في عالم الذكاء الاصطناعي، يُعتبر الحفاظ على دقة الشبكات العصبية أثناء مواجهة التحديات من أكبر التحديات التي يواجهها الباحثون. ومن بين الحلول المطروحة، تبرز تقنية التحكم في الضوضاء العشوائية (Randomized Smoothing) كأداة قوية. لكن هذه التقنية كانت تعاني من قيود بسبب استخدام ضوضاء عالمية ثابتة، مما يمنعها من تحقيق الأداء الجيد في جميع الظروف.

وابتكرت دراسة جديدة إطار عمل مبتكر يُعرف "التحكم المزدوج في الضوضاء" (Dual Randomized Smoothing)، الذي يوفر ضوابط تعتمد على إدخال البيانات. تقوم هذه التقنية بجعل الضوضاء متغيرة بحسب ما يتم التعامل معه من مدخلات.

الخطوة الأولى في هذا الإطار تركزت على إثبات أن استخدام ضوضاء تعتمد على الإدخال لا يزال صالحاً إذا كانت الفروق تبقى ثابتة محلياً حول كل إدخال. بناءً على هذا الاكتشاف، تم تقديم مكونين رئيسيين: مُقدّر الفروق الذي يتنبأ بأفضل ضوضاء لكل إدخال، ويُستخدم هذا المقدر في مصنف تقليدي.

استُخدمت التجارب على مجموعة بيانات CIFAR-10 لإثبات فعالية هذه التقنية المزدوجة، حيث أظهرت نتائج رائعة تفوق ما يمكن تحقيقه عبر الضوضاء العالمية. على وجه التحديد، لوحظت مكاسب ملحوظة عند قياسات دقيقة تصل إلى 20.0%، مما يعكس تحسناً ملموساً في القدرة على التصدي للتحديات.

ليس ذلك فحسب، بل في مجموعة بيانات ImageNet، أكدت التقنية الجديدة فعاليتها عبر جميع القياسات، موفرة فوائد ملحوظة. إن قدرة "التحكم المزدوج في الضوضاء" على تحسين التوازن بين الأداء والمقاومة تعطي بصيص أمل لابتكارات مستقبلية في مجال الذكاء الاصطناعي.