الشبكات الالتفافية للصور

خذ صورة ملوّنة بأبعاد 224 × 224 بكسل ووصّلها بطبقة كثيفة من 1000 وحدة. أجرِ الحساب: $224 \times 224 \times 3 = 150,528$ مدخلًا، تُضرب في 1000 مخرج، يُضاف إليها التحيّزات. أي مئة وخمسون مليون معامل. لـطبقة واحدة فقط، ولصورة واحدة بدقة متواضعة. ستمئة ميغابايت من الأوزان قبل أن نبدأ تعلّم أي شيء.

غير أن المشكلة ليست في الحجم أولًا. المشكلة أن هذا النموذج يعامل الصورة كحقيبة من 150 528 رقمًا مستقلًا. فالبكسل في أعلى اليسار وجاره المباشر غريبان عن بعضهما بالنسبة إليه، تمامًا مثل بكسلين في زاويتين متقابلتين. بنية الصورة كلها، أي أن الجوار مهم وأن الحافة حافة أينما وُجدت، تُرمى قبل أول عملية حسابية. وسيتعيّن على الشبكة إعادة تعلّمها من الأمثلة، وهذا ممكن لكنه يتطلب كمية هائلة من البيانات لإعادة اكتشاف أمر كنا نعرفه أصلًا.

تُدرج الشبكات الالتفافية هذه المعرفة في المعمارية نفسها. بفرضيتين فقط: الأنماط المفيدة محلية، والنمط المفيد في موضع ما مفيد في أي موضع آخر. الأولى تستبدل بالاتصال الكامل جوارًا صغيرًا. والثانية تتيح إعادة استخدام الأوزان نفسها في أنحاء الصورة كلها. وبهاتين الفكرتين تنخفض المعاملات من 150 مليونًا إلى بضعة آلاف، والأهم أنهما تمنحان النموذج بنية لم يعد مضطرًا إلى تخمينها.