ثورة في الشبكات العصبية: من التفسير الاستنباطي إلى القواعد المنطقية العالمية في تصنيف العقد!

تشهد الشبكات العصبية الرسومية (Graph Neural Networks - GNNs) تطورًا غير مسبوق في مجالات متعددة، لتحقق نتائج استثنائية في مهام تصنيف العقد. ولكن، مع هذا النجاح، تبرز الحاجة الملحة لفهم كيفية اتخاذ هذه النماذج للقرارات.

أنتجت الأبحاث الأخيرة، مثل نموذج LogicXGNN، أساليب جديدة تعتمد على المنطق لاستخراج قواعد منطقية عالمية من مجموعات من الرسوم التوضيحية. ورغم أن هذه الصور التوضيحية توفر معلومات قيمة، إلا أنها قد تحتوي على بيانات هيكلية متكررة تخص كل عقدة على حده، مما يقيد إمكانية تطبيق القواعد المستخرجة بشكل عام.

في هذا السياق، يظهر الإطار المنطقي الجديد الذي يقترح طريقة مبتكرة لتصنيف العقد باستخدام شبكات الالتفاف الرسومي البسيطة (Simple Graph Convolution - SGC). يعتمد هذا الإطار على توفير تفسيرات استنباطية (abductive explanations) كتمثيل وسيط لاستخراج القواعد.

فكل عقدة تمر عبر حساب مجموعة صغيرة من أزواج الميزات الخاصة بها، تكفي للحفاظ على فئة التنبؤ المطلوبة. وتستخدم هذه التفسيرات لاحقًا لتدريب أشجار القرار، التي تُستخرج منها القواعد المنطقية العالمية. أظهرت التجارب على مجموعات البيانات المرجعية أن هذا الإطار ينتج قواعد عالمية مدمجة، بينما يحتفظ بدقة عالية مقارنةً بالنموذج الأساسي (SGC).

وبذلك، يُبرز هذا البحث أهمية تطوير طرق جديدة لفهم التفسيرات المنطقية لتسخير إمكانيات الشبكات العصبية الرسومية بصورة أكثر فاعلية.