لماذا لا يكفي جهاز فرز واحد لكل شيء؟
كان السير يهتز في مركز تدوير، وكل شيء مختلط فوقه. زجاجات وعلب وورق وقطع بلاستيك صغيرة. كلما حاولوا تمرير الكومة كلها عبر جهاز فرز واحد قوي، تباطأ السير وتراكمت الأشياء. قال المشرف: قسموا العمل لمحطات تعمل معًا، ثم نجمع الناتج في النهاية.
تذكرت هذا حين حاول الناس جعل الحاسوب يفهم ما في الصورة. الفكرة القديمة كانت تكبير جهاز واحد داخل الحاسوب: طبقات أكثر وأوسع. صار أثقل ويحتاج حسابات كثيرة، وأحيانًا يضيّع جهده على أشياء كان يمكن تمييزها بسرعة.
الفكرة الجديدة كانت مثل خط التدوير. في المكان نفسه من الصورة، تجري عدة فحوصات جنبًا إلى جنب: فحص يلتقط التفاصيل الصغيرة، وآخر للمتوسطة، وثالث للأكبر، ومعه خطوة تلطيف بسيطة. ثم تُجمع النتائج معًا لتستخدمها المرحلة التالية. الخلاصة: النظر بأحجام مختلفة في وقت واحد يلتقط إشارات أكثر.
بس لحظة، المحطات الكثيرة قد تخنق السير إذا كانت كلها بطيئة. لذلك وضعوا قبلها فرزًا سريعًا يختصر الفوضى إلى صناديق أقل. داخل الحاسوب توجد لمسة سريعة جدًا تؤدي هذا الدور، فتجعل الفحوصات الثقيلة تعمل على شيء أصغر وأسهل، وتضيف قرارًا صغيرًا بدل تمرير الأرقام كما هي.
حين ركبوا مراحل كثيرة من هذا النوع، صار النظام عميقًا من دون أن يتضخم بلا فائدة. ولئلا يضيع التعلم في العمق، أضافوا مراقبين صغارًا على الطريق أثناء التدريب، مثل مفتشين مؤقتين يقيمون الفرز مبكرًا. عند الاستخدام الفعلي يزيلونهم ويبقى المسار الرئيسي.
في مسابقة معروفة للتعرف على الصور عام 2014، هذا التصميم الذي سمي GoogLeNet حقق نتائج قوية مع عدد أقل من القيم المخزنة مقارنة بكثير مما سبقه، ونجح أيضًا في تحديد أشياء داخل الصورة ضمن نظام يقترح مناطق ثم يصنفها. عند خط التدوير فهمت الفارق: ليس المهم أن تكبر الآلة، بل أن توزع النظرة وتختصر قبل أن تثقل.