الدرس 5 — الحدود
الرؤية الحاسوبية تتجاوز الأداء البشري في مهامّ محدّدة، وتفشل في مواقف تبدو بديهية. وفهم أنماط الفشل هذه هو ما يفصل مشروعاً ينجح عن مشروع يُلغى بعد ستّة أشهر.
السبب الأول للفشل: ظروف التصوير تغيّرت
هذا ليس حدّاً نظرياً بل السبب الأكثر شيوعاً لانهيار نماذج الرؤية بعد النشر.
النموذج مدرَّب على صور من كاميرا معيّنة في إضاءة معيّنة بزاوية معيّنة. وفي الإنتاج:
- الكاميرا استُبدلت بطراز آخر.
- الإضاءة تغيّرت بين النهار والليل، أو بُدِّل مصباح.
- الزاوية أُزيحت قليلاً بعد صيانة.
- الخلفية تغيّرت لأنّ الخطّ أُعيد تنظيمه.
كلّ واحد من هذه كافٍ لهبوط الأداء هبوطاً حادّاً. وهذا انزياح في البيانات، ويتناوله درس المراقبة.
في مشاريع الرؤية الصناعية، تثبيت ظروف التصوير أهمّ من اختيار النموذج. حاضنة إضاءة ثابتة ومثبِّت كاميرا يحسّنان النتيجة أكثر من أيّ ترقية في المعمارية. وإذا لم يكن التثبيت ممكناً، فيجب أن تتضمّن بيانات التدريب التنوّع كلّه صراحةً.
الطرق المختصرة: النموذج يحلّ مشكلة أخرى
النموذج يتعلّم أيّ ارتباط ينجح على بيانات التدريب، لا الارتباط الذي تريده. وإذا وُجد ارتباط أسهل، فسيتعلّمه هو.
المثال الشهير: نموذج يفرّق بين الذئاب والكلاب بدقّة عالية، ثمّ يُكتشَف أنّه يكشف الثلج في الخلفية، لأنّ كلّ صور الذئاب في مجموعته كانت في مناظر ثلجية. النموذج لم يخطئ في التعلّم، بل تعلّم بأمانة ما كان في البيانات.
أمثلة واقعية متكرّرة:
- نموذج تشخيص طبّي يتعلّم كشف علامة الجهاز على الصورة، لأنّ الحالات المرضية صُوِّرت في مستشفى واحد.
- نموذج فحص جودة يتعلّم كشف موضع القطعة على السير، لأنّ القطع المعطوبة كانت توضع يدوياً.
- نموذج يتعلّم كشف مسطرة القياس التي يضعها الطبيب قرب الآفات المريبة.
في كلّ حالة، الدقّة على مجموعة الاختبار ممتازة، والقيمة صفر. والكشف يقتضي اختباراً على بيانات من مصدر مختلف، وأدوات تفسير تُظهر أيّ مناطق أثّرت في القرار.
الأمثلة الخصامية
يمكن تعديل صورة بتغييرات غير مرئية للعين البشرية تقلب توقّع النموذج تماماً. لصاقة صغيرة على إشارة مرور قد تجعل النموذج يقرأها إشارةً أخرى.
هذا يكشف أنّ ما تعلّمه النموذج ليس ما نعتقده: قراره يعتمد على أنماط رقمية دقيقة لا على البنية التي يراها الإنسان.
الأثر العملي محدود في معظم التطبيقات، وحادّ في السياقات الأمنية: التحقّق من الهُويّة، وكشف المحتوى المحظور، والقيادة الذاتية. وفي هذه السياقات، افتراض وجود خصم يحاول الخداع ضرورة لا احتياط.
لا فهم فيزيائي
النموذج يتعلّم ارتباطات بصرية، لا قوانين العالم. فهو لا يعرف:
- أنّ الأجسام لا تختفي حين تُحجَب.
- أنّ الجسم غير المدعوم يسقط.
- أنّ حجم الجسم لا يتغيّر بتغيّر المسافة.
- أنّ الانعكاس في مرآة ليس جسماً ثانياً.
ولهذا تُخطئ الأنظمة في المشاهد غير المألوفة: انعكاس على زجاج، صورة مطبوعة لشخص، ظلّ يبدو جسماً. وهذه أخطاء لا يقع فيها طفل، وهي دليل على الفارق بين التعرّف البصري وفهم المشهد.
التعرّف على الوجوه: حدّ تقني وأخلاقي معاً
تقنياً، الأداء صار عالياً جدّاً في الظروف المضبوطة، ومتفاوتاً بحسب المجموعات السكّانية: دراسات مستقلّة أظهرت نسب خطأ أعلى بشكل ملحوظ على الوجوه الداكنة والوجوه النسائية، وسببها الأساسي عدم توازن بيانات التدريب.
وهذا التفاوت خطير حين يُستخدم النظام في سياق قضائي أو أمني، لأنّ الخطأ يقع على مجموعة بعينها. ولهذا قيّدت تشريعات كثيرة الاستخدام في الأماكن العامّة. ودورة الأخلاقيات تعالج المسألة بتفصيل.
اللقطات القليلة والأصنا ف النادرة
النموذج يحتاج أمثلة كافية لكلّ صنف. وفي الفحص الصناعي، تكون العيوب نادرة بطبيعتها: قد تجد ثلاث حالات لعيب معيّن في أرشيف سنة كاملة.
والحلّ ليس انتظار العيوب بل تغيير المقاربة: كشف الشواذّ بدل التصنيف. تعلّم شكل القطعة السليمة من آلاف الأمثلة المتاحة، وأبلغ عن كلّ اختلاف. وهذا يعمل بلا حاجة إلى أمثلة عيوب مسبقة، ويكشف أيضاً العيوب التي لم تُرَ من قبل.
في ثلاث جمل
السبب الأول لفشل نماذج الرؤية في الإنتاج هو تغيّر ظروف التصوير، ولهذا يكون تثبيت الإضاءة والزاوية والكاميرا أهمّ من اختيار المعمارية. والخطر الأخفى هو تعلّم الطرق المختصرة — الثلج بدل الذئب، وعلامة الجهاز بدل المرض — وكشفه يقتضي اختباراً على بيانات من مصدر مختلف لا مجموعة اختبار من التوزيع نفسه. والنموذج لا يفهم فيزياء المشهد بل ارتباطات بصرية، ولهذا يُخطئ في الانعكاسات والصور المطبوعة، ويتفاوت أداء التعرّف على الوجوه بحسب المجموعات السكّانية بما يجعل استخدامه في السياقات الحسّاسة مسألة أخلاقية لا تقنية فقط.
التالي — الدرس 6: الملخّص والأسئلة الشائعة ←