يمكن للذكاء الاصطناعي إنتاج صور واقعية في غضون ثوانٍ، ما يؤدي إلى حجم هائل من الأعمال الفنية يوميا، ولكن هل يمكن لهذا الفن أن يجاري الإبداع البشري؟ وما الآثار المترتبة عليه؟. لعلكم اختبرتم توليد صورة عبر تطبيق الذكاء الاصطناعي، ولاحظتم على سبيل المثال “تشوها” في عدد أصابع يد الشخص الظاهر في الصورة. في مثال آخر، تكاد تبدو الصورة المولدة عبر تطبيق الذكاء الاصطناعي واقعية إلى درجة يصعب معها تمييز أصلها.
في الواقع، يشهد عالم الفن تحولات غير مسبوقة مع استمرار تطور الذكاء الاصطناعي. اليوم، يمكن لمولدات الصور التي تعمل بالذكاء الاصطناعي إنتاج صور واقعية في غضون ثوان، ما يؤدي إلى حجم هائل من الأعمال الفنية التي يتم إنشاؤها يومياً، ولكن هل يمكن لهذا الفن أن يجاري الإبداع البشري؟ وما الآثار المترتبة عليه؟
كيف تعمل مولدات الصور بالذكاء الاصطناعي؟
عام 2014، ظهرت أول شبكة توليدية خصومية “GAN” (generative adversarial network). هذا النوع من الشبكات يندرج ضمن أصناف التعلّم الآلي، إذ تتطلب هذه التقنية إنشاء بيانات جديدة بالخصائص الإحصائية نفسها لمجموعة تدريب. على سبيل المثال، يمكن لـشبكة توليدية خصومية “مدرّبة” على الصور الفوتوغرافية إنشاء صور جديدة تبدو حقيقية بالنسبة إلى البشر، ولديها العديد من الخصائص الواقعية. وعلى الرغم من اقتراحه في الأصل كشكل من أشكال النماذج التوليدية للتعلم غير الخاضع للرقابة، فقد أثبتت شبكات “GAN” أيضاً أنها مفيدة للتعلم شبه الخاضع للإشراف، والتعلم الخاضع للإشراف الكامل، والتعلم المعزز. إذاً، تتكون شبكة الخصومة التوليدية من مكونين: شبكة توليدية، وشبكة تمييزية.
وانطلاقاً من مصفوفة من الأرقام العشوائية، تتولى الشبكة التوليدية إنشاء بيانات جديدة عبر عدد من التحويلات، فيما يكون دور الشبكة التمييزية هو التمييز بين البيانات الحقيقية والبيانات المفبركة التي تنتجها الشبكة التوليدية. أحدثت شبكات “GAN” ثورة في الفن من خلال إنشاء صور جديدة تماماً بناءً على الصور الموجودة. وسرعان ما بدأ الفنانون استخدام هذه التكنولوجيا لإنشاء قطع فريدة من نوعها، ثم ظهر أخيراً جيل أحدث من نماذج الذكاء الاصطناعي باستخدام النصّ لإنشاء الصور، ما يسمح بمزيد من التحكّم في المحتوى الذي تم إنشاؤه.
ق.ح
