0.1الذكاء الاصطناعي التوليدي للصور: كيف يعمل
الأساسي في 30 ثانية
- يبدأ نموذج الانتشار من ضوضاء عشوائية : مدرّب على إزالة الضوضاء خطوة بخطوة، فيُظهر صورة واضحة انطلاقا من «ثلج» أولي.
- البرومبت الخاص بك يوجّه إزالة الضوضاء : يتحول نصك إلى تضمينات (embeddings) توجه كل خطوة — لذا فإن الصياغة تغيّر النتيجة بقوة.
- التوليد احتمالي : نفس البرومبت ≠ نفس الصورة (ما عدا عند تثبيت البذرة (seed)) — والذكاء الاصطناعي يولّد جديدا، ولا يلصق أجزاء من صور موجودة.
حالة مصغرة — سونيا تختبر العشوائية في مدينة الجزائر
سونيا، مصممة غرافيك مستقلة في مدينة الجزائر، تكتشف الذكاء الاصطناعي البصري لتوضيح مقالات عميل. تكتب «منارة على جرف عند غروب الشمس»، وتولّد مرتين — فتحصل على صورتين مختلفتين. بدلا من اعتبار ذلك خللا، تطبق منهجية الدليل: تعيد التشغيل عدة مرات للاستكشاف، ثم تضيف تفصيلا واحدا في كل مرة («من بعيد، سماء عاصفة») لترى ما يغيّره كل كلمة. وتدوّن الدرس في مذكرة: النموذج يزيل ضوضاء عشوائية بتوجيه من نصها — لا يوجد برومبت سحري، بل صياغة يجب تحسينها.
حالة مستقلة لهذا القسم: تظهر مجددا في الدرس والمخطط والنص الجاهز وتحدي 48 ساعة في القسم 0.1.
1. نموذج الانتشار: من الضوضاء إلى الصورة
يحوّل الذكاء الاصطناعي التوليدي للصور جملة (الـبرومبت) إلى صورة بفضل المبدأ السائد في المجال: نموذج الانتشار (diffusion model). أثناء التدريب، يُعرض على النموذج ملايين الصور التي تُضاف إليها تدريجيا ضوضاء (noise) («ثلج» عشوائي) حتى تصبح غير قابلة للتمييز، ويُتعلم المسار العكسي: إزالة الضوضاء خطوة بخطوة لاستعادة صورة واضحة. وبعد تدريبه، يصبح قادرا على الانطلاق من ضوضاء عشوائية خالصة و«إزالتها» حتى تظهر صورة. سونيا تحفظ الصورة الذهنية: نحن لا نرسم، بل نكشف — مثل صورة فوتوغرافية تتظهّر.
2. النص يوجّه إزالة الضوضاء
يبقى أن نعرف أي صورة يجب إظهارها: وهنا دور البرومبت. يتحول نصك إلى تمثيل رياضي (هو التضمينات (embeddings)) يوجّه إزالة الضوضاء في كل خطوة، لكي تطابق النتيجة وصفك. النموذج لا «يفهم» بالمعنى البشري: بل يوجّه التوليد نحو ما يشبه نصك إحصائيا. ولهذا تهم الصياغة كثيرا: كل كلمة دقيقة تشدّ التوجيه، وكل كلمة غامضة ترخيه. سونيا تجرّب: «منارة» تعطي قاعدة، و«منارة على جرف عند غروب الشمس، من بعيد» تعطي اتجاها.
3. احتمالي، وليس نسخا ولصقا
نتيجتان عمليتان يجب تذكرهما. أولا، النتيجة احتمالية: توليدان بنفس البرومبت يعطيان صورتين مختلفتين، لأن كل واحد ينطلق من ضوضاء أولية مختلفة — ما لم نثبّت العشوائية بواسطة البذرة (seed) (القسم 2.2). ثانيا، الذكاء الاصطناعي لا ينسخ صورا موجودة: بل ينتج صورة جديدة انطلاقا من انتظامات متعلَّمة — وهذا لا يلغي الأسئلة القانونية والأخلاقية (القسم 0.4). فهم هذا التشغيل يجنّب خطأي المبتدئين: الاعتقاد بوجود برومبت «سحري»، والاستغراب من التباين. سونيا تعلّق قاعدتها: للاستكشاف نعيد التشغيل؛ للتكرار الجاد نثبّت البذرة ونغيّر شيئا واحدا في كل مرة.
هل تعلم؟ التظهير مثل التصوير الفضي
لا سحر: ضوضاء ونص وصورة تتكشّف.
🔎 مثال ملموس — 🔎 مثال عملي — التباين أثناء العمل
سونيا تكتب «منارة على جرف عند غروب الشمس» وتعيد التشغيل مرتين بالطريقة نفسها.
/imagine prompt: un phare sur une falaise, au coucher du soleil
→ الصورة 1: منارة في الوسط، سماء هادئة.
/imagine prompt: un phare sur une falaise, au coucher du soleil (إعادة التشغيل بالطريقة نفسها)
→ الصورة 2: تأطير وغيوم مختلفة.
/imagine prompt: un phare sur une falaise, au coucher du soleil, vu de loin, ciel orageux
→ التفصيل المضاف يعيد توجيه النتيجة بقوة.القراءة: الصورتان الأوليان تختلفان رغم تطابق البرومبت — دليل على أن ضوضاء البداية تتغير في كل مرة.
الدرس: البرومبت الثالث يُظهر الوجه الآخر: الصياغة توجّه — تفصيل ملموس يحرّك النتيجة.
مفردات القسم
- برومبت
- وصف نصي يُرسل إلى النموذج؛ يوجّه توليد الصورة.
مثال بسيط: سونيا تكتب «منارة على جرف عند غروب الشمس» لبدء توليدها.
ما ليس كذلك: صيغة سحرية تعطي دائما الصورة نفسها.
رد فعل: صِف ما يجب رؤيته بكلمات ملموسة.
- نموذج الانتشار
- نموذج يتعلم إزالة الضوضاء خطوة بخطوة؛ ينطلق من ضوضاء عشوائية ليُظهر صورة.
مثال بسيط: سونيا تتخيل إزالة الضوضاء كصورة تتظهّر.
ما ليس كذلك: بنك صور نلتقط منه أجزاء.
رد فعل: فكّر «كشف موجَّه» لا «تركيب».
- إزالة الضوضاء (denoising)
- عملية تكرارية لسحب الضوضاء تُظهر الصورة تدريجيا.
مثال بسيط: في كل خطوة، تصبح صورة سونيا أوضح قليلا.
ما ليس كذلك: مجرد تكبير لبكسلات موجودة.
رد فعل: اترك العملية تبلغ نهايتها قبل الحكم.
- التضمين
- تمثيل رياضي للنص يمكّن النموذج من توجيه التوليد.
مثال بسيط: يتحول برومبت سونيا إلى توجيه مرقّم لإزالة الضوضاء.
ما ليس كذلك: فهم بشري لمعنى الكلمات.
رد فعل: اعتنِ بالصياغة: كل كلمة تزن في التوجيه.
- التوليد الاحتمالي
- الطابع العشوائي للنتيجة: نفس البرومبت يعطي صورا مختلفة في كل محاولة.
مثال بسيط: سونيا تعيد التشغيل مرتين وتقارن منارتين مختلفتين.
ما ليس كذلك: خلل أو عطل في الأداة.
رد فعل: للاستكشاف: أعد التشغيل؛ للتكرار: ثبّت البذرة.
في التطبيق — عمليا — لاحظ الطابع الاحتمالي للتوليد
- اختر أداة متاحة (انظر القسمين 0.2 و1.4) وأدخل برومبت بسيطا، مثل «منارة على جرف عند غروب الشمس» كما فعلت سونيا.
- ولّد مرة أولى، ثم أعد تشغيل البرومبت نفسه تماما.
- قارن: الصورتان تختلفان — هذا طبيعي، فالتوليد ينطلق من ضوضاء عشوائية مختلفة.
- أضف تفصيلا إلى البرومبت («من بعيد، سماء عاصفة») ولاحظ إلى أي حد توجّه الصياغة النتيجة.
نص جاهز للقول — اشرح التوليد لعميل (30 ثانية)
«الذكاء الاصطناعي لا ينسخ الصور: بل ينطلق من ضوضاء عشوائية ويزيلها خطوة بخطوة بتوجيه من نصي. لذا يعطي البرومبت نفسه صورا مختلفة في كل مرة — هذا طبيعي، بل مفيد للاستكشاف. مثل سونيا، أعيد التشغيل عدة مرات لإيجاد الاتجاه، ثم أحسّن كلمة بكلمة.»
يُقال مع عرض مخطط الضوضاء ← إزالة الضوضاء ← الصورة؛ مع التشديد على «لا نسخ ولصق».
نموذج جاهز للنسخ — أول اختبار للتباين
/imagine prompt: un phare sur une falaise, au coucher du soleil
→ ولّد، ودوّن ما يعجبك وما ينقص.
/imagine prompt: un phare sur une falaise, au coucher du soleil
→ أعد التشغيل بالطريقة نفسها تماما، وقارن: ما الذي تغيّر وحده؟
/imagine prompt: un phare sur une falaise, au coucher du soleil, vu de loin, ciel orageux
→ أضف تفصيلا واحدا، وقارن: ماذا حرّكت هذه الكلمة؟مع Midjourney
سونيا تشغّل النموذج في تطبيق Midjourney على الويب: شبكة من أربعة مقترحات لكل توليد، مثالية لمقارنة إعادة تشغيل البرومبت نفسه.
مع أداة مجانية
بدون اشتراك: نفس الاختبار عبر عرض مجاني يتيح الوصول إلى DALL·E 3 (بحصص) — يُلاحظ التباين بالطريقة نفسها، وتكفي إعادة تشغيل مرتين.
دفتر الاستكشاف
سونيا تلصق توليداتها الثلاثة جنبا إلى جنب في مستند، مع البرومبت الدقيق تحت كل منها: أول نواة لمكتبة برومبتاتها.
ثنائي في الجزائر
سونيا تُظهر إعادة تشغيل لزميل دون أن تقول إن البرومبت متطابق: فيبحث عن اختلاف الصياغة — ثم تكشف له عشوائية ضوضاء البداية.
✓ ممارسات جيدة
- أعد التشغيل عدة مرات: لا تحكم أبدا على فكرة من صورة واحدة.
- صِغ بكلمات بصرية ملموسة: الصياغة توجّه إزالة الضوضاء.
- ثبّت البذرة (القسم 2.2) حالما تريد التكرار جديا على اتجاه.
✗ أخطاء شائعة
- الاعتقاد بوجود برومبت «سحري» يعطي دائما النتيجة نفسها.
- الاستغراب من تباين النتائج: فهو مقصود، وليس خللا.
- الظن بأن الذكاء الاصطناعي يلصق أجزاء من صور موجودة.
النقاط الأساسية
- يبدأ نموذج الانتشار من ضوضاء عشوائية ويزيلها خطوة بخطوة ليُظهر الصورة.
- البرومبت، المتحول إلى تضمينات، يوجّه إزالة الضوضاء: الصياغة تغيّر النتيجة بقوة.
- التوليد احتمالي: نفس البرومبت ≠ نفس الصورة (ما عدا عند تثبيت البذرة).
- الذكاء الاصطناعي لا يلصق أجزاء من صور موجودة: بل يولّد انطلاقا من انتظامات متعلَّمة.
تحدي 48 ساعة — طبّق غدا
شغّل نموذج الاختبار على طريقة سونيا (برومبت بسيط + إعادة تشغيل مطابقة + إضافة تفصيل)، والصق الصور الثلاث جنبا إلى جنب ودوّن في جملة واحدة ما علّمتك إياه كل محاولة.
- أستطيع شرح نموذج الانتشار في جملة واحدة (ضوضاء ← إزالة موجَّهة ← صورة).
- أعدت تشغيل برومبت بالطريقة نفسها ولاحظت التباين.
- قست أثر كلمة واحدة مضافة إلى البرومبت.
أسئلة شائعة
هل ينسخ الذكاء الاصطناعي صورا موجودة لصنع صورتي؟
لا، ليس بمعنى النسخ واللصق: النموذج تعلّم انتظامات إحصائية ويولّد صورة جديدة بإزالة الضوضاء انطلاقا من نقطة بداية عشوائية. مع فروق دقيقة: توجد حالات حفظ لصور مكررة جدا (عمل شهير جدا، شعار) — ولهذا يجب التحقق مما ننشر — وكون النتيجة «جديدة» لا يحسم المسألة القانونية لبيانات التدريب (دعاوى جارية، وحق يختلف حسب البلدان: انظر 0.4).
لماذا لا يعطي البرومبت نفسه الصورة نفسها مرتين أبدا؟
لأن كل توليد ينطلق من ضوضاء عشوائية مختلفة. وهذه خاصية مقصودة: تتيح استكشاف عدة تأويلات لفكرة واحدة. للتكرار الجاد، نثبّت البذرة (نفس البرومبت ونفس الإصدار ونفس المعاملات = نتيجة قابلة لإعادة الإنتاج، القسم 2.2) ولا نغيّر سوى شيء واحد في كل مرة.
كيف يبتكر نموذج الانتشار صورة؟