Attention-Guided Stroke Location Inversion for Explainable Sketch Recognition

لقد ظل البشر يرسمون للتواصل لآلاف السنين، قبل وقت طويل من اختراع الكلمة المكتوبة. إن الرسم التخطيطي ليس مجرد صورة سلبية للعالم؛ بل هو سلسلة متعمدة ومقصودة من الاختيارات. فعندما يرسم فنان دراجة هوائية، فإنه لا يلتقط كل التفاصيل دفعة واحدة، بل يختار خطوطًا محددة — دائرة لعجلة، وخط لهيكل — ويضعها بترتيب معين لجعل الشيء قابلاً للتمييز. هذا النوع الفريد من التفكير، حيث يتم بناء المعنى من خلال سلسلة من الخطوات المنفصلة، يقدم نافذة نادرة على كيفية معالجة البشر للمعلومات البصرية. ولعقود من الزمن، حاول العلماء بناء أجهزة كمبيوتر يمكنها فهم هذه الرسومات، لكن تحديًا أعمق لا يزال قائمًا: كيف يمكننا جعل هذه الآلات تشرح منطقها بطريقة يمكن للبشر الوثوق بها؟ هذا هو هدف مجال يُعرف بالذكاء الاصطناعي القابل للتفسير. وبينما حقق الباحثون خطوات كبيرة في مساعدة أجهزة الكمبيوتر على شرح قراراتها المتعلقة بالصور الفوتوغرافية أو النصوص، ظل عالم الرسومات اليدوية لغزًا كبيرًا إلى حد ما. فالخطوط في الرسم التخطيطي تكون متفرقة ومتسلسلة، مما يجعل تحليلها صعبًا باستخدام نفس الأدوات المستخدمة للصور الكثيفة والمتصلة.

تتناول دراسة حديثة أجراها باحثون من جامعة ديبالسين وجامعة يانشان هذه المشكلة من خلال النظر في كيفية اتخاذ الكمبيوتر قرارًا بشأن الأجزاء الأكثر أهمية في الرسم. بدأ الفريق بطريقة موجودة بالفعل تحاول الهندسة العكسية لرسم تخطيطي. تخيل كمبيوترًا تم تدريبه على التعرف على دراجة هوائية؛ إذا أعطيته مجموعة عشوائية من الخطوط، تحاول هذه الطريقة تحريك تلك الخطوط حتى يصبح الكمبيوتر واثقًا من أنه يرى دراجة هوائية. النسخة الأصلية من هذه الطريقة كانت تعامل كل خط في الرسم كأنه بنفس الأهمية، وتحركها جميعًا بنفس السرعة. وقد افترض الباحثون أن هذا كان غير فعال، واعتقدوا أنه تمامًا كما يركز الفنان البشري على الميزات الأكثر تحديدًا أولاً، يجب على الكمبيوتر أيضًا إعطاء الأولوية للخطوط الأكثر أهمية لقراره. ولاختبار ذلك، نظروا داخل "دماغ" الكمبيوتر — وتحديدًا طبقة تخصص درجات أهمية طبيعية لأجزاء مختلفة من المدخلات — وحاولوا استخدام تلك الدرجات لتوجيه حركة الخطوط.

جرب الباحثون أولاً نهجًا مباشرًا حيث قاموا بتعديل سرعة كل خط بناءً على درجة أهميته. فإذا اعتبر الخط مهمًا جدًا، فإنه سيتحرك بشكل أسرع؛ وإذا كان أقل أهمية، فسيتحرك بشكل أبطأ. ومع ذلك، عندما اختبروا هذه الفكرة بصرامة عبر العديد من الرسومات المختلفة، كانت النتائج غير متسقة. فأحيانًا نجحت الطريقة في تسريع العملية، ولكن في حالات أخرى، جعلت الكمبيوتر أبطأ أو مشوشًا. أدرك الفريق أن هذا التعديل المستمر والبسيط كان حساسًا للغاية للتباينات الصغيرة في البيانات، تمامًا مثل محاولة توجيه سفينة عن طريق تغيير زاوية الدفة باستمرار بناءً على كل تموج صغير في الماء؛ فقد كانت الإشارة مليئة بالضجيج لدرجة تجعلها غير موثوقة.

ولم يستسلم الفريق، بل قاموا بتحسين نهجهم. فبدلاً من تعديل سرعة كل خط قليلًا، قرروا التركيز فقط على الثلاثين بالمائة العليا من الخطوط الأكثر أهمية. وبالنسبة لهذه الخطوط الرئيسية، طبقوا دفعة قوية وثابتة لتحريكها بسرعة نحو مواضعها الصحيحة، بينما تركوا الخطوط الأخرى تتحرك بوتيرة قياسية. ومن الأهمية بمكان أنهم أضافوا أيضًا قاعدة تقضي بأن هذه السرعة الإضافية ستتلاشى تدريجيًا مع اقترب الرسم من كونه صحيحًا، مما يضمن عدم تجاوز الكمبيوتر للهدف أو تشتيت الصورة النهائية. أثبت هذا النهج الجديد، الأكثر انضباطًا، نجاحه. فعند اختباره مقابل أدوات تحسين الكمبيوتر القياسية، وجدت الط পদ্ধতি الجديدة الترتيب الصحيح للخطوط في عدد أقل من الخطوات باستمرار. ففي المتوسط، استغرق الأمر عشر خطوات فقط لحل اللغز، بينما تطلبت الأدوات القياسية تسع عشرة أو حتى أربع وعشرين خطوة. علاوة على ذلك، كانت الرسومات النهائية التي أنتجتها هذه الطريقة أكثر دقة، مع خطأ أقل في كيفية تموضع الخطوط بالنسبة لبعضها البعض.

كما كشفت الدراسة أن هذه الطريقة لم تكن أسرع من الناحية النظرية فحسب، بل كانت أسرع من الناحية العملية أيضًا. فبالرغم من أن الطريقة الجديدة تتطلب حسابًا أكثر تعقيدًا لكل خطوة، إلا أن حقيقة أنها احتاجت إلى خطوات أقل بكثير تعني أن الوقت الإجمالي لحل المشكلة انخفض بنسبة تقارب واحد وثلاثين بالمائة. وتعد هذه الكفاءة أمرًا حيويًا للتطبيقات الواقعية حيث تهم السرعة. وقد حرص الباحثون على الإبلاغ عن رحلتهم بأكملها، بما في ذلك الفشل الأولي لفكرتهم الأولى، لضمان قدرة العلماء الآخرين على إعادة إنتاج نتائجهم دون الوقوع في نفس الأفخاخ. ومن خلال إثبات أن الكمبيوتر يمكنه تعلم ترتيب الأولويات للأجزاء الأكثر أهمية في الرسم التخطيطي ليشرح منطقه الخاص، يوفر هذا العمل مسارًا أكثر وضوحًا وكفاءة لفهم الآلات للتعبير البشري. إنه يوضح أنه من خلال احترام الطبيعة الفريدة والخطوة بخطوة لكيفية رسمنا، يمكننا بناء ذكاء اصطناعي ليس فقط أكثر ذكاءً، بل أيضًا أكثر شفافية في كيفية رؤيته للعالم.