Meta تكشف عن 'Emu' لتحسين توليد الصور بالذكاء الاصطناعي

أعلنت Meta AI، العملاق التكنولوجي وراء رؤية الميتافيرس، عن تطور رائد في مجال الذكاء الاصطناعي. لقد قدمت مشروعاً جديداً يُدعى 'Emu'، يهدف إلى تحسين جودة الصور التي يولدها الذكاء الاصطناعي. يمثل Emu قفزة في ابتكار الذكاء الاصطناعي ويؤكد على أهمية التصفية الدقيقة والخبرة البشرية في المحتوى الذي يولده الذكاء الاصطناعي.

التدريب المسبق مع 1.1 مليار زوج من الصور والنصوص

في صميم تطوير Emu توجد عملية من مرحلتين تبدأ بالتدريب المسبق. في هذه المرحلة الأولية، يتم تعريض نموذج انتشار (diffusion model) لمجموعة بيانات ضخمة تتكون من 1.1 مليار زوج من الصور والنصوص من الموارد الداخلية لـ Meta AI. اللاعب الرئيسي هنا هو نموذج U-Net الذي يتميز بـ 2.8 مليار معلمة مذهلة. تدخل مشفرات النصوص مثل CLIP ViT-L وT5-XXL في اللعب لتكمل هذا الهيكل. الهدف الشامل؟ توليد صور عالية الجودة بدقة 1024×1024 بكسل.

تصفية صارمة للمجموعة البيانات

يعد التحكم في الجودة أمراً بالغ الأهمية عند إنشاء محتوى بالذكاء الاصطناعي. تستخدم Meta AI مرشحات متعددة لضمان سلامة مجموعة البيانات الخاصة بها. يتم استبعاد أكثر من 200,000 عينة بعناية فائقة من بين مليار مثال. تدخل مرشحات مختلفة حيز التنفيذ:

تقييم الجماليات

يتم استخدام المصنفات لتقييم جمالية الصور. تساعد هذه الخطوة في التخلص من الصور التي قد لا تلبي معايير البصرية المطلوبة.

تصفية المحتوى

هناك آليات موجودة للتخلص من المحتوى غير المرغوب فيه. يضمن ذلك أن الصور المولدة ليست جذابة بصرياً فحسب، بل تلتزم أيضاً بإرشادات المجتمع والمعايير الأخلاقية.

استبعاد النصوص

يتم استبعاد الصور المثقلة بالنصوص باستخدام التعرف الضوئي على الحروف (OCR). يضمن ذلك أن يظل التركيز على الجانب البصري.

فحوصات الدقة والتناسب

يتم تصفية الصور التي لا تفي بمعايير الدقة والتناسب المحددة مسبقاً، مما يضمن الاتساق في مجموعة البيانات.

مقاييس الشعبية

تلعب مقاييس الشعبية، مثل الإعجابات، دوراً في التصفية، مما يؤدي إلى ضبط مجموعة البيانات بشكل أدق.

الخبرة البشرية في التصفية

في المرحلة التالية، تأخذ الخبرة البشرية مركز الصدارة. يقوم عامة البيانات، وهم أفراد ملمون جيداً بوضع العلامات على البيانات، بمراجعة الصور الـ 200,000 المتبقية واختيار مجموعة فرعية من 20,000 صورة. الهدف الأساسي هو تحديد وإزالة الصور ذات الجودة المنخفضة بشكل كبير، مما يوفر لمسة بشرية للتصفية. هذه الخطوة حاسمة، حيث قد لا تضمن الهورستيات (الاستدلالات) وحدها جودة الصور على أعلى مستوى.

اختيار الصور بواسطة متخصصي التصوير

لا تتوقف السعي وراء جودة الصور هناك. تدخل فريق مخصص من **متخصصي التصوير** ذوي المعرفة العميقة بمبادئ التصوير في المشهد. مهمتهم؟ تصفية واختيار الصور التي تجسد أعلى جودة جمالية. يقومون بفحص التكوين، والإضاءة، ومخططات الألوان، والتباينات، والملاءمة الموضوعية، والخلفيات. هذه العملية الدقيقة للاختيار حاسمة في صياغة صور مولدة بالذكاء الاصطناعي تلبي أعلى المعايير البصرية.

صياغة تعليقات نصية عالية الجودة

كلمسة أخيرة، يتم صياغة تعليقات نصية عالية الجودة بعناية فائقة لهذه المجموعة المصفاة المكونة من 2,000 زوج من الصور والنصوص. توفر هذه التعليقات السياق والمعنى للصور المولدة، مما يعزز فائدتها وجاذبيتها.

تدريب النموذج

مع المجموعة البيانات المحسنة، ينطلق نموذج Emu في مرحلة التدريب. يكمل 15,000 خطوة بحجم دفعة (batch size) يبلغ 64. ومن الجدير بالذكر أن حجم الدفعة هذا صغير نسبياً مقارنة بنماذج التوليد الكبيرة الأخرى. على الرغم من إمكانية الإفراط في تدريب النموذج بناءً على فقدان التحقق من الصحة (validation loss)، فإن **التقييمات البشرية** ترسم صورة مختلفة. يعكس هذا الظاهرة الملاحظات التي تم إجراؤها في نماذج اللغة، حيث لا تخبر المقاييس دائماً القصة الكاملة لأداء النموذج.

فن وعلم الصور المولدة بالذكاء الاصطناعي

تمثل العملية متعددة المراحل لـ Emu محطة مهمة في محتوى الذكاء الاصطناعي المولد. لا تسعى نهج Meta AI فقط إلى تحسين التطبيقات العملية لخدماتها، بل تؤكد أيضاً على الدور الحيوي للتصفية الدقيقة والخبرة البشرية في صقل المحتوى المولد بالذكاء الاصطناعي. مع استمرار الذكاء الاصطناعي في إعادة تشكيل الصناعات وطريقة تفاعلنا مع التكنولوجيا، يقف Emu كشهادة على زواج الفن والعلم في السعي وراء صور مولدة بالذكاء الاصطناعي ذات جودة أعلى.

في عالم تحتل فيه الوسائط البصرية نفوذاً هائلاً، يعد Emu برفع معايير الصور المولدة بالذكاء الاصطناعي، مما يمهد الطريق لتجارب رقمية أكثر غامرة وجاذبية في الميتافيرس وما بعده. لمزيد من التفاصيل حول هذا التطور الرائد، استكشف المقال الكامل للغوص أعمق في مستقبل توليد الصور بالذكاء الاصطناعي.