الذكاء الاصطناعي رأى فيضانًا لا وجود له — وكلّف ثروة

كنت أحدّق في صورة عبر الأقمار الصناعية لطريق سريع في جنوب شرق آسيا حين شعرت لأول مرة بذلك النوع الخاص من الرهبة الذي ينبع من مشاهدة ذكاء اصطناعي يُخطئ بثقة خطأً كارثيًا.

أظهرت الصورة شكلًا داكنًا غير منتظم يمتد عبر الأسفلت — كان ماءً بلا شك، على الأقل بالنسبة للنموذج. صنّف النظام ذلك على أنه فيضان. فبدأت عملية إعادة التوجيه الآلية. حُوِّلت خمسون شاحنة إلى طرق ثانوية، مضيفةً أكثر من مئة كيلومتر لكل منها إلى رحلتها. انهارت نوافذ التسليم. وبدأت الشحنات القابلة للتلف في التدهور. وتجاوزت الخسائر المالية ستة أرقام قبل أن يفكر أحد في التحقق.

كان الطريق جافًا تمامًا.

ما رآه النموذج — ما كان متيقنًا أنه رآه — كان ظل غيمة. غيمة ركامية تنجرف على ارتفاع ألفي متر، تُلقي بقعة داكنة على الأرض بدت، لذكاء اصطناعي يعالج إطارًا واحدًا من صور الأقمار الصناعية، تمامًا مثل مياه راكدة. هذا ما أسميه الآن فشل الاستدلال أحادي الإطار: اللحظة التي يهلوس فيها ذكاء اصطناعي، محاصَر في لحظة واحدة مجمّدة بلا ذاكرة عمّا سبق أو تلا، واقعًا لا وجود له. وهذه ليست حالة نادرة على الهامش. إنها الثغرة المميِّزة لكل نظام رؤية حاسوبية تقريبًا يُنشر اليوم لكشف الفيضانات.

صار ذلك الحادث سبب وجود فريقي في VeriPrajna. لا لبناء غلاف آخر حول نموذج مُدرَّب مسبقًا. بل لبناء شيء يفهم فعلًا ما ينظر إليه.

لماذا يخلط الذكاء الاصطناعي بين الظلال والماء؟

الجواب هو الفيزياء، وهو بسيط إلى حد محرج بمجرد أن تراه.

الأقمار الصناعية البصرية — Sentinel-2 وLandsat، تلك التي تعتمد عليها معظم أنظمة كشف الفيضانات — تلتقط ضوء الشمس المنعكس عبر أطوال موجية مختلفة. يمتص الماء الأشعة تحت الحمراء القريبة والأشعة تحت الحمراء قصيرة الموجة بشراهة. لذا في صور الأقمار الصناعية، يظهر الماء داكنًا.

لكن الماء لا يحتكر السواد. ظلال الغيوم داكنة. وظلال التضاريس من المنحدرات الحادة داكنة. والأسفلت الطازج داكن. وبالنسبة لشبكة عصبية التفافية دُرِّبت على صور ثابتة، فإن "شكلًا داكنًا عديم الملامح بحواف ناعمة" هو بصمة الفيضان. النموذج لا يعرف لماذا تكون البكسلات داكنة. إنه يعرف فقط أنها داكنة.

وإليك ما يزيد الأمر سوءًا: في سيناريوهات الاستجابة للكوارث، تُضبَط هذه النماذج عمدًا لتكون سريعة الإطلاق. فدوال الخسارة تعاقب على الفيضانات الفائتة أكثر بكثير من الإنذارات الكاذبة. لذا يخطئ النموذج في اتجاه الذعر. فيصبح كل ظل كارثة محتملة.

يتحرك ظل الغيمة بسرعة الرياح. أما مياه الفيضان فتخضع للجاذبية والتضاريس. لكن نموذجًا أحادي الإطار لا يستطيع التمييز بينهما لأنه لم يرَ قط أيًّا منهما وهو يتحرك.

تؤكد الأبحاث أن هذا ليس أمرًا نظريًا. فظلال الغيوم موثّقة بوصفها "أكبر تحدٍّ" أمام كشف الفيضانات الآلي شبه الفوري باستخدام صور الأقمار الصناعية البصرية. وفي مجموعات البيانات عالية الدقة، كثيرًا ما تظهر الظلال كمعالم منفصلة — منفصلة عن الغيمة التي ألقتها — مما يجعل طرق التصحيح الهندسي غير موثوقة، خصوصًا عندما يكون ارتفاع الغيمة مجهولًا.

الليلة التي كسرنا فيها نموذجنا

أريد أن أكون صادقًا بشأن أمر ما. عندما بدأنا أول مرة ببناء كشف الفيضانات في VeriPrajna، ارتكبنا الخطأ نفسه الذي يرتكبه الجميع. أخذنا بنية تجزئة متينة، وضبطناها بدقة على صور فيضانات مُعنونة، وحصلنا على أرقام بدت رائعة على مجموعة التحقق. دقة تفوق 90٪. كنا في غاية الحماس.

ثم نشرناه على تدفق حي من Sentinel-2 فوق منطقة معرّضة للرياح الموسمية في الهند.

في الأسبوع الأول، رصد أحد عشر فيضانًا. ثلاثة منها كانت حقيقية. أما البقية فكانت ظلالًا، وحقولًا زراعية داكنة بعد الري، وامتدادًا واحدًا من طريق مُعبَّد حديثًا. اتصل بي كبير مهندسيّ في منتصف الليل، محبَطًا، قائلًا إن النموذج "يرى الماء في كل مكان كعصا استشعار المياه."

أمضينا اليومين التاليين في مراجعة كل نتيجة إيجابية كاذبة يدويًا. وظللنا نعود إلى الإدراك نفسه: لم يكن لدى النموذج أدنى مفهوم عن الزمن. كان ينظر إلى كل إطار كأنه صورة فوتوغرافية مأخوذة من ألبوم غريب — بلا سياق، بلا ما قبله، بلا ما بعده. أما محلل بشري، حين يواجه البقعة الداكنة نفسها، فسيبدّل غريزيًا إلى الصورة السابقة. سيراقب الشكل الداكن ينجرف شرقًا بسرعة خمسين كيلومترًا في الساعة ويفكر، هذا ظل غيمة، وليس فيضانًا. لم يكن نموذجنا قادرًا على ذلك. لم تكن لديه ذاكرة.

كانت تلك نقطة التحول. توقفنا عن محاولة بناء مصنِّف أحادي الإطار أفضل وبدأنا في هندسة شيء مختلف جوهريًا: نظام يعامل الزمن كبُعد من أبعاد الواقع، لا كمتغير مزعج.

كتبت عن هذا التحول المعماري بتعمق في النسخة التفاعلية من بحثنا.

ماذا يحدث حين تمنح الذكاء الاصطناعي ذاكرة؟

يتحقق المحلل البشري من فيضان مشتبه به بالانتظار. فيتفحص الصورة التالية. ويعيد التصفّح إلى الوراء. ظل الغيمة يتغير شكله ويتلاشى في دقائق. أما مياه الفيضان فتستمر لساعات أو أيام، منتشرة ببطء وفقًا للجاذبية ومقاومة التضاريس.

الاتساق الزمني هو الحقيقة الأساسية التي يرميها الاستدلال أحادي الإطار جانبًا.

في VeriPrajna، مدخلاتنا ليست صورة. بل هي موتِّر (tensor) من بيانات السلاسل الزمنية — تسلسل من الإطارات يراقب فيه النموذج تطور البكسلات. نستخدم الشبكات العصبية الالتفافية ثلاثية الأبعاد، حيث تمتلك نواة الالتفاف بُعدًا زمنيًا. فبدلًا من الانزلاق عبر الارتفاع والعرض، ينزلق عبر الارتفاع والعرض، والزمن.

الأثر عميق. فالبكسل الذي يكون ساطعًا، ثم داكنًا، ثم ساطعًا مجددًا يُصنَّف كشذوذ عابر — ظل يمرّ. أما البكسل الذي ينتقل من الغطاء النباتي إلى الماء ويبقى ماءً إطارًا تلو الآخر فيُصنَّف على أنه فيضان. التدرج الزمني يروي القصة التي لم يكن بمقدور إطار واحد أن يرويها أبدًا.

وللأنماط الأطول أمدًا — فيضان يتطور عبر أيام لا دقائق — نُضيف طبقات من شبكات LSTM الالتفافية. تحافظ هذه على البنية المكانية للصور (بخلاف شبكات LSTM القياسية التي تسطّح كل شيء إلى متجهات أحادية البعد) مع الاحتفاظ بـ"ذاكرة" لحالة الفيضان. بوابة النسيان تتخلص من الضوضاء العابرة. وبوابة الإدخال تسمح بالتغير المستمر. لا يكتفي النموذج بقول "إنه يفيض." بل يمكنه التنبؤ بأنه "سيحدث فيضان هنا خلال ساعتين"، مانحًا مشغّلي الخدمات اللوجستية وقتًا استباقيًا حقيقيًا.

عندما أضفنا العمق الزمني، انخفض معدل النتائج الإيجابية الكاذبة في التصنيف الخاطئ للظلال بنسبة 85٪. ليس لأننا بنينا مصنِّفًا أفضل — بل لأننا توقفنا عن طرح السؤال الخاطئ.

كما نمذجنا انتشار الفيضان على طول شبكات الطرق باستخدام الشبكات الالتفافية البيانية المكانية-الزمانية. فالطرق ليست شبكات بكسل؛ بل هي رسوم بيانية متصلة. فإذا فاضت عقدة في المنبع، تتعلم الشبكة زيادة احتمال الفيضان عند العقد في المصب استنادًا إلى تدرجات الارتفاع وسعة التصريف — حتى قبل أن يظهر الماء على صور الأقمار الصناعية. وهذا يتيح لنا دمج قراءات مقاييس الأنهار، وبيانات سرعة المرور، وتنبؤات الطقس مباشرة في مسار الاستدلال البصري.

الرادار الذي يرى عبر الغيوم

وإليك المفارقة القاسية في كشف الفيضانات: الفيضانات تأتي مع العواصف، والعواصف تأتي مع الغيوم. فالظروف نفسها التي تسبب الفيضان هي الظروف التي تُعمي الأقمار الصناعية البصرية.

هنا يصبح دمج المستشعرات أمرًا غير قابل للتفاوض. رادار الفتحة الاصطناعية — SAR — مستشعر نشط. يبعث نبضاته الميكروية الخاصة ويصغي للصدى. تخترق الأمواج الميكروية الغيوم والمطر والدخان. وتعمل ليلًا ونهارًا. والأهم أنها تتفاعل مع الماء بشكل يختلف عن تفاعل الضوء البصري.

ظل الغيمة غير مرئي للرادار. فالرادار يوفّر إضاءته الخاصة — لا يهمه ما تفعله الشمس. لذا عندما يرى المستشعر البصري ظلامًا ويرى الرادار سطحًا خشنًا جافًا ذا ارتداد خلفي عالٍ، يكون الجواب واضحًا: ظل. وعندما يتفق المستشعران على سطح أملس عاكس ذي ارتداد خلفي منخفض، يكون الجواب واضحًا بالقدر نفسه: ماء.

بسيط من حيث المبدأ. بالغ التعقيد في التنفيذ.

لماذا لا يمكنك ببساطة حساب متوسط مستشعرين معًا؟

هذا هو السؤال الذي يُطرح عليّ أكثر من غيره، والجواب يكشف لماذا تكون معظم مقاربات "الدمج" مجرد استعراض.

لا يمكنك تكديس النطاقات البصرية وSAR في موتِّر مدخلات واحد وتأمل أن تحل الشبكة الأمر. فالتوزيعات الإحصائية مختلفة جوهريًا — قيم بكسل RGB مقابل قياسات الارتداد الخلفي بالديسيبل. ولا يمكنك تدريب نماذج منفصلة وحساب متوسط خرائط احتمالاتها، لأن ذلك يفوّت التفاعلات على مستوى السمات حيث يحدث التمييز الحقيقي.

ما بنيناه بدلًا من ذلك هو آلية انتباه متعددة الوسائط (Cross-Modal Attention). يستخرج المُرمِّز البصري ومُرمِّز SAR السمات بشكل مستقل عبر تدفقات متوازية. ثم، على مقاييس متعددة، تتيح كتلة انتباه متبادل لكل وسيلة أن "تنتبه" إلى الأخرى. يحسب النموذج، بكسلًا بكسلًا، أي مستشعر أجدر بالثقة في هذه اللحظة.

عندما تُظهر السمات البصرية البصمة الإحصائية لضوضاء الغيوم — تباين عالٍ وارتباط طيفي منخفض — تنقل بوابة الانتباه الوزن نحو إشارة الرادار. وفي البيئات الحضرية حيث يعاني SAR من تشوهات الارتداد المزدوج الناتجة عن المباني، تعود البوابة إلى البيانات البصرية. إنه ليس حساب متوسط. بل هو اختيار ديناميكي للمصدر.

الذكاء الاصطناعي لا يدمج البيانات. بل يختار بفاعلية أي مستشعر يصدّق، لكل بكسل، في كل إطار.

مشكلة عملية واحدة كان علينا حلها: لا يحلّق Sentinel-1 وSentinel-2 فوق البقعة نفسها في الوقت نفسه. فعندما يحدث فيضان أثناء عاصفة ولا تتوفر سوى بيانات SAR، نستخدم شبكة توليدية تنافسية لتوليد ما كانت الرؤية البصرية ستبدو عليه بناءً على عائد الرادار. لا يتعلق هذا بتلفيق البيانات — بل بمنح المحللين البشريين إطارًا مرجعيًا قابلًا للتفسير، لأن صور الرادار الخام يُعرف عنها أنها غير بديهية في القراءة.

للاطلاع على التفصيل التقني الكامل لبنية الدمج ومنهجية التدريب لدينا، راجع ورقتنا البحثية.

الجدال الذي كاد يشقّ فريقي

كان هناك أسبوع، في البدايات، انقسم فيه فريقي انقسامًا حقيقيًا. أراد نصفه التركيز على النمذجة الزمنية فقط — والحجة أنه إذا توفرت لديك إطارات كافية عبر الزمن، يمكنك التمييز بين الظلال والماء باستخدام البيانات البصرية وحدها. أما النصف الآخر فاحتج بأن البيانات الزمنية عديمة الفائدة عندما يكون لديك خمسة إطارات غائمة متتالية — وهو بالضبط ما يحدث أثناء الفيضانات التي تكون في أمسّ الحاجة لكشفها.

احتدم النقاش. استحضرت إحدى المهندسات صور موسم الرياح الموسمية فوق بنغلاديش وأظهرت اثني عشر يومًا متتاليًا لم يلتقط فيها Sentinel-2 سوى قمم الغيوم. قالت: "نموذجك الزمني يشاهد الغيوم وهي تتطور. ليست لديه أدنى فكرة عمّا يحدث على الأرض."

كانت محقة. وكان المعسكر الزمني محقًا أيضًا — عندما تستطيع رؤية الأرض، يكون الزمن أقوى أداة تمييز متاحة.

لم يكن الحل تسوية. بل كان إدراكًا أن كلا النهجين ناقص بمفرده وتحويلي معًا. تتولى النمذجة المكانية-الزمانية الحالات التي تتوفر فيها رؤية بصرية متقطعة. ويتولى دمج SAR الحالات التي يكون فيها البصري محجوبًا تمامًا. وتتعلم آلية الانتباه المتبادل، ديناميكيًا، أي مزيج من الأدلة يستحق الثقة.

أطلقنا على المسار المتكامل اسم Chronos-Fusion. يعالج بيانات SAR من Sentinel-1 والبيانات البصرية من Sentinel-2 عبر مُرمِّزات ثنائية التدفق، ويدمجها عبر الانتباه المتبادل على مقاييس متعددة، ويفكّها عبر شبكة إزالة التفاف ثلاثية الأبعاد، ويفرض الاتساق الزمني عبر دالة خسارة تعاقب على التنبؤات المستحيلة فيزيائيًا — مثل ظهور الماء واختفائه في ثوانٍ، أو تجمّعه على منحدر بزاوية 45 درجة.

معاييرنا المرجعية الداخلية تروي القصة:

• الأساس الثابت البصري فقط: ~0.65 mIoU (متوسط التقاطع على الاتحاد)
• الأساس الثابت لـSAR فقط: ~0.70 mIoU
• Chronos-Fusion المكاني-الزماني: >0.91 mIoU
• الاتساق الزمني: ثبات في الاتجاه بنسبة 96٪ — بلا وميض، بلا فيضانات وهمية

ماذا عن جماعة "استخدم فقط نموذجًا أساسيًا"؟

أسمع هذا باستمرار. قال لي مستثمر العام الماضي، بكل صدق: "ألا يمكنك فقط ضبط SAM بدقة على بعض صور الفيضانات وإطلاقه؟" إن SAM — نموذج تجزئة أي شيء (Segment Anything Model) — تقنية مبهرة. لكنه محرك تجزئة عام الأغراض. لا يفهم أن الماء يمتص الأشعة تحت الحمراء القريبة. ولا يعرف أن الارتداد الخلفي للرادار ينخفض عندما يصبح السطح عاكسًا. ولم يتعلم قط أن الظلال تتحرك مع الرياح بينما تخضع الفيضانات للجاذبية.

هذه المقاربات القائمة على الأغلفة — خذ نموذجًا مُدرَّبًا مسبقًا، اضبطه بدقة على مجموعة بيانات مُعنونة صغيرة، ثم انشره — تنتج عروضًا توضيحية مبهرة. وتحقق نتائج جيدة على مجموعات تحقق منتقاة. لكنها تفشل في الإنتاج لأن العالم الحقيقي عدائي بطرق لا تكون عليها مجموعات البيانات النظيفة.

النموذج المُدرَّب مسبقًا لا يعرف أن حقلًا داكنًا في البنجاب بعد الري يبدو مطابقًا طيفيًا لفيضان ضحل. ولا يعرف أن غيوم الرياح الموسمية في كيرالا قد تستمر لأسابيع، مما يجعل الكشف البصري فقط عديم الفائدة طوال مدة الحدث. ولا يعرف أن صور SAR الحضرية في مومباي تنتج تشوهات ارتداد مزدوج من المباني تحاكي بصمات الماء.

الذكاء الاصطناعي القائم على الأغلفة يرث كل إخفاق في المعالجة المسبقة السابقة له. فإذا فوّت قناع الغيوم ظلًّا، سيعنونه نموذج التجزئة بثقة على أنه فيضان. مدخلات رديئة، مخرجات رديئة بثقة.

التمييز بين الذكاء الاصطناعي القائم على الأغلفة وما نبنيه ليس تمييزًا أكاديميًا. إنه الفرق بين نظام يعمل في عرض توضيحي ونظام يعمل حين تضرب الرياح الموسمية.

التكلفة الحقيقية ليست الشاحنات المُعاد توجيهها

بدأت هذا المقال بمثال لوجستي لأن الضرر المالي ملموس وفوري. لكن التكلفة الأعمق هي الثقة.

عندما يكون لنظام كشف الفيضانات معدل إنذارات كاذبة مرتفع، يتوقف المشغّلون البشريون عن تصديقه. فيبدؤون في التحقق يدويًا من كل تنبيه، معيدين إدخال التأخير الذي كان يُفترض بالذكاء الاصطناعي أن يزيله. ويصاب المستجيبون للطوارئ بما يسميه الباحثون إجهاد التنبيهات — ديناميكية "الذئب المزعوم" حيث تتأخر التحذيرات المشروعة أو تُتجاهل لأن الخمسة الأخيرة كانت ظلالًا.

في الاستجابة للكوارث، يُقاس هذا بالأرواح. فإرسال فرق البحث والإنقاذ إلى موقع جاف — ظل غيمة — يترك ضحايا الفيضان الحقيقيين ينتظرون. تُظهر الأبحاث أن تحسين "الميل الأخير" من توزيع الإغاثة أمر بالغ الأهمية، وأن إشارات الطلب الكاذبة تُضعف نسبة المنفعة إلى التكلفة للعملية بأكملها.

في التأمين البارامتري، حيث تُفعَّل الوثائق تلقائيًا بناءً على بيانات الأقمار الصناعية ("رُصد فيضان في نطاق 500 متر من الأصل X")، تكون الدقة عملة قانونية. فالنتيجة الإيجابية الكاذبة تُفعّل تعويضًا غير مبرر. والنتيجة السلبية الكاذبة ترفض مطالبة مشروعة. لا يسجل نظامنا مجرد تصنيف الفيضان بل سلسلة الأدلة المكانية-الزمانية: استمر الماء ست ساعات، وأكّد الارتداد الخلفي للرادار تغيّر خشونة السطح، واستبعد التحليل الزمني الظل. هذا سجل تدقيق جنائي، لا درجة احتمالية.

كيف تدرّب ذكاءً اصطناعيًا على فهم فيزياء لا يستطيع رؤيتها؟

يسألني الناس هذا، والجواب الصادق هو: أنت لا تدرّبه على الفيزياء مباشرة. بل تدرّبه على أرشيفات ضخمة من بيانات السلاسل الزمنية للأقمار الصناعية حيث تكون الفيزياء ضمنية.

نستخدم التعلم ذاتي الإشراف على صور غير مُعنونة. يرى النموذج تسلسلًا من الإطارات مع إخفاء الإطار الأخير، وعليه أن يتنبأ بما يأتي تاليًا. ومن خلال ملايين هذه التنبؤات، يتعلم أن الغيوم تتحرك بسرعة والماء يتحرك ببطء. ويتعلم أن للظلال تدرجات زمنية حادة وللفيضانات تدرجات تدريجية. ويتعلم فيزياء التغير دون أن يُخبَر قط بقوانين نيوتن.

ثم نضبط بدقة على أفضل مجموعات البيانات المُعنونة المتاحة — Sen1Floods11 بشرائحها المُعنونة البالغة 4,831 عبر 11 حدث فيضان عالمي، وWorldFloods بأحداثها الـ159 من الفيضانات التي تلتقط أشكالًا تشكّلية متنوعة، وAllClear بأربعة ملايين صورة لإزالة الغيوم والظلال، وUrbanSARFloods المتخصصة في كابوس البيئات الحضرية. لا تكفي مجموعة بيانات واحدة. فكل منها يحمل تحيزاته الخاصة في العنونة، والتدريب عليها جميعًا يُجبر النموذج على التعميم بدلًا من الحفظ.

الظل ليس الماء

أظل أعود إلى تلك الصورة الأولى. الشكل الداكن على الطريق السريع. التصنيف الأحمر الواثق: فيضان. الشاحنات الخمسون التي كانت قد أُعيد توجيهها بالفعل بحلول الوقت الذي شكّك فيه أحد.

لم تكن المشكلة قط أن الذكاء الاصطناعي غبي. بل كانت المشكلة أننا طلبنا منه فهم عالم رباعي الأبعاد بالنظر إلى لقطة ثنائية الأبعاد. أعطيناه صورة فوتوغرافية وطلبنا منه أن يروي لنا قصة. فبالطبع هلوس.

لقد انتهى عصر الاستدلال أحادي الإطار في قرارات البنية التحتية الحرجة. فتغير المناخ يسرّع من تواتر الأحداث المناخية المتطرفة — والغطاء الغيمي الذي يصاحبها. والأنظمة التي تُصاب بالعمى حين تمطر ليست حذرة. بل هي عتيقة.

ما نبنيه في VeriPrajna ليس مصنِّفًا أفضل. إنه نوع مختلف من الرؤية. نراقب تدفق الزمن. ندمج الطيف الكهرومغناطيسي. ونمذج فيزياء كيفية تصرف الماء فعليًا على التضاريس، لا كيفية تجمّع البكسلات الداكنة في صورة JPEG. فحين رأى نموذج الغلاف طريقًا مغمورًا وأصابه الذعر، تحقق نظامنا من الرادار، وأعاد الشريط إلى الوراء، وتحقق من الاتساق الزمني، وأخلى الطريق للمرور.

الظل ليس الماء. لكنك لن تعرف الفرق أبدًا إن نظرت مرة واحدة فقط.