نموذج الشبكة العصبية البيانية

قبل عام 2009، كانت الشبكات العصبية تتعامل مع نوعين أساسيين من البيانات:

• متجهات ثابتة الحجم — شبكات كاملة الاتصال ترى المدخل كقائمة مسطّحة من الأرقام. لو عندك جزيء من 20 ذرة وآخر من 50 ذرة، لا تستطيع إدخالهما إلى الشبكة نفسها دون حشو مصطنع يُضيع البنية الأصلية.

• تسلسلات أو شبكات منتظمة — الشبكات الالتفافية تستغل الترتيب المكاني للبكسلات، والشبكات التكرارية تستغل الترتيب الزمني للكلمات. كلاهما يفترض بنية منتظمة يمكن التنبؤ بها، وهذا بالضبط ما لا تملكه البيانات البيانية.

البيانات تكسر كل هذه الافتراضات: كل عقدة لها عدد مختلف من الجيران، لا يوجد ترتيب طبيعي «من اليسار إلى اليمين»، بل إنّ البيان الواحد يمكن تمثيله بعدة مصفوفات تجاور مختلفة بمجرد إعادة ترتيب العقد. كان الميدان بحاجة إلى نموذج تحترم حساباته طوبولوجيا البيان بدل أن يسطّحه ويفقد بنيته.

البيان $G = (V, E)$ يتكوّن من مجموعة عقد $V$ ومجموعة حواف $E$ تربط بينها. كل عقدة $v$ يمكن أن تحمل سمات على شكل متجه $l_v$، وكل حافة $(u,v)$ يمكن أن تحمل تسمية $l_{(u,v)}$. أما جوار العقدة $\text{ne}[v]$ فهو ببساطة مجموعة العقد المتصلة بها مباشرة.

البيانات تأتي بأشكال متعددة: موجَّهة حيث الحواف لها اتجاه (كمتابعات تويتر)، أو غير موجَّهة حيث العلاقة متبادلة (كصداقات فيسبوك)، أو دورية يمكنك فيها تتبّع الحواف والعودة لنقطة البداية، أو غير دورية بلا حلقات (كأشجار العائلة). الشبكة العصبية البيانية تتعامل مع كل هذه الأنواع بشكل طبيعي دون تعديل.

بنية البيان تُختصر بالكامل في مصفوفة التجاور $A$: مصفوفة مربعة قيمتها $A_{ij} = 1$ إذا كانت العقدتان $i$ و$j$ متصلتين. وهناك أيضاً مصفوفة الدرجات $D$ وهي مصفوفة قُطرية، كل عنصر $D_{ii}$ فيها يمثّل عدد جيران العقدة $i$. هاتان المصفوفتان هما الأساس الذي تُبنى عليه كل العمليات الحسابية على البيانات.

في الشبكة العصبية البيانية، كل عقدة $v$ تملك متجه حالة $x_v$ — يمكنك تخيّله كملخّص مكثّف لكل ما «تعرفه» هذه العقدة عن محيطها وعن البيان ككل. هذا المتجه يُحسب عبر دالة انتقال $f_w$ تنظر في أربعة عناصر:

• سمات العقدة نفسها $l_v$

• تسميات حوافها $l_{co[v]}$

• الحالات الحالية لجيرانها $x_{ne[v]}$

• سمات جيرانها $l_{ne[v]}$

الصورة الذهنية هنا بسيطة: تخيّل كل عقدة كشخص في اجتماع مستدير. «حالته» هي فهمه الراهن للنقاش. في كل جولة، يسمع من جيرانه ما توصّلوا إليه، يدمجه مع معلوماته الخاصة، ويخرج بفهم جديد مُحدَّث. بعد جولات كافية، يصبح فهم كل شخص انعكاساً لكامل الغرفة — حتى لمن لم يتحدّث إليهم مباشرة.

هنا يطرح سؤال مهم: هل فعلاً ستتوقف هذه التحديثات التكرارية عن التغيُّر؟ لو ظلّت حالات العقد تتأرجح بلا استقرار، فالنموذج كله بلا فائدة. حلّ سكارسيلي وزملاؤه هذه المشكلة بأداة كلاسيكية من التحليل الدالّي: مبرهنة باناخ للنقطة الثابتة.

الفكرة ببساطة: إذا كانت الدالة تقلُّصية — بمعنى أنها في كل مرة تُقرّب المخرجات من بعضها أكثر مما كانت المدخلات — فإن تكرار تطبيقها يتقارب حتماً نحو نقطة ثابتة وحيدة، بغض النظر عن نقطة البداية. الشرط الرياضي هو:

$\|f_w(\mathbf{x}) - f_w(\mathbf{x}')\| \leq \mu \|\mathbf{x} - \mathbf{x}'\|, \quad 0 < \mu < 1$

عملياً، يُفرض هذا الشرط أثناء التدريب بإضافة عقوبة على مقياس مصفوفة يعقوبي لدالة $f_w$. النتيجة العملية: مهما اخترت قيماً ابتدائية للحالات، فإن التكرار $x_v^{(t+1)} = f_w(\ldots)$ يتقارب بسرعة أُسّية. تخيّل كرة تُلقيها في وادٍ — أينما رميتها، ستصل حتماً إلى القاع.

تدريب الشبكة العصبية البيانية يعني إيجاد أوزان $w$ للدالتين $f_w$ و$g_w$ بحيث تُقلَّل دالة الخسارة — مثلاً الإنتروبيا المتقاطعة في حالة تصنيف العقد. المشكلة هنا أن $f_w$ تتكرر عدّة مرات حتى التقارب، ما يُنتج بياناً حسابياً عميقاً جداً.

الحل الذي استخدمه سكارسيلي وزملاؤه هو خوارزمية ألمَيدا-بينيدا: بدلاً من فرد كل التكرارات وتطبيق الانتشار العكسي عبرها (وهو مكلف جداً من حيث الذاكرة)، تحسب هذه الخوارزمية التدرّجات مباشرة عند النقطة الثابتة عبر الاشتقاق الضمني. المنطق واضح: عند النقطة الثابتة تكون $x = f_w(x)$، فنشتق هذه المتطابقة ضمنياً ونحصل على التدرّج دون الحاجة لتخزين كل حالة وسيطة.

حلقة التدريب تتكوّن من مرحلتين متداخلتين:

• المرحلة الأمامية: تكرار $f_w$ حتى تستقر الحالات (مرحلة الحالة)

• المرحلة الخلفية: حساب تدرّجات الخسارة بالنسبة لـ$w$ بأسلوب ألمَيدا-بينيدا (مرحلة التعلُّم)

كلتا الدالتين $f_w$ و$g_w$ مُنفَّذتان كـمُدرَكات متعددة الطبقات. ولضمان شرط التقلُّص على $f_w$، تُضاف عقوبة على النصف القطري الطيفي لـمصفوفة يعقوبي إلى دالة الخسارة.

لو أزلت آلية النقطة الثابتة وتأملت ما تبقّى، ستجد النمط الذي ورثته كل شبكة عصبية بيانية جاءت بعد ذلك:

1. الرسالة — كل عقدة تُعدّ رسالة انطلاقاً من حالتها الحالية.

2. التجميع — كل عقدة تجمع الرسائل الواردة من جيرانها (بالجمع أو المتوسط أو الأقصى…).

3. التحديث — كل عقدة تدمج الرسائل المُجمَّعة مع حالتها لتُنتج حالة جديدة.

هذا هو إطار تمرير الرسائل. في نموذج سكارسيلي الأصلي، كانت الدالة تقلُّصية والتكرار يستمر حتى النقطة الثابتة. النماذج التي جاءت لاحقاً (GCN وMPNN) استبدلت ذلك بعدد ثابت من الطبقات — كل طبقة تمثّل جولة واحدة من تمرير الرسائل. لكن الوصفة الثلاثية واحدة لم تتغيّر.

عدد الطبقات (أو التكرارات) يحدّد الحقل الاستقبالي: بعد $k$ طبقة، تكون كل عقدة قد وصلتها معلومات من عقد تبعد عنها حتى $k$ قفزات. هذا تماماً كما يتوسّع الحقل الاستقبالي في الشبكة الالتفافية مع زيادة العمق.

رغم ريادتها، واجه النموذج الأصلي ثلاثة قيود شكّلت محور الأبحاث في العقد التالي:

• قيد التقلُّص — اشتراط أن تكون $f_w$ تقلُّصية يُقيّد القدرة التعبيرية للنموذج، لأنه لا يستطيع تعلّم تمثيلات تحتاج تحويلات توسّعية. جاءت GCN وخفّفت هذا القيد باستخدام عدد ثابت من الطبقات بدل التكرار حتى التقارب.

• الإفراط في التنعيم — بعد تكرارات كثيرة، حالات العقد كلها تبدأ بالتقارب نحو قيم متشابهة، فتذوب الفوارق بينها. الأمر يشبه صورة تُعاد عليها فلاتر التنعيم مراراً حتى تصبح ضبابية تماماً.

• التكلفة الحسابية — تكرار العملية حتى التقارب في كل خطوة تدريب مكلف جداً. لذلك تستخدم الشبكات البيانية الحديثة 2–4 طبقات من تمرير الرسائل فقط، بدلاً من عشرات التكرارات.

الشبكات العصبية البيانية تستطيع إنتاج تنبؤات على ثلاثة مستويات مختلفة:

• مستوى العقدة — تصنيف كل عقدة على حدة. مثلاً: كشف الحسابات الوهمية في شبكة اجتماعية. هنا تُمرَّر الحالة المستقرة لكل عقدة إلى دالة الإخراج $g_w$.

• مستوى الحافة — التنبؤ بوجود علاقة بين عقدتين. مثلاً: اقتراح صداقات جديدة. تُدمج حالتا العقدتين ويُصنَّف الزوج.

• مستوى البيان — تصنيف بيان بأكمله. مثلاً: هل هذا الجزيء سامّ؟ تُجمَّع حالات كل العقد (بالجمع أو المتوسط أو التجميع) في متجه واحد يمثّل البيان، ثم يُصنَّف.

نموذج سكارسيلي الأصلي ركّز على مهام العقدة ومهام البيان. أما التنبؤات على مستوى الحافة والتقنيات الأكثر تطوراً للتجميع فجاءت مع النماذج اللاحقة.

GCN هي في جوهرها اختصار لـتمرير الرسائل عند سكارسيلي إلى ضرب مصفوفي واحد، وMPNN هي تعميم الحلقة الثلاثية نفسها في إطار رسمي موحّد. الفكرة التي بدأت بـ«دع كل عقدة تتحدث مع جيرانها» تقود اليوم أنظمة تصمّم أدوية، وتتنبأ بحركة المرور، وتكشف الاحتيال.