الرياضيات وراء الذكاء الاصطناعي التوليدي: GAN وVAE ونماذج الانتشار

مهمة أي نموذج توليدي، مُجرَّدة من مخططات البُنية المعمارية، هي دائماً مسألة الإحصاء الأساسية نفسها: تعلّم التوزيع الاحتمالي الذي استُخلصت منه البيانات الحقيقية، بدقة كافية بحيث يمكنك سحب عينة جديدة منه تبدو وكأنها جاءت من المكان نفسه. تحلّ نماذج GAN وVAE والانتشار جميعها تلك المسألة نفسها — إنها فقط تسلك طرقاً رياضية مختلفة تماماً للوصول إلى هناك.

تعمّق الدراسات العليا

GAN: تحويل التوليد إلى منافسة

تتجنّب الشبكة التوليدية التنافسية (GAN) مسألة التوزيع الاحتمالي بالكامل تقريباً، بتحويل التوليد إلى لعبة بين لاعبين. تحوّل شبكة مولِّدة ضوضاء عشوائية إلى عينة مزيّفة؛ وتُدرَّب شبكة مميِّزة على التفريق بين العينات الحقيقية والمزيّفة. تُدرَّب المولِّدة على خداع المميِّزة؛ وتُدرَّب المميِّزة على عدم الانخداع. رسمياً، إنها لعبة ميني-ماكس على دالة قيمة، والنقطة الثابتة النظرية — حيث تُطابق المولِّدة توزيع البيانات الحقيقية تماماً ولا يمكن للمميِّزة إلا التخمين بنسبة 50/50 — هي توازن ناش.

عملياً، يصعب الوصول إلى ذلك التوازن بموثوقية. يمكن أن يتذبذب التدريب بدلاً من أن يتقارب، وهناك نمط فشل معروف يُسمى انهيار الأنماط يحدث عندما تجد المولِّدة حفنة صغيرة من المخرجات تخدع المميِّزة الحالية بموثوقية وتتوقف عن الاستكشاف أكثر — تخدع اللعبة تقنياً، بينما تُمثِّل التنوع الفعلي للتوزيع الحقيقي تمثيلاً ناقصاً بشدة.

مثال محلول: خسارة المُميِّز في شبكة GAN

دالة الخسارة القياسية للمُميِّز هي الإنتروبيا التقاطعية الثنائية: يُكافأ على إعطاء الصور الحقيقية درجة قريبة من 1 والصور المزيفة درجة قريبة من 0. لنفترض أنه في إحدى خطوات التدريب أعطى المُميِّز صورة حقيقية D(حقيقي) = 0.9 وصورة مزيفة D(مزيف) = 0.2:

• خسارة المُميِّز = −[ln(D(حقيقي)) + ln(1 − D(مزيف))]
• = −[ln(0.9) + ln(0.8)] = −[(−0.105) + (−0.223)]
• = 0.328

المُميِّز المثالي (D(حقيقي) = 1، D(مزيف) = 0) سيحقق خسارة تساوي 0 تمامًا — إذ إن ln(1) = 0 في الحالتين. أما المُميِّز المرتبك الذي يعطي كل شيء درجة قريبة من 0.5 فسيحقق خسارة ≈ 1.39 (−[ln(0.5) + ln(0.5)])، وهي بالضبط حالة «رمي العملة» عديمة الفائدة التي يحاول المولّد إجباره عليها. تُبنى خسارة المولّد نفسه من نفس درجة D(مزيف)، لكنها تُكافأ في الاتجاه المعاكس — وهذا بالضبط المعنى الدقيق الذي تخوض فيه الشبكتان منافسة محصلتها صفر حول رقم واحد مشترك.

VAE: نموذج احتمالي صادق، مُقرَّب

يسلك المُرمِّز التلقائي التغايري (VAE) الطريق الأكثر مباشرة: يفترض أن كل نقطة بيانات تُولَّد من متغير كامن مخفي z، ويحاول تعلّم تلك العملية التوليدية بشكل صحيح. المشكلة أن حساب التوزيع اللاحق الحقيقي على z بالنظر إلى نقطة بيانات مُشاهَدة يتعذّر حسابه لأي شيء أكثر تعقيداً من أبسط النماذج. إجابة VAE هي تدريب شبكة ثانية لتقريب ذلك التوزيع اللاحق، وبدلاً من تعظيم احتمالية البيانات مباشرةً (وهو ما لا تستطيعه)، تُعظِّم حدّاً أدنى قابلاً للإثبات لها — الحدّ الأدنى للدليل (ELBO) — الذي ينقسم بوضوح إلى حدّ إعادة بناء وحدّ تباعد KL يُبقي الفضاء الكامن المُتعلَّم قريباً من توزيع سابق بسيط وحسن السلوك.

حدّ KL ذاك هو ما يجعل الفضاء الكامن مفيداً حقاً: يُبقي الأشياء المتشابهة قريبة من بعضها ويمنع النموذج من مجرد حفظ نقاط معزولة، وهو سبب دعم فضاءات VAE الكامنة للاستيفاء السلس بين مُدخلين مختلفين تماماً، وهي إحدى أكثر خصائص الطريقة فائدة.

نماذج الانتشار: التوليد كعملية تراجع مُتحكَّم بها

يسلك نموذج الانتشار طريقاً ثالثاً مختلفاً تماماً. العملية الأمامية ثابتة ولا تتطلب أي تدريب على الإطلاق: خذ صورة حقيقية وأضف كمية صغيرة من ضوضاء غاوسية، مرات عديدة، حتى لا يتبقى شيء يمكن التعرّف عليه. الشيء الوحيد الذي يُتعلَّم فعلياً هو العملية العكسية — شبكة مُدرَّبة على التنبؤ، في كل خطوة، بالضوضاء التي أُضيفت للتو، بحيث يمكن طرحها مرة أخرى. شغّل تلك العملية العكسية المُتعلَّمة بدءاً من ضوضاء عشوائية خالصة، وستُولِّد عينة جديدة تماماً.

يرتبط هذا مباشرةً بحساب التفاضل والتكامل العشوائي: عملية إضافة الضوضاء الأمامية هي معادلة تفاضلية عشوائية، وتتعلم الشبكة فعلياً دالة الدرجة اللازمة لتشغيل النسخة العكسية-الزمنية من تلك المعادلة. إنه هدف تدريب أكثر استقراراً بكثير من لعبة GAN التنافسية — لا شبكتان تتقاتلان، فقط شبكة واحدة تتعلم التنبؤ بالضوضاء — وهو السبب الرئيسي وراء أن نماذج الانتشار أصبحت النهج المهيمن لتوليد الصور.

النمط الذي يستحق التذكر عبر الثلاثة جميعاً: يتجنّب GAN نمذجة التوزيع مباشرةً ويستخدم منافسة بدلاً من ذلك؛ يُنمذجه VAE بصدق لكن عليه تقريب خطوة يتعذّر حسابها؛ ويحوّل نموذج الانتشار التوليد إلى تنبؤات إزالة ضوضاء صغيرة وسهلة كثيرة بدلاً من واحدة صعبة.

ما لا يزال مفتوحاً حقاً

ثلاثة أسئلة في هذا المجال ليس لها إجابات محسومة بعد، حتى على مستوى البحث. التقييم أصعب مما يبدو — لا يوجد رقم واحد يلتقط بموثوقية ما إذا كانت عينة مُولَّدة جيدة فعلياً؛ تُقارن مقاييس قياسية مثل FID إحصائيات تمثيلات ميزات مُتعلَّمة، لا حكماً بشرياً حقيقياً، ومن المعروف أنها قابلة للتلاعب. قابلية التحكم — التوجيه الموثوق لما يُولِّده النموذج عبر مُوجِّه أو إشارة اشتراط، بدلاً من التأثير عليه بشكل عام — لا تزال مجال بحث نشط بدلاً من مسألة هندسية محسومة. وأعمق سؤال مفتوح يتعلق بـالحدود النظرية: ما إذا كانت هذه النماذج قادرة على تعميم حقيقي يتجاوز توزيع تدريبها، أو ما إذا كان ما يبدو جِدَّة هو استيفاء مُتطوِّر ضمنه — سؤال حول القدرات الأساسية للنماذج، وليس تنفيذها الحالي فقط.

لا شيء من هذا سبب لمعاملة المجال على أنه غير صارم — بل العكس تماماً. معرفة أين توجد الأسئلة المفتوحة بالضبط هو ما يُميِّز الفهم الحقيقي للذكاء الاصطناعي التوليدي عن مجرد القدرة على استخدام الأدوات دون معرفة كيفية عملها. إذا كانت دراسة الأسس الرياضية للذكاء الاصطناعي في الدراسات العليا هي وجهتك أو وجهة طالبك، فهذا بالضبط العمق الذي نُدرِّس عنده — انظر تدريسنا للذكاء الاصطناعي في الدراسات العليا أو مسار التعلم الكامل هنا.