تخيّل فنّانًا لا يحفظ كل لوحة على حدة، بل يتعلّم مجموعةً من الأفكار المجرّدة يستطيع أن يرسم منها أعمالًا جديدة تمامًا. هذا بالضبط ما يفعله المُرمِّز التلقائي المتغاير (VAE): فهو يضغط البيانات المعقّدة (صور، أصوات، جزيئات) في فضاء كامن متّصل ومنظّم، ثم يصبح قادرًا على توليد أمثلة جديدة معقولة منه. إنه أحد الركائز التاريخية للنماذج التوليدية العميقة.
المُرمِّز، الفضاء الكامن، المُفكِّك
يجمع الـ VAE بين شبكتين. يحوّل المُرمِّز المُدخل $x$ ليس إلى نقطة ثابتة بل إلى توزيع احتمالي: متوسّط $\mu$ وتباين $\sigma^2$. ثم نأخذ عيّنة لمتّجه كامن $z$ من هذا التوزيع، ويحاول المُفكِّك إعادة بناء $x$ انطلاقًا من $z$.
هذه الحيلة الاحتمالية — نمذجة توزيع بدلًا من نقطة — تجعل الفضاء الكامن سلسًا ومتّصلًا: فالنقاط المتقاربة فيه تعطي مخرجات متقاربة، ما يتيح التنقّل والاستيفاء بين البيانات بمعنى مفيد.
دالة الخسارة المزدوجة
يهدف التدريب إلى تعظيم حدّ يُسمّى ELBO، وهو يوازن بين هدفين:
$$\mathcal{L} = \underbrace{\mathbb{E}{q(z|x)}[\log p(x|z)]}$$}} - \underbrace{D_{KL}\big(q(z|x)\,|\,p(z)\big)}_{\text{regularization}
| الحدّ | الدور |
|---|---|
| إعادة البناء | يجب أن يشبه المُخرَج المُدخل |
| تباعد KL | يُبقي الفضاء الكامن قريبًا من توزيع طبيعي، فيبقى منظّمًا |
أما حيلة إعادة المعاملة ($z = \mu + \sigma \odot \epsilon$) فتجعل أخذ العيّنات قابلًا للاشتقاق، وبالتالي قابلًا للتدريب عبر الانتشار العكسي.
الـ VAE مقابل النماذج الأخرى
- VAE: فضاء كامن منظّم، لكن مخرجاته أحيانًا ضبابية.
- GAN: صور أكثر وضوحًا، لكن تدريبه غير مستقر.
- الانتشار (Diffusion): أعلى جودة اليوم، لكنه أثقل.
لم يفز الـ VAE بسباق الوضوح، لكنه أورث الذكاء التوليدي الحديث فكرته الجوهرية: تنظيم العشوائية داخل فضاء كامن يمكن استكشافه.