توانایی انسان در تعمیم آموخته‌ها به موقعیت‌های جدید و دیده نشده، یکی از شگفت‌انگیزترین جنبه‌های هوش طبیعی است. ما می‌توانیم یک شیء را که در یک عکس دیده‌ایم، در یک نقاشی یا در دنیای واقعی با شرایط نوری متفاوت به راحتی تشخیص دهیم. این در حالی است که ماشین‌ها و مدل‌های یادگیری عمیق، با وجود پیشرفت‌های چشمگیر، در این زمینه با چالش جدی مواجه هستند. مقاله مروری «تعمیم دامنه: یک بررسی» (Domain Generalization: A Survey) به قلم کایانگ ژو و همکارانش، به طور عمیق به این چالش کلیدی در هوش مصنوعی می‌پردازد.

بسیاری از الگوریتم‌های یادگیری ماشین بر این فرض استوارند که داده‌های آموزش و آزمون از یک توزیع آماری یکسان و مستقل (i.i.d.) پیروی می‌کنند. اما در دنیای واقعی، این فرض تقریباً هرگز برقرار نیست. پدیده‌ای به نام «شیفت دامنه» (Domain Shift) باعث می‌شود مدلی که بر روی داده‌های یک «دامنه» (مثلاً تصاویر گرفته شده در روز) آموزش دیده، در مواجهه با دامنه‌ای جدید (مثلاً تصاویر شبانه) عملکرد ضعیفی داشته باشد.

اینجاست که مفهوم تعمیم دامنه (Domain Generalization – DG) اهمیت می‌یابد. هدف DG، آموزش مدل‌هایی است که قادر باشند بدون دسترسی به داده‌های دامنه هدف، عملکرد خود را در دامنه‌های جدید و دیده نشده حفظ کنند. این مقاله، به عنوان اولین بررسی جامع در این حوزه، دستاوردهای یک دهه تحقیق را گردآوری، دسته‌بندی و تحلیل می‌کند و به همین دلیل، منبعی ارزشمند برای پژوهشگران و متخصصان هوش مصنوعی به شمار می‌رود.

این مقاله توسط تیمی از محققان برجسته در زمینه بینایی کامپیوتر و یادگیری ماشین به نگارش درآمده است: کایانگ ژو (Kaiyang Zhou)، زیوی لیو (Ziwei Liu)، یو چیائو (Yu Qiao)، تائو شیانگ (Tao Xiang) و چن چنج لوی (Chen Change Loy). این پژوهشگران از چهره‌های شناخته‌شده در دانشگاه‌های معتبری مانند دانشگاه صنعتی نانیانگ (NTU) و دانشگاه ساری هستند و مقالات متعددی در کنفرانس‌های برتر هوش مصنوعی مانند CVPR، ICCV و NeurIPS منتشر کرده‌اند.

تخصص اصلی نویسندگان در حوزه‌های بینایی کامپیوتر، تشخیص الگو و یادگیری عمیق است. این مقاله در تقاطع این حوزه‌ها قرار گرفته و به یکی از اساسی‌ترین مشکلات عملی در ساخت سیستم‌های هوشمند قابل اعتماد می‌پردازد. در کاربردهایی مانند خودروهای خودران، تشخیص پزشکی یا رباتیک، جایی که مدل‌ها باید در محیط‌های پویا و غیرقابل پیش‌بینی عمل کنند، مسئله تعمیم دامنه از اهمیت حیاتی برخوردار است.

مقاله با این مقدمه آغاز می‌شود که تعمیم به داده‌های خارج از توزیع (Out-of-Distribution – OOD) برای انسان طبیعی اما برای ماشین‌ها چالش‌برانگیز است. دلیل این امر، اتکای شدید الگوریتم‌ها به فرض i.i.d. است که در عمل به دلیل شیفت دامنه نقض می‌شود. تعمیم دامنه (DG) با هدف حل این مشکل، تلاش می‌کند مدلی را تنها با استفاده از داده‌های دامنه منبع آموزش دهد که بتواند در دامنه‌های هدفِ دیده نشده، عملکرد خوبی داشته باشد.

طی یک دهه گذشته، پژوهش‌های DG پیشرفت قابل توجهی داشته و منجر به ظهور طیف وسیعی از روش‌ها شده است. این مقاله این روش‌ها را در دسته‌های مختلفی طبقه‌بندی می‌کند، از جمله:

• هم‌ترازی دامنه (Domain Alignment)
• فرا-یادگیری (Meta-Learning)
• افزونش داده (Data Augmentation)
• یادگیری گروهی (Ensemble Learning)

نویسندگان همچنین به کاربردهای گسترده DG در زمینه‌های مختلفی مانند بینایی کامپیوتر، پردازش زبان طبیعی، تشخیص گفتار، تصویربرداری پزشکی و یادگیری تقویتی اشاره می‌کنند. این مقاله با تعریف رسمی DG و بیان تفاوت‌های آن با حوزه‌های مرتبطی مانند «انطباق دامنه» (Domain Adaptation) و «یادگیری انتقالی» (Transfer Learning)، یک چارچوب مفهومی روشن ارائه می‌دهد. در نهایت، با بررسی عمیق روش‌ها و نظریه‌های موجود، چشم‌اندازی از مسیرهای تحقیقاتی آینده را ترسیم می‌کند.

از آنجایی که این یک مقاله مروری است، روش‌شناسی آن مبتنی بر بررسی نظام‌مند و جامع ادبیات پژوهشی در حوزه تعمیم دامنه طی ده سال گذشته است. نویسندگان صدها مقاله را مطالعه کرده و آن‌ها را بر اساس رویکرد اصلی‌شان طبقه‌بندی کرده‌اند. این طبقه‌بندی به درک بهتر چشم‌انداز کلی این حوزه کمک شایانی می‌کند. رویکردهای اصلی مورد بررسی عبارتند از:

• دستکاری و افزونش داده (Data Manipulation/Augmentation): این رویکرد بر تولید داده‌های آموزشی متنوع‌تر تمرکز دارد تا مدل را در معرض تغییرات احتمالی دامنه‌های مختلف قرار دهد. برای مثال، تغییر سبک، رنگ، بافت یا جهت تصاویر می‌تواند به مدل کمک کند تا ویژگی‌های پایدارتری را بیاموزد.
• یادگیری بازنمایی ناوردا (Representation Learning): هدف این دسته از روش‌ها، یادگیری ویژگی‌هایی است که در بین دامنه‌های منبع مختلف، ثابت و ناوردا (invariant) باقی بمانند. ایده اصلی این است که اگر بازنمایی یادگرفته‌شده مستقل از دامنه باشد، به طور طبیعی به دامنه‌های جدید نیز تعمیم خواهد یافت. تکنیک‌هایی مانند یادگیری متخاصمانه (Adversarial Training) برای دستیابی به این هدف استفاده می‌شوند.
• استراتژی‌های یادگیری مبتنی بر فرا-یادگیری (Meta-Learning Based Strategies): در این روش، فرآیند آموزش به گونه‌ای طراحی می‌شود که «یادگیریِ تعمیم دادن» را شبیه‌سازی کند. دامنه‌های منبع به دو بخش «فرا-آموزش» و «فرا-آزمون» تقسیم می‌شوند و مدل برای بهینه‌سازی عملکرد تعمیم خود آموزش می‌بیند.
• یادگیری گروهی (Ensemble Learning): این رویکرد از ترکیب پیش‌بینی‌های چندین مدل مختلف برای افزایش پایداری و قدرت تعمیم استفاده می‌کند. هر مدل ممکن است جنبه‌های متفاوتی از داده‌ها را بیاموزد و ترکیب آن‌ها می‌تواند خطاهای ناشی از شیفت دامنه را کاهش دهد.

این بررسی جامع به چندین یافته کلیدی و مهم دست یافته است که وضعیت فعلی و چالش‌های پیش روی حوزه DG را روشن می‌کند:

• بلوغ و تنوع روش‌ها: حوزه تعمیم دامنه از یک موضوع تحقیقاتی حاشیه‌ای به یک شاخه اصلی در یادگیری ماشین تبدیل شده و اکنون میزبان مجموعه گسترده‌ای از الگوریتم‌ها و رویکردهاست.
• عدم وجود یک راه‌حل واحد: هیچ روشی وجود ندارد که برای همه مسائل بهترین عملکرد را داشته باشد. انتخاب رویکرد مناسب به شدت به ماهیت مسئله، نوع شیفت دامنه، و داده‌های موجود بستگی دارد.
• چالش ارزیابی و بنچمارک‌ها: یکی از بزرگترین موانع در این حوزه، نبود بنچمارک‌ها و پروتکل‌های ارزیابی استاندارد است. این مسئله مقایسه عادلانه روش‌های مختلف را دشوار می‌سازد.
• شکاف بین نظریه و عمل: در حالی که پیشرفت‌های تجربی زیادی حاصل شده، درک نظری از اینکه چرا و چه زمانی روش‌های DG موفق عمل می‌کنند، هنوز محدود است و نیاز به تحقیقات بنیادی بیشتری دارد.
• تمایز مفهومی روشن: مقاله به خوبی تفاوت میان تعمیم دامنه (DG)، انطباق دامنه (DA) و یادگیری انتقالی (TL) را مشخص می‌کند. در DA، داده‌های بدون برچسب از دامنه هدف در دسترس است، در حالی که در DG، دامنه هدف کاملاً ناشناخته باقی می‌ماند، که آن را به چالش‌برانگیزترین سناریو تبدیل می‌کند.

اهمیت تعمیم دامنه در کاربردهای عملی آن نهفته است. سیستم‌های هوش مصنوعی که در دنیای واقعی به کار گرفته می‌شوند، باید بتوانند با تغییرات پیش‌بینی‌نشده محیطی سازگار شوند. برخی از کاربردهای مهم DG عبارتند از:

• بینایی کامپیوتر: در خودروهای خودران، یک سیستم تشخیص عابر پیاده که در شرایط آب و هوایی آفتابی آموزش دیده، باید در باران، برف یا مه نیز به درستی کار کند. همچنین، یک مدل تشخیص اشیاء باید بتواند یک «صندلی» را هم در عکس واقعی، هم در نقاشی و هم در یک طرح شماتیک تشخیص دهد.
• تصویربرداری پزشکی: یک مدل هوش مصنوعی که برای تشخیص تومور از روی تصاویر MRI یک بیمارستان خاص آموزش دیده، باید بتواند روی تصاویر گرفته شده با دستگاه‌های دیگر در بیمارستان‌های دیگر نیز با دقت بالا عمل کند، حتی اگر کنتراست و رزولوشن تصاویر متفاوت باشد.
• پردازش زبان طبیعی (NLP): یک مدل تحلیل احساسات که بر روی نقد فیلم‌ها آموزش دیده، باید بتواند احساسات موجود در نقد محصولات یا پست‌های شبکه‌های اجتماعی را نیز تحلیل کند، جایی که سبک نگارش و واژگان کاملاً متفاوت است.
• یادگیری تقویتی: رباتی که در یک محیط شبیه‌سازی شده آموزش دیده تا یک وظیفه را انجام دهد، باید بتواند همان وظیفه را در دنیای واقعی با موفقیت اجرا کند و بر «شکاف واقعیت» (Sim-to-Real Gap) غلبه نماید.

مقاله «تعمیم دامنه: یک بررسی» با موفقیت یک دهه تحقیق در یکی از مهم‌ترین چالش‌های هوش مصنوعی مدرن را خلاصه و طبقه‌بندی می‌کند. این مقاله نشان می‌دهد که ساخت مدل‌های قوی و قابل اعتماد که بتوانند در شرایط غیرمنتظره به درستی عمل کنند، نیازمند فراتر رفتن از فرض سنتی i.i.d. و تمرکز بر روش‌های تعمیم دامنه است.

این بررسی جامع، با ارائه یک چارچوب منظم از روش‌های موجود و شناسایی چالش‌های کلیدی، به عنوان یک نقشه راه برای پژوهشگران عمل می‌کند. نویسندگان در پایان، مسیرهای تحقیقاتی آینده را پیشنهاد می‌دهند که شامل موارد زیر است:

• توسعه بنچمارک‌های استاندارد و قوی‌تر برای ارزیابی عادلانه الگوریتم‌ها.
• پر کردن شکاف میان مبانی نظری و موفقیت‌های تجربی برای درک عمیق‌تر اصول تعمیم.
• کاوش در تعمیم دامنه در سناریوهای پیچیده‌تر مانند یادگیری مستمر (Continual Learning) و یادگیری فدرال (Federated Learning).
• بررسی ارتباط میان تعمیم دامنه و حوزه‌هایی مانند علیت (Causality) و یادگیری بازنمایی‌های گسسته (Disentangled Representations).

در نهایت، این مقاله تأکید می‌کند که دستیابی به هوش مصنوعی عمومی و قابل اعتماد، در گرو حل مسئله تعمیم به داده‌های خارج از توزیع است و حوزه تعمیم دامنه نقشی حیاتی در این مسیر ایفا خواهد کرد.