تعني زيادة البيانات توسيع مجموعة التدريب بشكل اصطناعي عبر تطبيق تحويلات تحافظ على معنى الأمثلة الموجودة. الأمر أشبه بتعليم طفل التعرّف على القطة: تُريه الصورة نفسها من الجانب، أو مقلوبة، أو في إضاءة خافتة، أو عن قرب — فهي تبقى قطة، لكنّ الدماغ يتعلّم الثبات بدل حفظ صورة واحدة فقط.
كيف تعمل
انطلاقًا من كل مثال أصلي، نولّد نسخًا معقولة منه. هكذا يرى النموذج تنوّعًا أكبر دون الحاجة إلى جمع بيانات حقيقية جديدة، وهي غالبًا مكلفة أو نادرة.
| المجال | التحويلات الشائعة |
|---|---|
| الصور | الدوران، الاقتصاص، الانعكاس، الضوضاء، تغيير الإضاءة |
| النص | المرادفات، الترجمة ذهابًا وإيابًا، إخفاء الكلمات |
| الصوت | الإزاحة الزمنية، إضافة ضوضاء، تغيير طبقة الصوت |
تدمج أساليب متقدمة مثل Mixup مثالين عبر الاستيفاء الخطي:
$$\tilde{x} = \lambda x_i + (1-\lambda) x_j, \quad \tilde{y} = \lambda y_i + (1-\lambda) y_j$$
لماذا هي مهمة
- تقلّل فرط التخصيص (overfitting) بتعريض النموذج لمزيد من التنوّع.
- تحسّن التعميم على بيانات لم يرها من قبل.
- تعوّض عن مجموعات البيانات الصغيرة أو غير المتوازنة.
الخطر: قد يؤدي تحويل مفرط في الحدّة إلى تشويه المعنى (قلب الرقم «6» يعطي «9»، والانعكاس المرآتي يغيّر الجانب في الصور الطبية). يجب أن تبقى الزيادات واقعية ومتسقة مع المهمة.
زيادة البيانات ليست اختراعًا للمعلومات: إنها تعليم النموذج ما الذي يجب أن يبقى ثابتًا.