الوحدة 5 — فرط التخصيص ونقص التخصيص

عرضت الوحدة السابقة الآلية: تقليل خسارة على أمثلة. تعالج هذه الوحدة السؤال الذي يقرّر مصير المشروع: هل سيكون النموذج جيّداً على حالات لم يرَها قطّ؟ تسمّى هذه القدرة التعميم، وهي تفشل بطريقتين متعاكستين.

الهدف الحقيقي ليس ما يجري استمثاله

لنُعِد قراءة إجراء التدريب بعين ناقدة. نحن نقلّل الخطأ على بيانات التدريب. لكنّ ما نريده نموذجٌ صائب على بيانات المستقبل — عملاء الغد وصور الغد. التدريب يستمثل بديلاً عن الهدف الحقيقي، لا الهدف نفسه.

حرفة تعلّم الآلة كلّها في إدارة هذه الفجوة. والفشلان النموذجيان وجهاها.

نقص التخصيص: النموذج لم يلتقط البنية

ينقص تخصيص النموذج حين يكون أبسط من أن يلتقط الانتظامات الحقيقية في البيانات — أو مضبوطاً على نحو رديء. العَرَض الذي لا لبس فيه: إنه سيّئ أصلاً على بيانات التدريب. خطّ مستقيم يحاول مطابقة علاقة على شكل جرس؛ نموذج انصراف عملاء مختزل في متغيّرين بينما الظاهرة تتضمّن عشرين.

الأسباب المعتادة: نموذج أبسط من المشكل، أو متغيّرات مدخلة فقيرة لا تحمل المعلومة اللازمة، أو تدريب قُطع مبكّراً، أو معدّل تعلّم رديء الضبط لم يتقارب النزول معه أبداً.

وتتبع العلاجات: نموذج أكثر تعبيراً، ومتغيّرات أفضل (غالباً الرافعة الأكثر مردودية — دورة هندسة الخصائص مخصّصة لذلك)، وتدريب أطول أو أفضل ضبطاً.

فرط التخصيص: النموذج حفظ بدل أن يتعلّم

الفشل المعاكس، والأشدّ مكراً. يفرط النموذج في التخصيص حين يلتصق بأمثلة التدريب التصاقاً يجعله يلتقط ضجيجها — الخصوصيات العرضية لهذه العيّنة بالذات — بدل الانتظامات التي ستتكرّر وحدها.

العَرَض المميِّز: ممتاز على التدريب، متواضع على بيانات جديدة. الفجوة الكبيرة بين الأداءين هي توقيع فرط التخصيص.

تشبيه الطالب دقيق: من فهم الدرس يحلّ تمارين جديدة؛ ومن حفظ الإجابات النموذجية لا ينجح إلا في الأسئلة التي سبق أن رآها. كلاهما يحرز درجات ممتازة على امتحانات السنوات الماضية. واحد فقط جاهز للامتحان الحقيقي.

يزداد الخطر حين يكون النموذج شديد التعبير (ملايين المعاملات تستطيع حفظ الكثير)، وحين تندر البيانات (أمثلة أقلّ = حفظها كلّها أسهل)، وحين يطول التدريب (ينتهي النموذج بتعلّم الضجيج بعد تعلّم البنية).

جهاز القياس: ثلاث مجموعات بيانات

لا يمكن منع هذين الفشلين ولا حتى ملاحظتهما بلا جهاز قياس نزيه. الممارسة العالمية في المجال تقسم البيانات ثلاثة أقسام محكمة العزل:

المجموعة	الحصّة المعتادة	الدور
التدريب	60–80%	ضبط معاملات النموذج
التحقّق	10–20%	مقارنة البدائل، وضبط المعاملات الفائقة، وتقرير وقت التوقّف
الاختبار	10–20%	القياس النهائي، يُستخدَم مرّة واحدة، ولا يُستخدَم أبداً للاختيار

لماذا ثلاث لا اثنتان؟ لأنّ مجموعة التحقّق، بعد استخدامها للاختيار بين عشرات البدائل، ينتهي بها الأمر «متعلَّمة» هي أيضاً بطريق غير مباشر: نُبقي البديل الذي يعجبها، وهذه صورة ليّنة من فرط التخصيص. أمّا مجموعة الاختبار، النقيّة من كلّ قرار، فتعطي التقدير الوحيد الموثوق للأداء المستقبلي.

القاعدة التي لا تحتمل استثناء

لا يجوز لأيّ معلومة من مجموعة الاختبار أن تؤثّر في التطوير: لا اختيار النموذج، ولا المتغيّرات، ولا العتبات، ولا المعالجات المسبقة (إحصاءات التطبيع تُحسَب على التدريب وحده). أيّ خرق — ولو غير مقصود — يضخّم الأداء المقاس، وتُدفَع الفجوة في الإنتاج. لهذه العائلة من الأخطاء اسم: تسرّب البيانات، السبب الأول للنماذج «الممتازة في التطوير، المخيّبة في الإنتاج».

العلاجات المعيارية لفرط التخصيص

المزيد من البيانات. العلاج الأكثر موثوقية: كلّما كثرت الأمثلة وتنوّعت صار الحفظ أصعب والتعميم أربح. حين يكون الجمع ممكناً، فإنه يتفوّق غالباً على أيّ حيلة خوارزمية.

التنظيم (Regularization). عائلة تقنيات تعاقب تعقيد النموذج أثناء التدريب — بإضافة كلفة على حجم المعاملات إلى الخسارة، أو بإطفاء أجزاء من الشبكة عشوائياً (dropout). الأثر: إجبار النموذج على الاحتفاظ بالانتظامات المتينة بدل التفاصيل.

الإيقاف المبكّر (Early stopping). نراقب خطأ التحقّق أثناء التدريب: ما دام ينخفض نواصل؛ وما إن يرتفع بينما خطأ التدريب يواصل النزول، فقد بدأ النموذج يحفظ — نتوقّف ونحتفظ بالنسخة عند أفضل نقطة.

التبسيط. تقليص حجم النموذج أو عدد المتغيّرات. أقلّ إبهاراً من تكديس التعقيد، وأكثر متانة في الغالب.

التشخيص عملياً

الجدول الذهني الذي يستشيره كلّ ممارس:

الخلاصة

• يستمثل التدريب الخطأ على الأمثلة المعروفة؛ والهدف الحقيقي هو الأداء على حالات المستقبل. كلّ شيء يُلعَب في هذه الفجوة.
• نقص التخصيص: سيّئ في كلّ مكان — نموذج بسيط أو فقير التغذية. فرط التخصيص: لامع على التدريب، مخيّب في غيره — النموذج حفظ الضجيج.
• ثلاث مجموعات محكمة العزل (تدريب، تحقّق، اختبار)؛ الاختبار لا يُستخدَم إلا مرّة. وأيّ تسرّب بيانات يفسد القياس.
• علاجات فرط التخصيص بترتيب الموثوقية: بيانات أكثر، تنظيم، إيقاف مبكّر، تبسيط.

الوحدة التالية: أنواع التعلّم الثلاثة — المراقَب وغير المراقَب والتعزيزي — ومعيار تحديد النوع الذي يخصّ مشكلتك.