في عالم متقلب يتميز بتغير سريع في المتطلبات ونشوء أنواع جديدة من العيوب، يعد دمج تقنيات الذكاء الاصطناعي في فحوصات الرؤية الصناعية أمراً بالغ الصعوبة. ولكن، ماذا لو كان بإمكان نماذج الرؤية اللغوية الصغيرة (VLMs) التكيف بسلاسة مع هذه التحديات بفضل تقنية جديدة؟

تقدم الدراسة الجديدة نموذجاً مبتكراً يُعرف باسم "التفكير المتسلسل المشروط بالإجابة" (Answer-Conditioned Chain-of-Thought Distillation). هذه التقنية تسمح لبعض نماذج الرؤية اللغوية الصغيرة بالتكيف السريع مع المهام الصناعية الجديدة مستخدمةً القليل من بيانات التدريب المعنونة، حيث كانت النتائج الأولية مُذهلة.

تعتمد الطريقة على نموذج رائد للغة الرؤية يستقبل كل صورة تدريب مع التصنيف الصحيح لها، ومن ثم يقوم بإنتاج تبرير بصري مدعوم بالأدلة. هذا النموذج يمتلك 3 مليارات معلمة، وقد تم تعديله باستخدام أسلوب LoRA ليتكيف بشكل أفضل مع الأمثلة التي تم تعزيزها بالتفكير.

بهذه الطريقة، يتم توجيه التفكير الموجه نحو الوصول إلى الإجابة الصحيحة، الأمر الذي يعد مهماً جداً، خاصة عندما تشير النتيجة إلى أن بعض النماذج الرائدة قد سجلت نتيجة منخفضة تصل إلى 24.1٪ في أصعب المهام.

لقد تم التحقق من فعالية هذه التقنية عبر أربع مهام تصنيف صناعي تمتد عبر ثلاثة أنواع من الصور فقط باستخدام ما بين 18 إلى 30 صورة معنونة لكل مهمة. وأظهرت النتائج أن هذه الطريقة تفوقت على أساليب التعديل المباشر في جميع التوليفات الممكنة لزراعة المهام، محققة تحسينات متوسطة تتراوح ما بين 1.7 إلى 4.4 نقطة مئوية.

إن وجود تجارب موحدة تؤكد أن التحسينات تأتي من جودة التفكير وليس من عوامل التدريب الإضافية، يعد إنجازاً مهماً. فضلاً عن ذلك، كشفت البيانات عن انهيار الأداء بنسبة 17.8 نقطة مئوية في حالة غياب الإرشاد بالإجابات، مما يبرز أهمية هذه التقنية.

على سبيل المثال، عند تصنيف صور الأشعة لوصلات اللحام، تفوق النموذج المعاير الجديد 3B على أداء نموذج GPT-4 بواقع 10 نقاط مئوية باستخدام 24 صورة تدريب فقط!

إن هذه التطورات تمثل خطوة مثيرة نحو دمج الذكاء الاصطناعي القابل للتكيف في مجال الصناعة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.