الثقة

في التعلّم الآلي، درجة الثقة هي قيمة عددية يتم تعيينها لتنبؤ فردي، تشير إلى مدى يقين النموذج من صحة التوقع. يتم التعبير عنها كنسبة مئوية أو قيمة احتمالية بين 0 و 1، وهي تحدد "اعتقاد" النموذج في مخرجاته الخاصة لمثيل واحد. على سبيل المثال، في إحدى مهام الكشف عن الأجسام، قد يقوم نموذج مثل Ultralytics YOLO11 بتحديد سيارة في صورة ما وتعيين درجة ثقة تبلغ 0.95 (أو 95%)، مما يشير إلى أنه متأكد جدًا من النتيجة التي توصل إليها. هذه الدرجة هي مخرجات مهمة تساعد المستخدمين على تصفية نتائج النموذج وتحديد أولوياتها وتفسيرها في سيناريوهات العالم الحقيقي.

تُشتق درجة الثقة عادةً من مخرجات الطبقة النهائية للشبكة العصبية (NN)، وغالبًا ما تكون دالة softmax أو دالة سيغمويد. تُعد هذه القيمة مفيدة في التطبيقات العملية، حيث يتم تعيين عتبة ثقة لتجاهل التنبؤات التي تقل عن مستوى معين من اليقين. من خلال تعديل هذه العتبة، يمكن للمطوّرين تحقيق التوازن بين التقاط جميع الاكتشافات ذات الصلة وتقليل النتائج الإيجابية الخاطئة، وهو اعتبار رئيسي في نشر النموذج.

التطبيقات الواقعية

درجات الثقة ضرورية لجعل أنظمة الذكاء الاصطناعي أكثر موثوقية وقابلية للتنفيذ. فهي تسمح للأنظمة بقياس عدم اليقين وإطلاق استجابات مختلفة وفقاً لذلك.

• السيارات ذاتية القيادة: في السيارات ذاتية القيادة، تُعد درجات الثقة أمراً حيوياً للسلامة. فقد يتعرف كاشف الأجسام على أحد المشاة بنسبة ثقة تبلغ 98%، وهي إشارة واضحة للمركبة لإبطاء السرعة أو التوقف. وعلى العكس من ذلك، إذا اكتشف النظام جسماً بثقة بنسبة 30% فقط، فقد يضع النظام علامة على أنه غير مؤكد ويستخدم أجهزة استشعار أخرى للتحقق من طبيعته قبل اتخاذ أي إجراء. يساعد ذلك في منع وقوع الحوادث من خلال التركيز على التهديدات عالية اليقين. لمزيد من التفاصيل حول هذا الموضوع، يمكنك قراءة المزيد عن دور الذكاء الاصطناعي في السيارات ذاتية القيادة.
• تحليل الصور الطبية: عندما يقوم نموذج الذكاء الاصطناعي بتحليل الفحوصات الطبية بحثًا عن علامات المرض، مثل اكتشاف الأورام في التصوير الطبي، فإن درجة الثقة لا تقدر بثمن. فالاكتشاف الذي تبلغ درجة الثقة فيه 99% يمكن وضع علامة فورية عليه لمراجعته من قِبل أخصائي الأشعة. وقد يتم وضع علامة "غامض" أو "يحتاج إلى مزيد من المراجعة" على اكتشاف بنسبة ثقة 60% من الثقة، مما يضمن أن الحالات غير المؤكدة تتلقى فحصًا بشريًا دون إغراق الخبراء بالإنذارات الكاذبة. تقدم إدارة الغذاء والدواء الأمريكية إرشادات بشأن الذكاء الاصطناعي/التشغيل الآلي في الأجهزة الطبية.

الثقة مقابل المقاييس الأخرى

من المهم عدم الخلط بين درجة الثقة في التنبؤ الفردي ومقاييس تقييم النموذج بشكل عام. فعلى الرغم من ارتباطهما ببعضهما البعض، إلا أنهما يقيسان جوانب مختلفة من الأداء:

• الدقة: يقيس النسبة المئوية الإجمالية للتنبؤات الصحيحة عبر مجموعة البيانات بأكملها. وهو يوفر إحساسًا عامًا بأداء النموذج ولكنه لا يعكس يقين التنبؤات الفردية. يمكن أن يكون للنموذج دقة عالية ولكن لا يزال بإمكانه إجراء بعض التنبؤات بثقة منخفضة.
• الدقة: يشير إلى نسبة التنبؤات الإيجابية التي كانت صحيحة بالفعل. الدقة العالية تعني عددًا أقل من الإنذارات الخاطئة. تعكس الثقة اعتقاد النموذج في تنبؤاته، والتي قد تتماشى أو لا تتماشى مع صحتها.
• التذكر (الحساسية): يقيس نسبة الحالات الإيجابية الفعلية التي حددها النموذج بشكل صحيح. الاستدعاء العالي يعني عددًا أقل من حالات الاكتشاف الفائتة. لا ترتبط الثقة مباشرةً بعدد الحالات الإيجابية الفعلية التي تم العثور عليها.
• F1-Score: المتوسط التوافقي لـ Precision و Recall، مما يوفر مقياسًا واحدًا يوازن بين الاثنين. تظل الثقة درجة على مستوى التنبؤ، وليست مقياسًا إجماليًا لأداء النموذج.
• متوسط متوسط الدقة (mAP): مقياس شائع في الكشف عن الكائنات يلخص منحنى الدقة-الاستدعاء عبر عتبات الثقة والفئات المختلفة. في حين أن حساب mAP يتضمن عتبات الثقة، فإن درجة الثقة نفسها تنطبق على كل عملية كشف فردية.
• المعايرة: يشير إلى مدى توافق درجات الثقة مع الاحتمالية الفعلية للصحة. يجب أن تكون تنبؤات النموذج المُعاير بشكل جيد بثقة 80٪ صحيحة حوالي 80٪ من الوقت. إن درجات الثقة من الشبكات العصبية الحديثة ليست دائمًا مُعايرة بشكل جيد بطبيعتها، كما نوقش في البحث حول معايرة النموذج.

باختصار، الثقة هي ناتج قيّم لتقييم مدى يقين تنبؤات الذكاء الاصطناعي الفردية، مما يتيح تصفية أفضل وتحديد الأولويات واتخاذ القرارات في تطبيقات العالم الحقيقي. وهي تكمل المقاييس التي تقيّم الأداء العام للنموذج، مثل تلك التي يمكنك تتبعها وتحليلها باستخدام أدوات مثل Ultralytics HUB، ولكنها تختلف عنها.