تُدخل Google Research المداولة البشرية إلى مصنّفات الذكاء الاصطناعي القائمة على فئات ذاتية

قدّمت Google Research في 4 نوفمبر 2026 إطار Agile Deliberation التفاعلي لبناء مصنفات للصور تستند إلى فئات ذاتية، وأرفقته بشيفرة مفتوحة المصدر وعرض توضيحي عبر دفتر ملاحظات. وفي دراسة للمستخدمين شملت 18 جلسة، أفاد الباحثون بتحقيق المصنف نتائج أفضل مع جهد أقل مقارنةً بتنقيح المطالبات يدويًا.

يتناول الإطار فئاتٍ تعتمد حدودها على الأحكام الشخصية أو السياق الثقافي أو السياسات المعمول بها، مثل الطعام الصحي والأعمال الفنية الملهمة وصور الطُعم النقرية التي تعد بمكافآت مضللة. وتتمثل فكرته المحورية في أن المستخدمين غالبًا ما يكتشفون بأنفسهم حدود قراراتهم أثناء فحص الأمثلة الصعبة. أما سير عمل التصنيف التقليدي، فيتعامل مع تلك الحدود على أنها ثابتة قبل بدء وضع التعليقات التوضيحية، ما يجعل تغيّر النوايا يظهر في صورة تسميات غير متسقة أو قرارات اعتباطية يتخذها النموذج.

يحوّل Agile Deliberation التعريف المتطور إلى مواصفات مقروءة للبشر، وإلى المطالبة التي توجّه مصنفًا قائمًا على نموذج لغوي بصري. ويستند التصميم إلى مقابلات مع خمسة خبراء في الإشراف على المحتوى، وإلى تحليل نوعي لعشرين تعريفًا مستمدة من سير عملهم المهني. وأظهرت هذه المقابلات والتحليلات أن الخبراء يحددون نطاق المفاهيم أولًا، ثم ينقحونها باستخدام الصور الحدّية.

مرحلتان للمداولة حول المفاهيم

يقسّم تحديد نطاق المفهوم الفكرة الأولية إلى مفاهيم فرعية مرشحة، إيجابية وسلبية. فمثلًا، يمكن لمستخدم يبني مصنفًا للطعام الصحي أن يدرج السلطات وأطباق الحبوب، مع استبعاد الأطعمة المصنّعة أو المكونات النيئة غير المحضّرة. وتُستخدم صور تمثيلية لدعم كل خيار، كما يمكن استبعاد المفاهيم الفرعية التي لا تصف أنماطًا بصرية ذات دلالة قبل إنشاء المصنف الأول.

بعد ذلك، يبحث تنقيح المفاهيم عن صور تقع على حدود المعنى، بدلًا من الاكتفاء باختيار الحالات التي تقترب فيها ثقة النموذج من 0.5. ويرى الباحثون أن ثقة النماذج اللغوية البصرية قد لا تتوافق جيدًا مع مواطن الالتباس لدى البشر؛ فقد يكون النموذج واثقًا من صورة يجدها الشخص صعبة التقييم. وتُزال الأمثلة المسترجعة المكررة ثم تُجمّع في عناقيد، مع تطبيق قاعدة اختيار متعددة الأذرع تفضّل العناقيد التي ساعدت سابقًا على تصحيح الأخطاء أو أنتجت ملاحظات مفيدة.

تنظّم خطوة استكشاف مواطن الالتباس مجموعةً من الصور حول مسألة واحدة يسهل تفسيرها، مثل الصلصات الكريمية أو محتوى السكر أو حجم الحصة، وتُنشئ شرحًا موجزًا لمصدر الالتباس في كل صورة. ويحدّد المستخدمون ما إذا كانت الصور ضمن النطاق أم خارجه، ويمكنهم إضافة مبررات بلغة طبيعية. وينشئ النظام تعريفات بديلة، ويختبرها على جميع التسميات التي جُمعت حتى ذلك الحين، ثم يختار التعريف المرشح الذي يحقق أفضل درجة F1، مع إتاحة التعديلات اليدوية.

يستخدم النموذج الأولي Gemini 2.5 Pro لتفكيك المفاهيم، وGemini 2.5 Flash للتصنيف وإنشاء الاستعلامات عن الصور الحدّية واستكشاف مواطن الالتباس. واستُخدمت هذه النماذج من دون تدريب إضافي أو ضبط دقيق، وتعمل الواجهة من خلال دفتر ملاحظات تفاعلي في Colab.

ما أظهرته الدراسة العملية

أكمل تسعة مشاركين ليست لديهم خبرة مهنية في الإشراف على المحتوى جلستين مدة كل منهما نحو 90 دقيقة: واحدة باستخدام Agile Deliberation وأخرى بالمداولة اليدوية، مع توزيع عشوائي لترتيب استخدام النظامين. وكان مفهوما الاختبار هما الطعام الصحي والإشراف على صور الطُعم النقرية القائمة على الدفع مقابل اللعب. وشملت كل جلسة نحو 45 دقيقة للعمل على التعريف، ووضع تعليقات توضيحية على 200 صورة اختبار محجوبة، واستبيانًا، ومقابلة مدتها 15 دقيقة. وشملت المقارنات أيضًا التصنيف من دون أمثلة سابقة ونظام Modeling Collaborator، وهو معيار أساس آلي لتفكيك المفاهيم؛ وكان بوسع المشاركين في المداولة اليدوية الرجوع إلى المطالبات التفصيلية لذلك النظام.

يفيد البحث بأن Agile Deliberation حسّن درجة F1 بنسبة 11% مقارنةً بخط الأساس الخاص به للتصنيف من دون أمثلة سابقة في حالة الدفع مقابل اللعب، في حين حققت المداولة اليدوية تحسنًا بنسبة 8% مقارنةً بخط أساسها. أما في حالة الطعام الصحي، فبلغ التحسن 10% مع Agile Deliberation، مقابل تراجع بنسبة 3% مع المداولة اليدوية. وعكست المكاسب في معظمها تحسنًا في الدقة، ترافق مع انخفاضات أصغر في الاستدعاء. ولم تُستخدم الدقة الإجمالية لأن التعريفات المخصصة التي وضعها المشاركون أفضت إلى توزيعات غير متوازنة لتسميات صور الاختبار.

فضّل جميع المشاركين Agile Deliberation على المداولة اليدوية. وبلغ متوسط الجهد الذي أبلغ عنه المشاركون 3.11 مع Agile Deliberation، مقابل 4.67 مع العمل اليدوي؛ أما متوسط تقييمات الشعور بعدم الثقة أو التوتر أو الانزعاج فبلغ 1.67 و3.00 على التوالي. ووُصف الفرقان بأنهما دالان إحصائيًا عند p<.05. وقدّمت المقابلات تفسيرًا عمليًا لذلك: إذ اضطر مستخدمو الأسلوب اليدوي إلى ابتكار عمليات بحث عن أمثلة مضادة، وشعر بعضهم بالقلق من أن يؤدي تعديل المطالبة لإصلاح خطأ ما إلى الإضرار بأداء النظام في مواضع أخرى.

حدود الدراسة وإتاحة الشيفرة البرمجية

للتقييم أيضًا حدود واضحة. ويحذّر المؤلفون من أن اقتصار الدراسة على تسعة مشاركين يحد من القوة الإحصائية وإمكانية تعميم النتائج، كما استخدم كل شخص النظامين على مفهومين مختلفين لتجنب انتقال تعريف راسخ إلى الجلسة الثانية. لذلك أمكن مقارنة التجربة الذاتية لدى المشاركين أنفسهم، لكن أداء المصنف لم يُقارن إلا بين مجموعات المشاركين. ولم تفصل الدراسة أثر المكونات الفردية، كما لم تقيّم خط العمل الكامل باستخدام نماذج توليدية أخرى.

يحتوي المستودع مفتوح المصدر على قاعدة الشفرة ومجموعة البيانات المصاحبتين، فضلًا عن دفتر Demo.ipynb الذي يشرح الخطوات بالتفصيل لاستخدامه مع Jupyter أو Google Colab. ينشئ العرض التوضيحي فهرسًا لاسترجاع أقرب الجيران اعتمادًا على LAION400M. ينزّل الإعداد الافتراضي جزأين يبلغ حجمهما الإجمالي نحو 260 MB للتحقق من خط المعالجة؛ أما الإعداد الموثق المؤلف من 100 جزء، فيبلغ حجمه الإجمالي نحو 13 GB. قد تستغرق عمليات الاسترجاع وتنزيل الصور من مصادر خارجية واستدعاء النماذج من ثوانٍ إلى دقائق، وقد يخضع مفتاح API واحد لحدود معدل الاستخدام، كما تدعم عدة مراحل التخزين المؤقت على القرص. ويذكر إخلاء المسؤولية في المستودع أن هذا المنتج ليس من منتجات Google المدعومة رسميًا.

تتمثل المساهمة العملية لـ Agile Deliberation في جعل القصد الذاتي عنصرًا صريحًا قابلًا للمراجعة ضمن تطوير المصنّف. ويمكن للمستخدمين الاطلاع على القواعد الإيجابية والسلبية، ودراسة الحالات الحدّية التي كشفت عن ثغرات، وتقديم مبررات للتعديلات. وبالنسبة إلى فرق الإشراف والتنظيم، يعني ذلك أن تعريف الفئة والأحكام البشرية التي تسهم في تشكيلها يصبحان جزءًا من عملية تطوير المصنّف القابلة للفحص.