تمهيد
تحظى النماذج القابلة للتفسير القائمة على تعلم المفاهيم باهتمام نظري واسع، لما تقدمه من تفسيرات حدسية نسبيًا للقرارات التي تتخذها أنظمة الذكاء الاصطناعي، فهي تربط المخرجات بمفاهيم مفهومة للإنسان بدل الاكتفاء بتنبؤات غامضة يصعب تعليلها، غير أن هذه النماذج تواجه في الممارسة العملية، ولا سيما في مهام التصنيف، تحديات حقيقية تتعلق بالدقة والقدرة على التعميم إلى بيانات جديدة، وهو ما يحد من الاعتماد عليها في التطبيقات الحساسة التي تتطلب تفسيرًا واضحًا وأداءً مرتفعًا في آن واحد، ومن هذا المنطلق تقترح هذه الدراسة منهجية تحسين جديدة تمزج بين تعلم المفاهيم وآليات كشف التعارض
وتتعدد المقترحات الرامية إلى تحسين هذه النماذج بين إعادة هيكلة بنيتها وإغناء بيانات تدريبها، غير أن كثيرًا منها يضحي بقابلية التفسير أو يبقي الدقة دون المستوى المنافس للنماذج الأقل قابلية للتفسير، ومن هنا تأتي الحاجة إلى مسارات تحسين تحافظ على الميزتين معًا
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير منهجية تحسين تدمج تعلم المفاهيم بآليات رصد التعارض، مستلهمة إطارها من نظرية التعارض المعرفي، بما يرفع دقة نماذج تعلم المفاهيم القابلة للتفسير ويعزز قدرتها على التعميم، وقد وظفت الدراسة إطار التمثيل المكاني المستمد من نظرية الفضاء المعرفي لتحسين عملية ضبط المعايير داخل هذه النماذج، بما يحسن سلوكها المعرفي ويقوي قدراتها على تعلم المفاهيم من خلال دمج المعلومات متعددة الوسائط
وتعمل مراقبة التعارض ضمن المنهجية المقترحة بوصفها آلية تغذية راجعة تساعد النموذج على تعديل استراتيجية تعلمه عند رصد أخطاء أو تناقضات أثناء التدريب، بما يرفع أداء التعميم لدى النماذج القابلة للتفسير دون التضحية بقابليتها للفهم، وقد تحققت الدراسة من فعالية هذا الأسلوب بتجريبه على أربع مجموعات بيانات، وقارنت نتائجه بما تحقق في غياب آليتي التمثيل المكاني ومراقبة التعارض
وللتحقق من المنهجية طبقتها الدراسة على أربع مجموعات بيانات، ورصدت أثر مكوناتها في الأداء بما يتيح الحكم على إسهام التمثيل المكاني ومراقبة التعارض في النتيجة النهائية، وعلى مدى اتساق التحسن عبر مهام تصنيف مختلفة
ثانيًا: أبرز النتائج
أظهرت التجارب أن المنهجية المقترحة حققت دقة تصنيف أعلى على مجموعات البيانات الأربع التي اختبرت عليها، فقد أسهم دمج معلومات الوسائط المتعددة عبر إطار التمثيل المكاني في تحسين السلوك المعرفي للنموذج وتعزيز تعلمه للمفاهيم، وأسهمت مراقبة التعارض بدورها في تصحيح مسار التعلم كلما ظهرت أخطاء أو تباينات، فارتفع أداء التعميم لدى النماذج القابلة للتفسير، وتؤكد هذه النتيجة أن الجمع بين البنية المعرفية المستلهمة من نظريات الإدراك البشري وآليات الرصد والتصحيح الذاتي يمكن أن يسد جزءًا من الفجوة التقليدية بين قابلية التفسير ودقة الأداء التي طالما واجهت هذا النمط من النماذج
وبذلك أثبتت المنهجية أنها لا ترفع الدقة فحسب، بل تحافظ في الوقت نفسه على الطابع التفسيري الذي يميز نماذج تعلم المفاهيم ويجعل قراراتها قابلة للفهم والمراجعة
وتتسق هذه النتائج مع فرضية الدراسة الأساسية القائلة بأن محاكاة آليات الإدراك البشري في رصد التعارض وتصحيحه تمنح النماذج قدرة تعلم أشبه بالتعلم البشري، إذ لا يكتفي النموذج بتلقي البيانات بل يراجع استنتاجاته ويعيد ضبط معاييره عند ظهور ما يناقضها أثناء التعلم
ثالثًا: دلالات الدراسة وتطبيقاتها
وتحمل هذه النتائج دلالات مهمة لحقل الذكاء الاصطناعي القابل للتفسير، فهي تبين أن الاستلهام من نظريات الإدراك البشري، كالتعارض المعرفي والفضاء المعرفي، ليس ترفًا نظريًا بل مسار عملي لتحسين النماذج، وأن آليات مراقبة التعارض تمنح الأنظمة قدرة على مراجعة تعلمها وتصويبه ذاتيًا بما يعزز الاعتماد عليها، ويفتح ذلك الباب أمام تطبيق نماذج تعلم المفاهيم في مجالات تتطلب تفسيرًا واضحًا للقرارات مع دقة تنافسية، كما يشجع على مزيد من البحث في دمج المعلومات متعددة الوسائط داخل أطر معرفية قابلة للفهم والتدقيق، وهي دلالات تتسع لتشمل تصميم أنظمة دعم القرار التي يشترط فيها تقديم مبررات واضحة لكل توصية تصدر عنها
وخلاصة القول إن الدراسة قدمت منهجية تحسين تجمع بين تعلم المفاهيم ومراقبة التعارض في إطار معرفي مكاني، وأثبتت على أربع مجموعات بيانات أنها ترفع دقة التصنيف وأداء التعميم لدى النماذج القابلة للتفسير، بما يقدم دليلًا على جدوى النمذجة المستلهمة من الإدراك البشري في بناء أنظمة ذكاء اصطناعي أدق وأكثر قابلية للفهم
