Capsule Networks (CapsNet)

تمثل شبكات الكبسولة (Capsule Networks)، والتي يُختصر اسمها غالباً بـ CapsNets، هندسة متقدمة في مجال التعلم العميق مصممة للتغلب على قيود محددة توجد في الشبكات العصبية التقليدية. تم تقديم CapsNets بواسطة Geoffrey Hinton وفريقه، وهي تحاول محاكاة التنظيم العصبي البيولوجي للدماغ البشري بشكل أوثق من النماذج القياسية. على عكس الشبكة العصبية التلافيفية (CNN) النموذجية، والتي تتفوق في اكتشاف الميزات ولكنها غالباً ما تفقد العلاقات المكانية بسبب أخذ العينات السفلي (downsampling)، تنظم شبكة الكبسولة الخلايا العصبية في مجموعات تسمى "الكبسولات". لا تقوم هذه الكبسولات بترميز احتمال وجود الكائن فحسب، بل تقوم أيضاً بترميز خصائصه المحددة، مثل الاتجاه والحجم والملمس، مما يحافظ بفعالية على العلاقات المكانية الهرمية داخل البيانات المرئية.

قيود شبكات CNN التقليدية#

لفهم ابتكار CapsNets، من المفيد النظر في كيفية عمل نماذج الرؤية الحاسوبية القياسية. تستخدم شبكة CNN تقليدية طبقات من استخراج الميزات تليها طبقات تجميع - وتحديداً التجميع الأقصى (max pooling) - تقليل الحمل الحسابي وتحقيق الثبات الانتقالي. هذا يعني أن شبكة CNN يمكن بغض النظر عن مكانه في الصورة.

مع ذلك، غالباً ما تتخلص هذه العملية من بيانات الموقع الدقيقة، مما يؤدي إلى "مشكلة بيكاسو": قد تصنف شبكة CNN وجهاً بشكل صحيح حتى لو كان الفم على الجبهة، ببساطة لأن جميع الميزات الضرورية موجودة. تعالج CapsNets هذه المشكلة عن طريق إزالة طبقات التجميع واستبدالها بعملية تحترم التسلسلات الهرمية المكانية للكائنات.

كيف تعمل شبكات الكبسولات#

لبنة البناء الأساسية لهذه الهندسة هي الكبسولة، وهي مجموعة متداخلة من الخلايا العصبية التي تخرج متجهاً بدلاً من قيمة قياسية (scalar). في الرياضيات المتجهة, يمتلك المتجه مقداراً واتجاهاً. في شبكة CapsNet:

• المقدار (الطول): يمثل احتمالية وجود كيان معين في المدخلات الحالية.
• الاتجاه (Orientation): يقوم بترميز معاملات التجسيد (instantiation)، مثل تقدير الوضعية للكائن، والمقياس، والدوران.

تتنبأ الكبسولات في الطبقات السفلية (التي تكتشف الأشكال البسيطة مثل الحواف) بمخرجات الكبسولات في الطبقات العليا (التي تكتشف الكائنات المعقدة مثل العيون أو الإطارات). تتم إدارة هذا الاتصال بواسطة خوارزمية تسمى "التوجيه الديناميكي" أو "التوجيه بالتوافق". إذا توافق تنبؤ الكبسولة ذات المستوى الأدنى مع حالة الكبسولة ذات المستوى الأعلى، يتم تعزيز الاتصال بينهما. يتيح ذلك للشبكة التعرف على الكائنات من وجهات نظر ثلاثية الأبعاد مختلفة دون الحاجة إلى زيادة البيانات الهائلة اللازمة عادةً لتعليم شبكات CNN حول الدوران والمقياس.

الاختلافات الرئيسية: CapsNets مقابل CNNs#

بينما تعتبر الهيكلتان أساسيتين لـ الرؤية الحاسوبية (CV)، إلا أنهما تختلفان في كيفية معالجة وتمثيل البيانات المرئية:

• القيم العددية مقابل المتجهات: تستخدم عصبونات CNN مخرجات عددية للإشارة إلى وجود الميزة. بينما تستخدم CapsNets متجهات لتشفير الوجود (الطول) ومعلمات الوضعية (الاتجاه).
• التوجيه مقابل التجميع (Routing vs. Pooling): تستخدم شبكات CNN التجميع لأخذ عينات من البيانات بشكل أقل، وغالباً ما تفقد تفاصيل الموقع. تستخدم CapsNets التوجيه الديناميكي للحفاظ على البيانات المكانية، مما يجعلها فعالة للغاية للمهام التي تتطلب تتبعاً دقيقاً للكائنات.
• كفاءة البيانات (Data Efficiency): نظراً لأن الكبسولات تفهم ضمناً وجهات النظر ثلاثية الأبعاد والتحويلات الأفينية، يمكنها غالباً التعميم من بيانات تدريب أقل مقارنة بشبكات CNN، والتي قد تتطلب أمثلة مكثفة لتعلم كل دوران ممكن للكائن.

تطبيقات العالم الحقيقي#

بينما تكون شبكات CapsNets غالباً أكثر تكلفة من الناحية الحسابية من النماذج المُحسّنة مثل YOLO26، إلا أنها توفر مزايا واضحة في المجالات المتخصصة:

1. تحليل الصور الطبية: في الرعاية الصحية، يُعد الاتجاه والشكل الدقيق لأي شذوذ أمراً بالغ الأهمية. طبق الباحثون شبكات CapsNets على تجزئة أورام الدماغ، حيث يجب على النموذج تمييز الورم عن الأنسجة المحيطة بناءً على التسلسلات الهرمية المكانية الدقيقة التي قد تقوم شبكات CNN القياسية بتلطيفها. يمكنك استكشاف الأبحاث ذات الصلة حول شبكات الكبسولة في التصوير الطبي.

2. التعرف على الأرقام المتداخلة: حققت CapsNets نتائج رائدة على مجموعة بيانات MNIST وتحديداً في السيناريوهات التي تتقاطع فيها الأرقام. نظراً لأن الشبكة تتبع "وضعية" كل رقم، يمكنها فصل رقمين متداخلين (على سبيل المثال، الرقم '3' فوق الرقم '5') ككائنات متميزة بدلاً من دمجها في خريطة ميزات واحدة مرتبكة.

السياق العملي والتنفيذ#

شبكات الكبسولات هي في الأساس بنية تصنيف. وبينما توفر متانة نظرية، فإن تطبيقات الصناعة الحديثة غالباً ما تفضل شبكات CNN عالية السرعة أو المحولات (Transformers) لتحقيق أداء في الوقت الفعلي. ومع ذلك، فإن فهم معايير التصنيف المستخدمة لـ CapsNets، مثل MNIST، يعد أمراً مفيداً.

يوضح المثال التالي كيفية تدريب نموذج تصنيف YOLO حديث على مجموعة بيانات MNIST باستخدام حزمة ultralytics. يشابه هذا مهمة المعيار الأساسي المستخدم للتحقق من صحة شبكات الكبسولة.

from ultralytics import YOLO

# Load a YOLO26 classification model (optimized for speed and accuracy)
model = YOLO("yolo26n-cls.pt")

# Train the model on the MNIST dataset
# This dataset helps evaluate how well a model learns handwritten digit features
results = model.train(data="mnist", epochs=5, imgsz=32)

# Run inference on a sample image
# The model predicts the digit class (0-9)
predict = model("https://docs.ultralytics.com/datasets/classify/mnist/")

مستقبل الكبسولات ورؤية الذكاء الاصطناعي#

تستمر المبادئ الكامنة وراء شبكات الكبسولة في التأثير على أبحاث أمان الذكاء الاصطناعي والقابلية للتفسير. من خلال نمذجة علاقات الجزء بالكل بشكل صريح، توفر الكبسولات بديلاً "للصندوق الزجاجي" لطبيعة "الصندوق الأسود" للشبكات العصبية العميقة، مما يجعل القرارات أكثر قابلية للتفسير. تتطلع التطورات المستقبلية إلى الجمع بين المتانة المكانية للكبسولات وسرعة الاستدلال للبنى مثل YOLO11 أو YOLO26 الأحدث لتحسين الأداء في اكتشاف الكائنات ثلاثية الأبعاد والروبوتات. يستكشف الباحثون أيضاً كبسولات المصفوفة مع توجيه EM لمزيد من تقليل التكلفة الحسابية لخوارزمية الاتفاق.

بالنسبة للمطورين الذين يتطلعون إلى إدارة مجموعات البيانات وتدريب النماذج بكفاءة، توفر منصة Ultralytics بيئة موحدة لشرح البيانات، والتدريب في السحابة، ونشر النماذج التي توازن بين سرعة شبكات CNN والدقة المطلوبة لمهام الرؤية المعقدة.