← أحدث الأبحاث
💻 علوم الحاسوب

Benchmarking Individual and Ensemble XAI Methods for Arabic Transformer-Based Text Classification

تقدم هذه الورقة بحثاً مرجعياً شاملاً لطرق الذكاء الاصطناعي القابل للتفسير، الفردية منها والجماعية، لتصنيف النصوص العربية القائمة على نماذج المحولات (Transformer)، كاشفةً أنه في حين يوفر التجميع الانتقائي تحسينات طفيفة في الموثوقية المتمحورة حول النموذج، فإنه لا يعزز بشكل كبير المعقولية المتمحورة حول الإنسان، إلى جانب تقديم طريقة مؤتمتة ومنخفضة التكلفة لاختيار المبررات.

المؤلفون الأصليون: Youssef Chafiqui, Houda Anoun

نُشر 2026-10-28
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Youssef Chafiqui, Houda Anoun

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

في عالم الذكاء الاصطناعي المعاصر، أصبحت الحواسيب بارعة بشكل ملحوظ في قراءة وفهم اللغة البشرية. يمكنها فرز آلاف التغريدات للعثور على الأصوات الغاضبة، أو مسح المراجات لتحديد ما إذا كان العميل سعيداً أم محبطاً. هذه الأنظمة، المبنية على هياكل معقدة تسمى "المحولات" (transformers)، تعمل مثل محركات قوية تعالج النصوص من خلال النظر في كيفية ارتباط الكلمات ببعضها البعض داخل الجملة. ومع ذلك، هناك عقبة: فبينما تبرع هذه المحركات في اتخاذ القرارات، إلا أنها غالباً ما تكون "صناديق سوداء" غامضة. فعندما يقرر الكمبيوتر أن جملة معينة هي خطاب كراهية أو إيجابية، فإنه لا يشرح بطبيعة الحال أي الكلمات أدت به إلى هذا الاستنتاج. وهذا النقص في الشفافية يمثل مشكلة، خاصة في المواقف الحرجة حيث يكون فهم "السبب" وراء القرار لا يقل أهمية عن القرار نفسه. وقد طور العلماء أدوات لتسليط الضക്ക് الضوء داخل هذه الصناديق السوداء، وهو مجال يُعرف بالذكاء الاصطناعي القابل للتفسير. تحاول هذه الأدوات تسليط الضوء على كلمات أو عبارات محددة اعتبرها نموذج الكمبيوتر الأكثر أهمية عندما اتخذ تنبؤاً ما. ومع ذلك، بالنسبة للغات مثل العربية، الغنية باللهجات والبنى اللغوية المعقدة، لا يزال من غير الواضح أي من أدوات التفسير هذه تعمل بشكل أفضل، أو ما إذا كان دمجها معاً يخلق صورة أوضح من استخدامها بمفردها.

لقد وضع فريق من الباحثين في جامعة الحسن الثاني بالدار البيضاء نصب أعينهم حل حالة عدم اليقين هذه من خلال وضع أشهر أدوات التفسير تحت الاختبار. وقد ركزوا على مهمتين مختلفتين تماماً: تحديد المشاعر في النص، مثل ما إذا كانت المراجعة إيجابية أم سلبية، وكشف خطاب الكراهية. وللقيام بذلك، قاموا بتدريب ثلاثة نماذج كمبيوتر مختلفة مصممة خصيصاً للغة العربية، ثم طلبوا من أربع طرق تفسير متميزة تبرير قرارات النماذج. هذه الطرق، والتي تشمل تقنيات تختبر كيف تتغير التنبؤات عند حذف الكلمات أو تغييرها، لم تُقيّم فقط بناءً على ما إذا كانت تبدو منطقية للبشر، بل أيضاً على مدى دقة عكسها للمنطق الداخلي لنموذج الكمبيوتر نفسه. كما اختبر الباحثون طريقة مؤتمتة جديدة لتحديد عدد الكلمات التي يجب تسليط الضوء عليها بالضبط في التفسير، بهدف إيجاد توازن بين أن يكون التفسير غامضاً للغاية أو محدداً للغاية.

كشفت الدراسة أنه بينما لم تكن أي أداة واحدة مثالية، فإن دمج طريقتين محددتين — إحداهما تتعلم من التغييرات الصغيرة في النص، والأخرى تحسب المساهمة الرياضية لكل كلمة — قد أنتج النتائج الأكثر موثوقية. فعندما زاوج الباحثون بين هذين النهجين، كان التفسير الناتج أكثر دقة قليلاً في عكس منطق النموذج الحقيقي مقارنة باستخدام كل أداة بمفردها. وكان هذا التحسن ثابتاً عبر كل من تحليل المشاعر وكشف خطاب الكراهية، مما يشير إلى أن الفائدة حقيقية وليست مجرد صدفة ناتجة عن مجموعة بيانات محددة. ومع ذلك، كان هذا التحسن متواضعاً؛ إذ لم يؤدِ النهج المدمج إلى إحداث ثورة في جودة التفسير، بل قدم فقط دفعة صغيرة ذات دلالة إحصائية في الموثوقية. ووجد الباحثون أن مجرد إضافة المزيد من الأدوات إلى المزيج لم يساعد؛ بل في الواقع، أدى إدراج طريقة ثالثة أو رابعة أحياناً إلى جعل التفسير أسوأ. وهذا يشير إلى أن جودة التفسير تعتمد على اختيار الشركاء المناسبين أكثر من امتلاك حشد كبير منهم.

ولعل الاكتشاف الأكثر إثارة للدهشة هو أن الالتزام بمنطق الكمبيوتر لا يعني دائماً أن يكون مقنعاً للإنسان. فقد قارن الباحثون التفسيرات المولدة حاسوبياً بمجموعة من النصوص التي قام فيها البشر بتحديد الكلمات التي يعتقدون أنها مهمة يدوياً. ووجدوا أن الطريقة التي أدت أفضل أداء في محاكاة المنطق الداخلي للكمبيوتر لم تكن بالضريد هي تلك التي تطابقت بشكل أفضل مع التدوينات البشرية. وفي بعض الحالات، كانت الأداة الأكثر دقة في محاكاة رياضيات الآلة أفضل بفارق ضئيل فقط في التوافق مع الحدس البشري من أداة كانت أقل دقة بالنسبة للآلة. وهذا التمييز أمر بالغ الأهمية: فهو يعني أن النظام يمكن أن يكون صحيحاً تقنياً بشأن كيفية عمله دون أن يكون بالضرورة مفهوماً للشخص الذي يقرأ التفسير. وتخلص الدراسة إلى أنه لفهم هذه الأنظمة حقاً، يجب علينا تقييمها من كلا المنظورين — منظور الآلة ومنظور الإنسان — بدلاً من افتراض أن أحدهما يضمن الآخر.

ولجعل هذه التفسيرات عملية، قدم الفريق أيضاً طريقة مؤتمتة جديدة لتحديد عدد الكلمات التي يجب تسليط الضوء عليها. تقليدياً، كان على الباحثين تخمين رقم أو وضع قاعدة ثابتة، مما أدى غالباً إلى تفسيرات إما طويلة جداً أو قصيرة جداً. أما الطريقة الجديدة فتنظر إلى نمط درجات الأهمية وتجد تلقائياً النقطة التي تنخفض عندها أهمية الكلمات بشكل حاد، تماماً كما قد يلاحظ المتنزه تغيراً مفاجئاً في التضاريس ليقرر أين ينتهي المسار. هذا النهج لا يتطلب أي إعدادات يدوية ويعمل بسرعة أكبر بكثير من التقنيات المؤتمتة الحالية، حيث يستغرق جزءاً من الثانية فقط لمعالجة الجملة. وبينما لم يتفوق على كل الطرق الأخرى في كل فئة، فقد قدم وسيلة فعالة للغاية لتوليد تفسيرات موجزة وذات صلة دون الحاجة إلى تدخل بشري لتعديل الإعدادات. إن هذا العمل يوفر خارطة طريق واضحة للمطورين الذين يعملون مع النصوص العربية، موضحاً أنه بينما يمكن أن يساعد دمج الأدوات، فإن الاستراتيجية الأكثر فعالية تتضمن الاختيار الدقيق والفهم الواضح بأن ما هو صحيح رياضياً بالنسبة للنموذج ليس بالضرورة ما يبدو منطقياً للقارئ البشري.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →