في دراسة حديثة نُشرت على موقع arXiv، تم تقديم طريقة جديدة لتوليد الشروحات المضادة للصور (Visual Counterfactual Explanations - VCEs) التي تهدف إلى تحسين فهم عمل المصنفات. تعتمد هذه الطريقة المبتكرة على تقنية تحليل مقارنة (Contrastive Analysis - CA) وتعتبر خالية من الاعتماد على المصنفات، مما يعني أنها تتجاوز التحيزات والمشاكل الشائعة المرتبطة بالمصنفات التقليدية.

تعمل هذه الطريقة الجديدة على فك تشابك العوامل الجينية التي تتواجد بشكل مشترك في مجموعتي بيانات مختلفتين (مثل صحة المرضى) وتقوم بتوليد صور مضادة من خلال تغيير العوامل البارزة فقط. هذه المقاربة مباشرة على توزيع البيانات بدلاً من حدود القرار، مما يجعلها قادرة على توفير شروحات مضادة نموذجية ليست حساسة لتحيزات المصنف.

تستفيد الطريقة الجديدة من تقنية (StyleGAN2) المتطورة والتي تضمن إضافة تفاصيل دقيقة وتحسينات في جودة الصورة. من خلال الاعتماد على فضاء الميزات (F) بدلاً من الفضاء التقليدي (W)، تم تحسين مستوى الحفاظ على التفاصيل في الصور المنتجة.

ومن خلال اختبار الأسلوب على ثلاثة مجاميع بيانات طبية، تم إثبات أن القدرة على توليد الشروحات المضادة ذات الجودة الفائقة تُمثل تقدماً ملحوظًا مقارنةً بالطرق التقليدية وبهموم تقليل التحيز وتحسين موثوقية التحليل.

إن هذا النهج يمثل منعطفًا جديدًا في مجال تحليل الصور، حيث يوفر لممثلي المجال أدوات جديدة لتحسين التجارب الطبية والعلمية، مما يجعل النتائج أكثر دقة وفهماً.