الشفافية كجزء من البنية
الشبكة العصبية العادية تجيد العثور على الأنماط، لكنها لا تستطيع تفسيرها إلا بعد فوات الأوان. في أغلب الأحيان، يتم الاستعانة بمفسرات خارجية أو نماذج بديلة مبسطة لهذا الغرض، وهذه التفسيرات ليست سوى تقريب لما يحدث فعلياً داخل الشبكة. يحاول نموذج BIRDNet الابتعاد عن هذا الحل الوسط: فهو يجعل القواعد جزءاً من البنية ويقرأها مباشرة من الشبكة.
كل كتلة مخفية في هذه الشبكة ليست «عصبوناً» مجرداً، بل تمثيل مضغوط لقاعدة بولية: «إذا وُجدت السمة A، فمن المتوقع وجود السمة B». بعد التدريب، لا حاجة لنماذج تفسيرية منفصلة: فالاتصالات والأوزان تحمل بالفعل معنى رمزياً.
كيف تنشأ القواعد من الجداول
يبدأ BIRDNet في استخراج القواعد الرمزية من الجداول دون قاعدة معرفية خارجية. في البيانات من المجالات التي تمتلك معرفة تراكمية غنية — مثل الجداول الطبية الحيوية — غالباً ما تختبئ استلزامات بولية بين أزواج السمات. يتم البحث عن هذه الارتباطات إحصائياً باستخدام الاختبار ثنائي الحد، حيث لا تؤدي الاستثناءات النادرة إلى إبطال القاعدة، بل تُعتبر انحرافات مقبولة.
عند العثور على أزواج السمات، يتم تجميعها في رسم بياني نمطي للاستلزامات. يتحول الرسم البياني نفسه بعد ذلك إلى طبقات من الشبكة العصبية:
- كل كتلة مخفية تقابل قاعدة مستخرجة واحدة؛
- الكتلة ترتبط فقط بسمتيها الخاصتين؛
- في طبقة الاستلزامات، لا تتجاوز نسبة الأوزان النشطة
2/d، حيثdهي أبعاد المدخلات.
هذه الندرة تجعل الشبكة خفيفة وتحافظ في الوقت نفسه على ارتباط مباشر بين البنية والقواعد الرمزية.
التجارب: الدقة لا تتأثر تقريباً
للتحقق مما إذا كان يتعين دفع ثمن الشفافية بجودة التنبؤات، تم اختبار BIRDNet على ستة معايير قياسية للنسخ (ترانسكربتوم) والبروتيوم. أظهرت المقارنة مع النماذج الأساسية الكثيفة رقمين مهمين:
- كان الفارق عن أقوى حل كثيف في مقياس AUROC لا يتجاوز 0.02؛
- في الوقت نفسه، يستخدم BIRDNet معاملات نشطة أقل بمقدار يصل إلى 95 مرة مقارنة بشبكة MLP كثيفة مكافئة من الناحية البنيوية.
بعبارة أخرى، لا تكاد النماذج تخسر في الدقة، لكنها تكتفي بعدد أقل بكثير من المعاملات. عملياً، هذا يعني بنية أكثر استقراراً واقتصادية يسهل نشرها وتحليلها.
القواعد قيّمة بمعناها، وليس فقط بمقياسها
هناك فارق دقيق غير بديهي في هذا النهج. في التجارب الضابطة، حيث تم خلط أزواج السمات أو استبدالها بأزواج عشوائية، لم تنخفض الدقة: فالاتصالات العشوائية كانت قابلة للمقارنة مع الأصلية أو حتى متفوقة عليها في مقياس AUROC. هذا يعني أن الأزواج المستخرجة بحد ذاتها لا تمنح النموذج ميزة في التنبؤات. قيمتها تكمن في شيء آخر.
الاستلزامات ذات المعنى تحافظ على التفسير الرمزي. قواعد الطبقة الأولى من BIRDNet تتوافق مع بصمات بيولوجية معروفة لعدة أنواع فرعية من السرطان وأنواع الأنسجة. أما الأزواج العشوائية، فعلى الرغم من دقتها المماثلة، لا تحمل أي معنى.
لذلك، فإن BIRDNet ليس مجرد وسيلة أخرى للتنبؤ بالمتغير المستهدف بشكل أفضل قليلاً. إنه مثال على كيفية استخدام الشبكة العصبية في الوقت نفسه كنموذج تنبؤي وكمصدر لفرضيات قابلة للاختبار. نُشر العمل على arXiv وتم قبوله في CIKM 2026 — وهي إشارة قوية إلى أن موضوع البنى العصبية الرمزية القابلة للتفسير يشهد زخماً متزايداً فقط.
