما تتغير هذه الخلفية. ومن خلال كسر هذا الرابط، يُجبر الحاسوب على الاعتماد فقط على الشكل نفسه.

ولفرض هذا الفصل، استخدم الباحثون أداة رياضية تسمى "المعلومات المتبادلة" (mutual information). فكر في المعلومات المتبادلة كمقياس لمدى إخبار شيء ما عن أشياء أخرى. إذا كنت تعرف حالة الطقس، وكان ذلك يخبرك بالكثير عن ما إذا كان الناس يحملون مظلات، فإن المعلومات المتبادلة بين الطقس والمظلات تكون عالية. أراد الباحثون جعل المعلومات المتبادلة بين "الماهية" (الشيء) و"المكان" (النطاق) قريبة من الصفر قدر الإمكان. وقد طوروا طريقة لحساب هذا الرقم ثم استخدموها كعقوبة أثناء التدريب. في كل مرة يبدأ فيها الفرعان في مشاركة الكثير من المعلومات، يطبق النظام عقوبة، مما يدفع كل منهما بعيداً عن الآخر.

تقدم الورقة البحثية تحولاً مثيراً للاهتمام حول كيفية إجراء هذا الحساب. استخدم الباحثون في الأصل طريقة توفر حداً أقصى لمدى اتصال الفرعين، ثم اختبروا طريقة مختلفة توفر حداً أدنى. الأمر يشبه محاولة قياس المسافة بين مدينتين: إحدى الطريقتين تضمن أن المسافة لا تزيد عن عدد معين، بينما تضمن الأخرى أنها لا تقل عن عدد معين. أراد الباحثون معرفة ما إذا كانت الطريقة المحددة التي يقيسون بها هذه المسافة تؤثر على النتيجة النهائية. ووجدوا أن كلتا الطريقتين تعملان بشكل جيد للغاية. الطريقة التي تضع حداً أقصى أعطت درجة أفضل قليلاً في بعض الاختبارات، لكن الطريقة التي تضع حداً أدنى أدت أداءً مقارباً جداً. وهذا يشير إلى أن الجزء الأهم في الحل ليس الرياضيات المحددة المستخدمة لقياس الاتصال، بل في عملية إجبار الحاسوب على فصل الشيء عن خلفيته في المقام الأول.

اختبر الفريق نظامهم على أربعة معايير رئيسية لضمان عمله عبر أنواع مختلفة من التحديات. الأول كان مجموعة من الصور التي تظهر أشياء في أربعة أساليب مختلفة: صور فوتوغرافية، لوحات زيتية، رسوم متحركة، ورسومات تخطيطية. وتضمن الثاني صوراً من أربع مجموعات بيانات مختلفة، تختلف في كيفية التقاطها وفي الخلفيات التي تظهرها. والثالث كان مجموعة كبيرة من الأدوات المكتبية والمنزلية، تتراوح من الرسومات الفنية إلى صور المنتات الواقعية. أما الرابع، فكان مجموعة صعبة للغاية من الصور الملتقطة بواسطة كاميرات المراقبة في البرية، والتي تظهر حيوانات في مواطنها الطبيعية. هذه الصور البرية صعبة لأن الخلفية والإضاءة وزاوية الكاميرا تتغير بشكل جذري من مكان إلى آخر، وغالباً ما يخلط الحاسوب بين هذه الإشارات البيئية وهوية الحيوان.

في الاختبارات المتعلقة بالأساليب الفنية والأدوات المكتبية، حسنت الطريقة الجديدة دقة الحاسوب بنحو 0.70% إلى 1.26% مقارنة بأفضل الطرق السابقة. ورغم أن هذه الأرقام قد تبدو صغيرة، إلا أنها في عالم الذكاء الاصطناعي تعتبر خطوة هامة نحو الموثوقية. ومع ذلك، جاء التحسن الأكثر دراماتيكية في مهمة التعرف على الحيوانات البرية؛ حيث رفعت الطريقة الجديدة الدقة بنسبة 2.70%. وهذه زيادة جوهرية، مما يشير إلى أن الطريقة جيدة بشكل خاص في التعامل مع التباينات الفوضوية وغير المتوقعة الموجودة في الطبيعة. لاحظ الباحثون أنه في البرية، حيث قد تلتقط الكاميرا غزالاً تحت ضوء الشمس الساطع أو في ظل عميق، غالباً ما يعتمد الحاسوب على الإضاءة لتخمين نوع الحيوان. ومن خلال إجبار الحاسوب على تجاهل الإضاءة والتركيز فقط على الغزال، أصبح النظام أكثر قوة ومتانة.

كما نظر الباحثون بدقة في كيفية تعلم الحاسوب أثناء عملية التدريب. ووجدوا أن الطريقتين الرياضيتين المختلفتين اللتين استخدمتا لقياس الاتصال بين الفرعين تتصرفان بشكل مختلف تماماً. أنتجت إحدى الطريقتين أرقاماً متوازنة طبيعياً مع الأجزاء الأخرى من عملية التعلم، مما جعل تدريبها أسهل دون الحاجة إلى تعديلات مستمرة. بينما أنتجت الطريقة الأخرى أرقاماً أكبر بكثير، مما تطلب من الباحثين تقليص حجمها بعناية حتى لا تطغى على عملية التعلم. وبالرغم من هذه الاختلافات في كيفية الشعور بعملية التدريب، إلا أن كلتا الطريقتين أدت إلى نتائج نهائية متشابهة. هذا الاكتشاف مهم لأنه يشير إلى أن نجاح النهج يتميز بالمتانة؛ فهو لا يعتمد على خدعة رياضية واحدة هشة، بل على المبدأ الأساسي المتمثل في فصل الشيء عن سياقه.

تخلص الدراسة إلى أن المفتاح لجعل الحواسيب أكثر موثوقية في العالم الحقيقي هو تعليمها كيفية فك الارتباط بين ماهية الشيء ومكانه. فمن خلال نمذجة الخلفية والأسلوب صراحةً ككيان منفصل، ثم إجبار الحاسوب على تجاهل هذا الكيان عند تحديد الشيء، يصبح النظام أصعب في الخداع. وجد الباحثون أنه بينما تهم الأداة المحددة المستخدمة لقياس الفصل في كيفية تعلم الحاسوب، فإن فعل الفصل نفسه هو ما يقود إلى التحسن. يقدم هذا النهج مساراً واعداً لبناء ذكاء اصطناعي يمكنه التكيف مع البيئات الجديدة دون الحاجة إلى إعادة تدريبه من الصفر في كل مرة تتغير فيها المناظر الطبيعية.

في النهاية، يثبت هذا العمل أن قدرة الحاسوب على التعميم في المواقف الجديدة لا تتعلق فقط برؤية المزيد من الأمثلة، بل برؤية النوع الصحيح من الأمثلة. فمن خلال تعليم الآلة التمييز بين الميزات الدائمة للشيء والميزات المؤقتة لبيئته، خلق الباحثون نظاماً أقل عرضة للارتباك بسبب تغير الإضاءة، أو اختلاف الكاميرا، أو أسلوب فني جديد. وتشير النتائج إلى أن استراتيجية الفصل هذه هي أداة قوية لجعل الذكاء الاصطناعي أكثر موثوقية وقدرة في عالم الحياة الواقعية المعقد والمتغير.