Generative AI

الذكاء الاصطناعي التوليدي هو فرع من الذكاء الاصطناعي (AI)، تتعلم نماذجه التوزيع الاحتمالي لـ بيانات التدريب الخاصة بها، ثم تأخذ عينات جديدة منها: نصوصًا أو صورًا أو صوتًا أو فيديو أو شيفرات أو مشاهد ثلاثية الأبعاد أو تراكيب جزيئية. يتعلم النموذج التمييزي p(label | input)، أي احتمال تسمية معينة بالنظر إلى مُدخل ما، بينما يتعلم النموذج التوليدي p(input) نفسها أو p(input | prompt)، ومن ثم يستطيع إنتاج مُدخلات لم يسبق وجودها. دخل المصطلح في الاستخدام اليومي بعد أن أطلقت OpenAI تطبيق ChatGPT في 30 نوفمبر 2022، لكن الأساليب أقدم من ذلك: قدّم Diederik Kingma وMax Welling المشفّر التلقائي التبايني عام 2013، وقدّم Ian Goodfellow وزملاؤه الشبكات التوليدية التنافسية عام 2014.

آلية عمل النماذج التوليدية#

تُنتج أربع عائلات من نماذج التعلّم العميق معظم الذكاء الاصطناعي التوليدي اليوم، وينتمي كل نموذج لغوي كبير (LLM) يتبع نهج GPT إلى العائلة الأولى:

• المحوّلات ذاتية الانحدار: تولّد تسلسلًا رمزًا تلو الآخر، مع اعتماد كل رمز على كل ما كُتب قبله، وذلك للنصوص والشيفرات والكلام والصور المرمّزة.
• نماذج الانتشار: تضيف ضوضاء إلى عينات التدريب، وتتعلم إزالتها تدريجيًا؛ لذا يبدأ التوليد بضوضاء خالصة، ثم يزيل ضوضاءها لتحويلها إلى عينة. تستخدم Stable Diffusion، التي أُطلقت في أغسطس 2022، هذه العملية في فضاء كامن مضغوط.
• الشبكات التوليدية التنافسية (GANs): تدرّب مولّدًا في مواجهة مميّز يحاول التمييز بين العينات الحقيقية والمولّدة، ما يدفع المولّد إلى إنتاج نتائج واقعية في تمريرة أمامية واحدة.
• المشفّرات التلقائية التباينية (VAEs): ترمّز البيانات في فضاء كامن ذي توزيع معروف، ثم تفك ترميز عينات مأخوذة منه. وتستخدم نماذج الانتشار الكامن مشفّرًا تلقائيًا تباينيًا لضغط الصور قبل إزالة الضوضاء.

يمكن تلخيص الفكرة الأساسية في بضعة أسطر. يتعلم نموذج مزيج غاوسي توزيع 150 زهرة في مجموعة بيانات Iris ويأخذ عينات جديدة منها، بينما يصنّفها مصنّف تمييزي دُرّب على البيانات نفسها:

from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.mixture import GaussianMixture

iris = load_iris()  # ⁨150 زهرة: طول السبلات والبتلات وعرضهما بالسنتيمتر⁩

# ⁨النموذج التمييزي: يتعلم p(species | measurements)، ولذلك لا يستطيع إلا تصنيف الزهور⁩
classifier = LogisticRegression(max_iter=1000).fit(iris.data, iris.target)

# ⁨النموذج التوليدي: يتعلم p(measurements) نفسها، ولذلك يستطيع أخذ عينات من زهور جديدة⁩
generator = GaussianMixture(n_components=3, random_state=0).fit(iris.data)
new_flowers, _ = generator.sample(3)

# ⁨يصنّف النموذج التمييزي العينات المولّدة⁩
for flower, species in zip(new_flowers.round(1), classifier.predict(new_flowers)):
    print(flower, iris.target_names[species])

لم يسبق قياس الزهور الثلاث المأخوذة بالعينات، ومنها زهرة طول سبلاتها 4.7 سم وبتلاتها 1.4 سم، ومع ذلك يصنّفها النموذج إلى versicolor وsetosa وvirginica، لأن العناقيد الثلاثة في المزيج تتوافق مع الأنواع الثلاثة. ويستبدل مولّد النصوص أو الصور الغاوسيات الثلاث بشبكة عصبية تضم مليارات المُعاملات، والقياسات بالرموز أو وحدات البكسل.

النماذج التوليدية والتمييزية معًا#

يُعد كل من تصنيف الصور وكشف الكائنات مهمة تمييزية: إذ يحوّل YOLO26 الصورة إلى صناديق وفئات، ولا يستطيع رسم صورة. وغالبًا ما يعمل نوعا النماذج بالتتابع. وتستخدم التسمية الذكية الموجّهة بالفئات في منصة Ultralytics نماذج الرؤية واللغة (VLMs) التوليدية، ويكون Moondream 3.1 النموذج الافتراضي، لرسم صناديق لأسماء فئات مجموعة بيانات؛ ثم تصبح هذه الصناديق التي راجعها المستخدمون تسميات لتدريب كاشف YOLO26.

تنشئ المولّدات أيضًا بيانات اصطناعية للأحداث النادرة التي يصعب أو يشكل تصويرها خطورة، مثل العيوب غير المعتادة أو مخاطر الطرق، وتخلط مسارات توليد البيانات الاصطناعية هذه الصور بصور حقيقية لأغراض التدريب. كما يشيع الاتجاه العكسي: إذ تقيّم الكواشف والمصنّفات الصور المولّدة من حيث الجودة أو ترصد المحتوى غير الآمن.

التطبيقات#

• توليد النصوص: تعمل المساعدات الحوارية والتلخيص والترجمة باستخدام النماذج اللغوية الكبيرة، وتكتب مساعدات البرمجة البرمجيات وتختبرها انطلاقًا من وصف.
• تحويل النص إلى صورة: تنشئ نماذج مثل Stable Diffusion صورًا انطلاقًا من المطالبات، وتملأ النماذج نفسها المناطق المقنّعة في الصورة أو تستبدلها.
• تحويل النص إلى فيديو: تنشئ نماذج مثل Sora من OpenAI، التي عُرضت بنسخة أولية في فبراير 2024، مقاطع فيديو انطلاقًا من وصف.
• التركيب الجزيئي: يتنبأ AlphaFold 3 من Google DeepMind وIsomorphic Labs، المنشور في مايو 2024، بتراكيب معقّدات البروتين باستخدام وحدة قائمة على الانتشار تولّد إحداثيات الذرات.

المخاطر والحدود#

تختلق مولّدات اللغة عبارات سلسة لكنها زائفة، وتتيح مولّدات الصور والصوت إنشاء التزييف العميق، كما يثير التدريب على بيانات الويب أسئلةً تتعلق بحقوق النشر والموافقة. وتضع علامات مائية للذكاء الاصطناعي وبيانات اعتماد المحتوى C2PA علامات على الوسائط المولّدة كي يمكن التعرف عليها لاحقًا. كما يعود المحتوى المولّد إلى بيانات التدريب: فقد بيّن Ilia Shumailov وزملاؤه في لعنة التكرار، المنشورة في Nature عام 2024، أن النماذج التي تُدرّب تكراريًا على مخرجاتها تفقد الأطراف النادرة من التوزيع الأصلي، وهو إخفاق أطلقوا عليه اسم انهيار النموذج.