في عالم الذكاء الاصطناعي، يسعى الباحثون دائماً إلى تحسين طرق تفسير الخوارزميات العميقة. وقد جاء مفهوم الذكاء الاصطناعي القابل للتفسير (Explainable Artificial Intelligence - XAI) كأحد الحلول المهمة لفهم المزايا والعيوب في مسارات اتخاذ القرار. من خلال الربط بين الخصائص الفهم الإنسانية للصور، مثل القوام أو أجزاء الأجسام، والتمثيلات الداخلية للنموذج، يتم جسر الهوة بين البيانات المرئية الاستدلالية والسمات العالية المستوى.

لكن التحدي الأكبر يكمن في الاعتماد على مجموعات كبيرة من الصور المحددة لتمثيل كل مفهوم مما يحد من قابلية التوسع. في هذه الدراسة الجديدة، تم بحث استخدام نماذج توليد الصور من النصوص (Text-to-Image - T2I) من دون حاجة لمجموعات بيانات مسبقة، كأداة لتوليد مجموعات بيانات مفاهيم اصطناعية لطرق XAI.

تتضمن هذه العمل خطوات هامة للتحقق من فعالية هذه المفاهيم الاصطناعية عبر أربعة تحليلات متكاملة:
1. مقارنة الصور المفاهيمية الاصطناعية بالصور الأصلية من حيث التشابه.
2. تقييم التشابه الداخلي من خلال مقارنة أزواج من مجموعات المفاهيم ذات الأحجام المختلفة.
3. تقييم الأداء في مهام الاستدلال الأساسية باستخدام الصور ذات الصلة.
4. دراسة تأثير حذف مفهوم معين من الصور على تفسيرات المفاهيم الناتجة.

بينما تعد نماذج T2I الحالية بمثابة اختصار مثير لعالم XAI القائم على المفاهيم، تسلط دراستنا الضوء على التحديات التي تواجه هذه التقنية وتثير تساؤلات مفتوحة حول استخدام البيانات الاصطناعية الناتجة من طرق الجيل الصفري في التحليلات النموذجية.

يمكنكم الوصول إلى مجموعة البيانات الناتجة عبر هذا الرابط: [https://github.com/DataSciencePolimi/ZeroShot-T2I-Concepts].