ما هو التعلم بدون أمثلة مُسبقة؟

يتم تدريب معظم نماذج التعلم العميق المتطورة للتصنيف أو الانحدار من خلال التعلم الخاضع للإشراف، والذي يتطلب العديد من الأمثلة المصنَّفة لفئات البيانات ذات الصلة. "تتعلم" النماذج من خلال إجراء تنبؤات على مجموعة بيانات تدريبية مصنَّفة؛ حيث توفِّر تصنيفات البيانات نطاق الإجابات المحتملة والإجابات الصحيحة (أو الحقيقة الأساسية) لكل مثال تدريبي. يعني "التعلم" هنا تعديل أوزان النموذج لتقليل الفرق بين تنبؤات النموذج والحقيقة الأساسية. وتتطلب هذه العملية عيّنات مصنفة كافية للعديد من جولات التدريب والتحديثات.

على الرغم من فعالية التعلم الخاضع للإشراف، فإنه غير عملي في بعض سيناريوهات العالم الحقيقي. يُعدّ وضع تعليقات توضيحية لكميات كبيرة من عينات البيانات أمرًا مكلفًا للغاية ويستغرق وقتًا طويلاً، وفي حالات مثل الأمراض النادرة والأنواع المكتشفة حديثًا، قد تكون الأمثلة نادرة أو غير موجودة. ضع في حسبانك مهام التعرف على الصور: وفقًا لإحدى الدراسات، يمكن للبشر التعرف على ما يقرب من 30,000 فئة من فئات الأشياء التي يمكن تمييزها بشكل فردي.¹ ليس من الممكن، من حيث الوقت والتكلفة والموارد الحاسوبية، أن تقترب نماذج الذكاء الاصطناعي من القدرات البشرية عن بُعد في حال تدريبها بشكل صريح على بيانات مصنفة لكل فئة.

لقد أدت الحاجة إلى أن تكون نماذج التعلم الآلي قادرة على التعميم بسرعة على عدد كبير من الفئات الدلالية بأقل قدر من التدريب إلى ظهور التعلم بمثال واحد: وهي مجموعة فرعية من التعلم الآلي تشمل أيضًا التعلم بالقليل من الأمثلة والتعلم بمثال واحد. وعادةً ما يستخدم التعلُّم بمثال واحد فقط التعلُّم النقلي والأساليب القائمة على التعلُّم الوصفي لتدريب النماذج على التعرف بسرعة على الفئات الجديدة باستخدام عدد قليل من الأمثلة التدريبية المصنفة - أو مثال واحد مصنّف في التعلُّم بمثال واحد.

لا يشير التعلّم بدون أمثلة مُسبقة، مثله مثل جميع أنواع التعلّم بالقليل من الأمثلة، إلى أي خوارزمية محددة أو بنية شبكة عصبية معينة، بل إلى طبيعة مشكلة التعلّم نفسها: حيث لا يتم تدريب النموذج في التعلّم بدون أمثلة مُسبقة على أي أمثلة مُصنّفة للفئات غير المرئية التي يُطلب منها وضع تنبؤات تتعلق بها بعد التدريب.

لا يأخذ إعداد المشكلة هذا في الحسبان ما إذا كانت هذه الفئة موجودة (وإن كانت غير مُصنَّفة) في بيانات التدريب. على سبيل المثال، بعض نماذج اللغة الكبيرة (LLMs) مناسبة تمامًا لمهام التعلم بدون أمثلة مُسبقة، حيث يتم تدريبها مسبقًا من خلال التعلم الذاتي الخاضع للإشراف على مجموعة ضخمة من النصوص التي قد تحتوي على إشارات عرضية أو معرفة بفئات بيانات غير مرئية. ومن دون وجود أمثلة مصنفة للاستفادة منها، تعتمد جميع طرق التعلم بدون أمثلة مُسبقة على استخدام مثل هذه المعرفة المساعدة لوضع التنبؤات.

نظرًا لتعدد استخداماته ونطاقه الواسع من حالات الاستخدام، فقد أصبح التعلم بدون أمثلة مُسبقة مجالاً ملحوظًا بشكل متزايد للبحث في علوم البيانات، لا سيما في مجالات الرؤية الحاسوبية ومعالجة اللغة الطبيعية (NLP).

في إعداد التعلم التقليدي دون أمثلة (ZSL)، يتم اختبار النموذج على مجموعة بيانات تحتوي على عيّنات من فئات غير مرئية من البيانات. رغم أنه سيكون مفيدًا لتطوير منهجيات التعلُّم دون أمثلة والتحقق منها، فإنه لا يعكس غالبية الظروف الواقعية: يُشير التعلم دون أمثلة العام (GZSL) إلى مشكلة التعلم دون أمثلة المحددة التي قد تنتمي فيها نقطة البيانات أو النقاط التي يُكلف النموذج بتصنيفها إلى فئات لم يسبق للنموذج رؤيتها أو فئات سبق أن تعلمها من أمثلة مصنَّفة.

يجب أن يتغلب GZSL على تحدٍ إضافي: ميل المصنِّفات إلى التحيّز في التنبؤات نحو الفئات التي شاهدتها في التدريب على حساب الفئات غير المرئية التي لم تتعرض لها بعد. وعلى هذا النحو، غالبًا ما يتطلب التعلم دون أمثلة تقنيات إضافية للتخفيف من هذا التحيّز.

في حال عدم وجود أي أمثلة مصنفة للفئات التي يتم تدريب النموذج على تعلمها، فإن مشاكل التعلم بدون أمثلة مُسبقة تستفيد من المعلومات المساعدة: الأوصاف النصية أو السمات أو التمثيلات المضمنة أو غيرها من المعلومات الدلالية ذات الصلة بالمهمة المطروحة.

بدلًا من نمذجة الحدود الفاصلة بين الفئات بشكل مباشر، تعمل تقنيات التعلم دون أمثلة عادةً على إنتاج متجه احتمالات يمثِّل مدى احتمال انتماء الإدخال المعطى إلى فئات معينة. قد تضيف طرق GZSL مصنِّفًا تمهيديًا يحدِّد أولًا إذا ما كانت العيّنة تنتمي إلى فئة مألوفة أو جديدة، ثم يتصرف بناءً على ذلك.

في التعلّم الخاضع للإشراف - وكذلك في التعلّم بالقليل من الأمثلة (FSL) - يتعلّم النموذج التعرّف على الفئات المختلفة من خلال المراقبة المباشرة لواحد أو أكثر من الأمثلة المُصنَّفة لكل فئة. من دون هذه التوضيحات لتوجيههم، يتطلب التعلم بدون أمثلة مسبقة فهمًا أكثر جوهرية لمعنى التصنيف.

ولإجراء تشبيه بسيط، تخيل أن طفلة تريد أن تتعرف على شكل طائر. تتعلم الطفلة، في عملية تشبه التعلم الخاضع للإشراف أو التعلم بالقليل من الأمثلة، من خلال النظر إلى الصور التي تحمل اسم "طائر" في كتاب يحتوي على صور حيوانات. ومن ثم، ستتعرف على الطائر لأنه يشبه صور الطيور التي شاهدتها بالفعل. ولكن في سيناريو التعلم بدون أمثلة مُسبقة، لا تتوفر مثل هذه الأمثلة المصنفة. وبدلاً من ذلك، قد تقرأ الطفلة مدخلاً في الموسوعة عن الطيور وتعرف أنها حيوانات صغيرة أو متوسطة الحجم ذات ريش ومناقير وأجنحة يمكنها الطيران في الهواء. ستتمكن بعد ذلك من التعرف على طائر في العالم الحقيقي، على الرغم من أنها لم ترَ طائرًا من قبل، لأنها تعلمت مفهوم الطائر.

كما ذكرنا سابقًا، أظهرت النماذج اللغوية الكبيرة إمكانات طبيعية للتعلم بدون أمثلة مُسبقة، مستمدة من قدرتها على فهم معنى الكلمات المستخدمة لتسمية فئات البيانات بشكل أساسي.

لتقليل الوقت والموارد اللازمة للتدريب، فضلاً عن كمية المعلومات الإضافية اللازمة لتحديد الفئات غير المرئية، غالبًا ما يستفيد التعلم بدون أمثلة مسبقة من التعلم التحوّلي - عن طريق إعادة استخدام نموذج مُدرَّب لمهمة جديدة - بدلاً من تدريب النماذج من الصفر.

يُستخدم التعلم التحولي بشكل بارز في طرق التعلم بدون أمثلة مسبقة التي تمثل الفئات والعينات كتضمينات دلالية. على سبيل المثال، قد يستخدم النموذج الذي يصنّف النصوص من دون أمثلة مُسبقة نموذجًا قائمًا على المحولات مثل BERT، والذي تم تدريبه مسبقًا على مجموعة ضخمة من البيانات اللغوية، لتحويل الكلمات إلى تضمينات متجهة. وبالمثل، يمكن أن يعيد نموذج تصنيف الصور من دون أمثلة مُسبقة توظيف شبكة عصبية تلافيفية (CNN) مُدرّبة مسبقًا مثل شبكة ResNet أو شبكة U-Net، حيث سيكون قد تعلّم بالفعل أوزان عوامل تصفية تساعد على تحديد ميزات الصورة المهمة التي يمكن أن تفيد في التصنيف.

يُعد التعلّم التحوّلي مهمًا بشكل خاص في نظام التعلم بدون أمثلة مسبقة المعمم، حيث يمكن استخدام معرفة النموذج بالفئات المرئية كمعلومات إضافية عن الفئات غير المرئية، على سبيل المثال، تخيل أن نموذج اكتشاف الأجسام قد تعلم بالفعل التعرف على الدببة الرمادية. فبدلاً من تدريبه على التعرف على الدببة القطبية أيضًا من خلال تزويده بأمثلة للدببة القطبية ذات العلامات المميزة، يمكن تدريبه على فهم أن الدببة القطبية تشبه الدببة الرمادية ذات الفراء الأبيض.

يُشار إلى عملية نقل المعرفة المكتسبة هذه إلى مهام جديدة وفئات مختلفة أيضًا باسم تكيف المجال.

تستخدم أساليب التعلم بدون أمثلة مسبقة المستندة إلى السمات منطقًا مشابهًا لمنطق التعلم التقليدي الخاضع للإشراف. فبدلاً من تدريب المصنف مباشرةً على أمثلة مصنفة لكل فئة من فئات البيانات، يتم تدريب المصنفات على سمات مصنفة لفئات بيانات معينة، مثل اللون أو الشكل أو السمات الرئيسية الأخرى.

على الرغم من عدم رؤية الفئات المستهدفة بشكل مباشر في التدريب، يمكن استنتاج تصنيف فئة غير مرئية إذا كانت سماتها تشبه فئات السمات الموجودة في بيانات التدريب.

وبمجرد أن يتعلم المصنف جميع الميزات ذات الصلة، يمكنه استخدام الأوصاف الدلالية للفئات المختلفة. يُعد هذا النهج مفيدًا بشكل خاص عندما تكون الأمثلة المصنفة للفئة المستهدفة غير متوفرة، ولكن الأمثلة المصنفة لخصائصها المميزة وفيرة نسبيًا. على سبيل المثال، يمكن للنموذج أن يتعلم كلمة "خطوط" من صور النمور والحمير الوحشية ؛ ويمكنه تعلم كلمة "أصفر" من صور جزر الكناري، وكلمة "حشرة طائرة" من صور الذباب. يمكن للنموذج الآن إجراء تصنيف من دون أمثلة مُسبقة للنحل، على الرغم من عدم وجود صور للنحل في مجموعة التدريب، لأنه يمكنه فهمها كمجموعة من السمات المكتسبة: "حشرات طائرة صفراء مخططة."

وعلى الرغم من تعدد الاستخدامات وفائدتها في الظروف المناسبة، فإن طرق التعلم بدون أمثلة مسبقة المستندة إلى السمات لها عيوب معروفة:

• فهي تعتمد على افتراض رئيسي مفاده أنه يمكن وصف كل فئة بمتجه واحد من السمات، وهذا ليس هو الحال دائمًا. ويستشهد Mall وHariharan وBala بأمثلة طائر الحسون الأمريكي - الذي يختلف لونه وأنماط ريشه باختلاف الجنس والعمر وحالة التكاثر - وملاعب كرة الريشة في الهواء الطلق، والتي تختلف اختلافًا كبيرًا من حيث اللون والسطح ووجود الخطوط الرسمية (أو غيابها).²
  
  
• من المحتمل أن يكون التعليق التوضيحي لأمثلة السمات الفردية مكلفًا ومستهلكًا للوقت مثل التعليق التوضيحي لأمثلة فئة معينة.
  
  
• لا يمكن تعميم الطرق المستندة إلى السمات على الفئات التي تكون سماتها غير معروفة أو غير موجودة في العينات المتاحة.

تمثل العديد من أساليب التعلم بدون أمثلة مسبقة كلاً من الفئات والعينات على أنها تضمينات دلالية: تمثيلات متجهة يمكن استخدامها لتعكس ميزات أو معنى (والعلاقة بين) نقاط البيانات المختلفة. ثم يتم تحديد التصنيف من خلال قياس التشابه بين التضمين الدلالي لعينة معينة والتضمينات الخاصة بالفئات المختلفة التي يمكن تصنيفها إليها.

بمجرد تمثيل نقاط البيانات على شكل تضمينات، يتم تحديد التصنيف باستخدام مبادئ مشابهة لمبادئ خوارزميات الجيران الأقرب K: يتم استخدام بعض مقاييس المسافة، مثل تشابه جيب التمام أو المسافة الإقليدية أو مسافة Wasserstein، لقياس مدى قرب تضمين البيانات المدخلة من التضمينات لكل فئة محتملة. وكلما كان تضمين عينة البيانات هذه أقرب (أو أكثر تشابهًا) إلى تضمين فئة معينة، زادت احتمالية انتمائها إلى تلك الفئة.

يمكن إنشاء هذه التضمينات بعدة طرق. على سبيل المثال:

• يمكن للنماذج والخوارزميات المدرَّبة مسبقًا مثل BERT أو word2vec أو GloVe (المتجهات العالمية) أن تُخرج بسهولة تضمينات المتجهات للكلمات (مثل أسماء تصنيفات الفئات).
   

• وبالمثل، يمكن لشبكات التشفير الخاصة بالشبكة العصبية الترشيحية المُدربة مسبقًا مثل ResNet (أو مشفرات الصور القائمة على المحولات مثل ViT) أن تفعل الشيء نفسه للصور.
   

• يمكنلبرامج التشفير التلقائي تعلم التمثيلات—تضمينات مضغوطة وأقل أبعادًا تبرز أهم المتغيرات المميزة لكل إدخال بيانات—للعينات أو الفئات.

• بدلاً من التعلّم التحوّلي، يمكن تدريب مجموعة متنوعة من بنيات الشبكات العصبية من الصفر على بيانات التدريب ذات الصلة - مثل عينات من فئات البيانات ذات الصلة التي تتوفر لها أمثلة مصنفة - لإخراج تضمينات فعالة.

نظرًا لأن الأساليب القائمة على التضمين عادةً ما تعالج المعلومات الإضافية والتضمينات المساحية المتجهة لأشكال (أو طرائق) مختلفة من البيانات - مثل تضمينات الكلمات التي تصف تسمية فئة ما وتضمين صورة فوتوغرافية قد تنتمي إلى تلك الفئة - فإنها تتطلب طريقة لتسهيل المقارنة بين تضمينات أنواع البيانات المختلفة.

للمقارنة، يجب تطبيع التضمينات المتجهة بأنواعها وأحجامها المختلفة وإسقاطها في مساحة دلالية مشتركة عالية الأبعاد، يُشار إليها باسم مساحة التضمين المشتركة، حيث يمكن مقارنتها في بيئة متماثلة. ومن الناحية النظرية، فإن هذا يشبه مفهوم إيجاد المقام المشترك الأصغر لمقارنة الكسور المتباينة. يُعد التعيين القوي المترابط بين مصادر التضمين المختلفة أمرًا ضروريًا لأداء تعميم النموذج.³

تستخدم بعض نماذج التعلم من دون أسئلة مسبقة أيضًا التعلم التبايني لمواءمة التضمينات الدلالية من نماذج أو خوارزميات مختلفة بشكل أفضل: باستخدام أزواج من التضمينات الدلالية، يدرّب التعلم التبايني النماذج على تقليل المسافة بين الأزواج "الإيجابية" (مثل تضمين صورة كلب وصورة كلمة "كلب") وزيادة المسافة بين الأزواج "السلبية" (غير المتطابقة).

تتمثل إحدى الطرق الفعالة لضمان التوافق بين التضمينات من نماذج مختلفة في تدريب تلك النماذج جنبًا إلى جنب بشكل مشترك. على سبيل المثال، تم تدريب نموذج تدريب صورة اللغة التباينية المسبق (CLIP) من OpenAI على مجموعة بيانات ضخمة غير مصنفة تضم أكثر من 400 مليون زوج من الصور-التعليقات المأخوذة من الإنترنت.⁴

تم استخدام هذه الأزواج لتدريب أداة تشفير الصور وأداة تشفير النصوص بشكل مشترك من الصفر، باستخدام فقدان التباين لتحقيق أقصى قدر من التشابه في جيب التمام بين تضمينات الصور والتضمينات الخاصة بالتعليقات التوضيحية المقابلة لها. وقد أسفر ذلك عن قدرة طبيعية على التصنيف من دون أمثلة مسبقة: مع عدم وجود ضبط دقيق، أظهر تدريب صورة اللغة التباينية المسبق أداءً قويًا في التصنيف على 27 مجموعة بيانات مختلفة لتصنيفات الصور.

يقدِّم الذكاء الاصطناعي التوليدي حلًا بديلًا لمشكلة التعلم دون أخطاء: استخدام المعلومات المساعدة لتوليد بيانات العينة، دون الحاجة إلى أمثلة مصنَّفة للقيام بذلك.

يمكن للأساليب القائمة على التوليد الاستفادة من التمثيلات الدلالية للفئات غير المرئية لإنشاء عينات يمكن استخدامها بمجرد تصنيفها لتحويل مشكلة التعلم إلى تعلم قياسي خاضع للإشراف. وعلى الرغم من أن العينات غير المصنفة (أو تمثيلات الفئات المرئية ذات الصلة الوثيقة) يمكن أن تساعد على تركيب العينات، فإن هذه العملية تعتمد في الغالب في بيئة من دون أمثلة مسبقة على الأوصاف الدلالية في المقام الأول.

يمكن أن تقلل النماذج اللغوية الكبيرة من العمل اللازم لإنتاج أوصاف عالية الجودة: لاحظت OpenAI في ورقة الإصدار لنموذجها DALL-E 3 لتوليد النصوص إلى صور، أن التسميات التوضيحية الاصطناعية حسّنت أداء النموذج مقارنة بالتسميات التوضيحية "الحقيقة الأساسية".⁵

المُشفرات التلقائية المتغيرة (VAEs) هي نماذج توليدية ذاتية الإشراف تتعلم التمثيلات الكامنة لبيانات التدريب كتوزيع معلمي للمتغيرات الكامنة. بعبارة أخرى، يتعلمون تشفير فئة البيانات وليس كتضمين دلالي ثابت، ولكن كتوزيع احتمالي في الفضاء الكامن. يمكن بعد ذلك استخدام وحدة فك التشفير لتوليد عينة عشوائية من ذلك الفضاء الكامن. يمكن للمُشفرات التلقائية المتغيرة الشرطية (CVAEs) تقييد خصائص العينات المركبة من خلال مضاعفة احتمال المتغيرات المختارة.

تتألف الشبكات التنافسية التوليدية من شبكتين عصبيتين تم تدريبهما معًا في لعبة محصلتها صفر: مولِّد يستخدم السمات الدلالية والضوضاء الغاوسية لتوليف العينات ومميّز، ويحدِّد إذا ما كانت العينات حقيقية أو "مزيفة" (أي التي تم توليفها من خلال المولد). تُستخدم التعليقات الواردة من المُميِّز لتدريب المولد حتى لا يستطيع المُميِّز التمييز بين العينات الحقيقية والمزيفة. ومُنذ صدور الورقة البحثية الأصلية للشبكات التنافسية التوليدية، في عام 2014، تم تطوير عدد من التعديلات لتحسين هذه العملية وتثبيتها.

ثمة عيوب لكل من المُشفرات التلقائية المتغيرة والشبكات التنافسية التوليدية:

• تُعَد أجهزة التشفير التلقائي المتغير مستقرة، ولكنها تميل إلى إنشاء صور ضبابية بسبب طبيعة آلية إعادة بناء العيّنات من الفضاء الكامن.
   

• تتعلم الشبكات التنافسية التوليدية إنشاء صور عالية الجودة، ولكنها عرضة لعدم الاستقرار لأنها يجب أن تتقارب بين عمليتي تدريب منفصلتين ومختلفتين.

وعلى الرغم من تطوير عدد من التعديلات لتحسين العمليتين وتثبيتهما، فإن الجمع بين بنيتي النموذجين قد أسفر عن نتائج واعدة في بيئة من دون أمثلة مسبقة.⁶

يمكن أيضًا استخدام النماذج اللغوية الكبيرة لتجميع عينات مصنفة: على سبيل المثال، استخدام نموذج ذاتي الانحدار مثل Llama 2 لإنتاج عينات يمكن استخدامها لتدريب نموذج لغوي ثنائي الاتجاه مثل Sentence-BERT من أجل مهام تصنيف النصوص.