الدرس 4 — كيف تتعلّم الآلة فعلاً
عبارة «الآلة تتعلّم» تخفي الميكانيزم. لا سحر هنا، ولا فهم أيضاً. بل عدد هائل من التعديلات الرقمية الصغيرة، تُعاد حتى تتوقّف الأخطاء عن التراجع. هذا الدرس يمرّ على الحلقة، دون معادلة واحدة.
المكوّنات
كلّ نظام تعلّم خاضع للإشراف يتكوّن من أربع قطع، ويستحقّ الأمر تسميتها لأنّ هذه المفردات تتكرّر بلا انقطاع.
مجموعة البيانات — أمثلة، كلٌّ منها مصحوب بالجواب الصحيح. عشرة آلاف صورة موسومة بـ «قطّ» أو «كلب». خمسون ألف طلب قرض موسوم بـ «سُدِّد» أو «تعثّر».
النموذج — دالة رياضية مزوّدة بمقابض قابلة للضبط. النموذج البسيط يملك حفنة منها؛ والنموذج اللغوي الكبير يملك مئات المليارات. تُسمّى هذه المقابض معاملات أو أوزاناً، وهي في البداية مضبوطة على قيم عشوائية: أي أنّ مخرج النموذج ضجيج محض.
دالة الكلفة — طريقة لتقييم مقدار خطأ النموذج على مثال. توقّع «كلب» بثقة 90 % في صورة قطّ ينتج كلفة عالية. وتوقّع «قطّ» بثقة 85 % ينتج كلفة منخفضة. الدالة تحوّل «أن يخطئ» إلى رقم يمكن التصرّف على أساسه.
المُحسِّن — الإجراء الذي يدفع كلّ معامل في الاتّجاه الذي يخفّض الكلفة.
الحلقة
تدور هذه الحلقة آلاف أو ملايين المرّات. ولا شيء آخر يحدث. لا لحظة إشراق، ولا تمثيل لـ «القطّية» يُصنع بقصد. بل نتيجة تُدفَع إلى الأسفل، خطوة صغيرة في كلّ مرّة.
التشبيه الذي يوضّح الأمر
تخيّل نفسك على سفح تلّ في ضباب كثيف، تحاول الوصول إلى قاع الوادي. أنت لا ترى الأسفل. ما تحسّه هو الميل تحت قدميك. فتخطو في اتّجاه أشدّ انحدار، ثم تتحسّس مرّة أخرى، ثم تتقدّم.
هذا هو الانحدار التدرّجي، وهو فعلاً كلّ ما يعنيه التدريب. «الميل» هو الاتّجاه الذي يخفّض تغييرُ كلِّ معامل فيه الكلفةَ أكثر ما يمكن. وحجم خطوتك هو معدّل التعلّم: خطوات صغيرة جدّاً فلا تصل أبداً؛ وكبيرة جدّاً فتتخطّى الوادي لتجد نفسك على السفح المقابل.
الضباب مهمّ في التشبيه. المُحسِّن لا يملك خريطة للتضاريس كلّها. هو يعرف الميل عند موضعه فقط، وهذا يفسّر أنّ التدريب قد يستقرّ في منخفض ضحل بدل القاع الحقيقي، وأنّه لا يتقارب دائماً عند النقطة نفسها مرّتي ن.
لماذا كلّ هذه البيانات
هنا تصبح شهية البيانات واضحة. كلّ مثال يقدّم تصحيحاً صغيراً للمعاملات. نموذج يملك مليون معامل ولديه ألف مثال يملك مقابض أكثر بكثير من الأدلّة: هناك إعدادات مختلفة كثيرة تنطبق تماماً على هذه الألف، ولا يملك النموذج أيّ وسيلة لمعرفة أيّها يعكس الواقع.
أعطه مليون مثال فتُلغى الإعدادات المتناقضة. ولا تبقى إلا التشكيلات المتوافقة مع كمّ واسع ومتنوّع من الأدلّة.
كقاعدة عمل تقريبية، النموذج الكلاسيكي على بيانات جدولية يطلب مئات إلى بضعة آلاف من الصفوف. ومصنّف صور يُدرَّب من الصفر يريد آلاف الأمثلة لكلّ صنف. والنموذج اللغوي الكبير يُدرَّب على آلاف مليارات الكلمات. فإذا كان لديك ثلاثمئة مثال وعُرضت عليك شبكة عميقة، فالمشكلة في عدد الأمثلة لا في المعمارية.
فرط التخصيص، الفشل الذي يخدع الجميع
هذه أهمّ فكرة في الدرس، وسبب فشل مشاريع تعلّم الآلة بطريقة لا تُرى حتى يفوت الوقت.
يمكن لنموذج أن يبلغ دقّة تامّة على بيانات تدريبه ولا يساوي شيئاً على الجديد. يحدث ذلك حين يحفظ النموذج الأمثلة بعينها — بضجيجها ومصادفاتها — بدل أن يلتقط النمط العامّ.
المثال الكلاسيكي: نموذج دُرِّب على التمييز بين الذئاب وكلاب الهاسكي بلغ دقّة مبهرة. وكشف التفتيش أنّه تعلّم كشف الثلج. فكلّ صور الذئاب تقريباً في المجموعة كانت بخلفية مثلجة، ولا صورة هاسكي تقريباً. على مجموعة التدريب كان الاختصار يعمل تماماً. وعلى كلب هاسكي في الثلج، فشل تماماً.
النموذج لم يفعل شيئاً خاطئاً. لقد وجد أسهل إشارة تفصل الكومتين. مجموعة البيانات هي التي كانت مضلِّلة.
كيف نكشفه
الدفاع إجرائي وغير قابل للتفاوض: تقسيم البيانات قبل التدريب.
- مجموعة التدريب، نحو 70 %: النموذج يتعلّم عليها.
- مجموعة التحقّق، نحو 15 %: تُستخدم لضبط الإعدادات ولتحديد وقت التوقّف.
- مجموعة الاختبار، نحو 15 %: تُقفل ولا تُلمس إلا مرّة واحدة بالضبط، في النهاية تماماً.
إذا كانت الدقّة 99 % على التدريب و71 % على الاختبار، فالنموذج حفظ بدل أن يتعلّم. هذه الفجوة هي التشخيص.
| العَرَض | التشخيص | العلاج المعتاد |
|---|---|---|
| سيّئ في التدريب وسيّئ في الاختبار | نقص تخصيص — نموذج بسيط جدّاً | نموذج أغنى، متغيّرات أفضل |
| ممتاز في التدريب وسيّئ في الاختبار | فرط تخصيص — حفظ | بيانات أكثر، تبسيط، تنظيم |
| جيّد في الاثنين | تعلّم حقيقي | انشر، ثم راقب |
النظر إلى مجموعة الاختبار لتوجيه اختياراتك يُلغي سبب وجودها. فبمجرّد استخدامها للفصل بين نموذجين، تصبح مجموعة تحقّق ولم تعد تعطي تقديراً صادقاً للأداء الحقيقي. فرق كثيرة تفعل ذلك دون أن تلاحظ، ثم تتعجّب من أنّ الدقّة في الإنتاج أقلّ بعشر نقاط من رقم العرض.
التنبّؤ، بعد انتهاء التدريب
التدريب مكلف ويحدث مرّة واحدة، أو من وقت إلى آخر. أمّا الاستنتاج — استخدام النموذج المدرَّب — فرخيص ويحدث باستمرار. المعاملات مجمّدة؛ يصل مدخل جديد، فيخرج تنبّؤ في أجزاء من الثانية.
ومن هذا تنبع نتيجتان، وكلتاهما مفاجئة.
النموذج المنشور لا يتعلّم من استخدامه. ما لم يُعَد تدريبه صراحةً، فالإصدار الذي يجيب طلبك اليوم مماثل لما وُضع في الخدمة الشهر الماضي. وهو لا يتحسّن لأنّه يُستخدم.
والنموذج يتراجع دون أن يتغيّر. العالم يتحرّك: سلوك العملاء يتبدّل، وأنماط الاحتيال تتطوّر، والمفردات تنزلق. والنموذج يبقى حيث دُرِّب. هذا هو الانزياح، ولهذا نراقب النما ذج ونعيد تدريبها دورياً. ودورة MLOps تعالج هذه المشكلة بالتحديد.
في ثلاث جمل
التدريب حلقة تقيّم أخطاء النموذج في صورة رقم وتدفع كلّ معامل نحو تخفيض هذا الرقم، ملايين المرّات، دون أيّ حدس. والبيانات الكثيرة مطلوبة لأنّ كلّ مثال ليس إلا تصحيحاً صغيراً، ولأنّ قلّة الأمثلة تترك النموذج يحفظ بدل أن يعمّم. وهذا الفشل، فرط التخصيص، لا يُرى إلا إذا حجزت مجموعة اختبار ولم تنظر إليها قطّ.