تشير هذه الصور الغريبة والمقلقة إلى أن الذكاء الاصطناعي يزداد ذكاءً

يتعلم الذكاء الاصطناعي إنشاء الصور من التوقيعات ويبدأ في فهم عالمنا بشكل أفضل

من بين جميع نماذج الذكاء الاصطناعي ، كان GPT-3 الخاص بـ OpenAI هو أكثر ما استحوذ على خيال الجمهور. يمكنها ، دون الكثير من التحفيز ، إلقاء القصائد والقصص القصيرة والأغاني ، مما يجعلك تعتقد أن هذه من عمل شخص ما. لكن البلاغة هي مجرد وسيلة للتحايل ولا ينبغي الخلط بينها وبين الذكاء الحقيقي.



ومع ذلك ، يعتقد الباحثون أن نفس التقنيات التي تم استخدامها لإنشاء GPT-3 تخفي سر إنشاء ذكاء اصطناعي أكثر تقدمًا . تم تدريب GPT-3 على كمية هائلة من المعلومات النصية. ماذا لو تم تدريب نفس الأساليب في نفس الوقت على النص والصور؟



نقلت دراسة جديدة تسمى AI2 من معهد Paul Allen للذكاء الاصطناعي هذه الفكرة إلى المستوى التالي. ابتكر الباحثون نموذجًا بصريًا - لغويًا خاصًا. إنه يعمل مع النصوص والصور ويمكن أن يولد الأخير من التوقيعات. تبدو الصور مزعجة وغريبة ، ولا تشبه على الإطلاق التزييف العميق الواقعي الذي تم إنشاؤه بواسطة شبكات الخصومة التوليدية (GANs). لكن يمكنهم إظهار اتجاه جديد لمزيد من الذكاء العملي ، وربما جعل الروبوتات أكثر ذكاءً.

املأ الفراغ

ينتمي GPT-3 إلى مجموعة من النماذج المعروفة باسم "المحولات". اكتسبوا شعبية لأول مرة بفضل نجاح BERT ، خوارزمية Google. قبل بيرت ، كانت النماذج اللغوية سيئة للغاية. كانت قدراتهم التنبؤية كافية للإكمال التلقائي ، ولكن ليس لتأليف جمل طويلة ، حيث يتم مراعاة القواعد النحوية والفطرة السليمة.



غيرت BERT الموقف بإدخال تقنية جديدة تسمى التقنيع ( ملاحظة - الاسم الأصلي هو التقنيع). إنه يعني أن الكلمات المختلفة مختبئة في الجملة ، ويجب أن يملأ النموذج الفراغ. أمثلة:

• ذهبت المرأة إلى ___ للتدريب.
• اشتروا ___ خبزًا لصنع الشطائر.

الفكرة هي أنك إذا أجبرت النموذج على القيام بهذه التمارين ، غالبًا مليون مرة ، فسيبدأ في اكتشاف أنماط في كيفية تجميع الكلمات في جمل وتجميع الجمل في فقرات. ونتيجة لذلك ، تقوم الخوارزمية بإنشاء النص وتفسيره بشكل أفضل ، وتقترب أكثر من فهم معنى اللغة. (تستخدم Google الآن BERT لتقديم نتائج بحث أكثر صلة.) بعد أن أثبت التقنيع أنه فعال للغاية ، حاول الباحثون تطبيقه على نماذج اللغة المرئية عن طريق إخفاء الكلمات في التوقيعات. في هذا الطريق:





____ على الأرض بجانب شجرة. المصدر: AI2



هذا الوقت، يمكن للنموذج أن ننظر في الكلمات التي تحيط و محتوى الصورة لملء هذه الفجوة. بعد مليون تكرار ، تعلمت اكتشاف ليس فقط أنماط الكلمات ، ولكن أيضًا اكتشاف ارتباط الكلمات بعناصر كل صورة.



نتيجة لذلك ، يمكن للنماذج ربط العلاقات النصية بأمثلة مرئية عن كيفية قيام الأطفال بعمل روابط بين الكلمات المكتسبة والأشياء التي يرونها. يمكن أن تلتقط العارضات الصورة أدناه وتضع تعليقًا ذا مغزى ، مثل "تلعب النساء في هوكي الملاعب". أو قد يجيبون على سؤال مثل "ما لون الكرة" بربط كلمة "كرة" بجسم دائري في صورة فوتوغرافية.





يمكن لنموذج اللغة المرئية أن يصنع تعليقًا ذا مغزى لهذه الصورة: "النساء يلعبن الهوكي في الميدان". المصدر: JOHN TORCASIO / UNSPLASH

من الأفضل أن ترى صورة مرة واحدة

أراد الباحثون معرفة ما إذا كانت هذه النماذج تطور فهمًا مفاهيميًا للعالم المرئي. لا يستطيع الطفل الذي تعلم كلمة لشيء أن يسميها فحسب ، بل يمكنه أيضًا رسم الشيء وفقًا للتلميح ، حتى لو كان الكائن نفسه غائبًا. لذا اقترح فريق مشروع AI2 أن تفعل النماذج الشيء نفسه: إنشاء صور من التسميات التوضيحية. أنتجت جميع النماذج مهملات بكسل لا معنى لها.





هل هذا طائر؟ هذه طائرة؟ لا ، هذا هراء ناتج عن الذكاء الاصطناعي. المصدر: AI2



هذا منطقي: تحويل النص إلى صورة أصعب من القيام بالعكس. يقول Ani Kembhavi ، قائد فريق رؤية الكمبيوتر في AI2: "التوقيع لا يحدد كل شيء في الصورة". وبالتالي ، يجب أن يعتمد النموذج على قدر كبير من المعرفة حول عالمنا لإضافة التفاصيل المفقودة.



على سبيل المثال ، إذا طُلب من نموذج رسم "زرافة تمشي على طول الطريق" ، فعليها إذن أن تستنتج أن الطريق سيكون رماديًا وليس ورديًا فاتحًا ، وسوف يمر بجوار حقل بدلاً من البحر. على الرغم من أن كل هذه المعلومات ليست صريحة.



لذا قرر كيمبهافي وزملاؤه جيمين تشو وجياسين لو وحنان هاجيشيرزي معرفة ما إذا كان بإمكانهم تعليم النموذج كل هذه المعرفة المرئية المخفية عن طريق تعديل نهج التقنيع. بدلاً من تدريب الخوارزمية على التنبؤ بالكلمات "المقنعة" في تعليقات الصور المقابلة ، قاموا أيضًا بتدريبها على التنبؤ بالبكسل "المقنع" في الصور بناءً على التعليقات المقابلة.



الصور النهائية التي تم إنشاؤها بواسطة النموذج ليست واقعية تمامًا. لكنها ليست مهمة. أنها تحتوي على المفاهيم المرئية الصحيحة عالية المستوى. يتصرف الذكاء الاصطناعي مثل طفل يرسم عصا شرطة لتمثيل شخص ما. (يمكنك اختبار النموذج بنفسك هنا ).





صور عينة تم إنشاؤها بواسطة نموذج AI2 من التسميات التوضيحية. المصدر: AI2



تمثل قدرة نماذج اللغة المرئية على إنشاء هذا النوع من الصور خطوة مهمة إلى الأمام في أبحاث الذكاء الاصطناعي. هذا يشير إلى أن النموذج قادر بالفعل على مستوى معين من التجريد - مهارة أساسية لفهم العالم.



على المدى الطويل ، يمكن أن يكون للمهارة آثار مهمة على الروبوتات. كلما فهم الروبوت البيئة بشكل أفضل ويستخدم اللغة للتواصل ، زادت المهام المعقدة التي سيكون قادرًا على القيام بها. يلاحظ حاجيشيرزي أن التخيل سيساعد الباحثين على المدى القصير على فهم ما يتعلمه النموذج بالضبط ، والذي يعمل الآن مثل الصندوق الأسود.



في المستقبل ، يخطط الفريق لإجراء المزيد من التجارب ، وتحسين جودة إنشاء الصور ، وتوسيع الصورة والمفردات الخاصة بالنموذج: لتشمل المزيد من الموضوعات والأشياء والصفات.



يقول لو: "كان إنشاء الصور حقًا الجزء المفقود من اللغز". "من خلال إضافته ، يمكننا تعليم النموذج لفهم عالمنا بشكل أفضل."