نماذج الانتشار: كيف تبني الحواسيب صوراً دقيقة من التشويش البصري؟

كيف تبتكر الحواسيب رسوماً فنية من ركام التشويش الرقمي؟

إذا جربت يوماً كتابة وصف قصير في برنامج لتوليد الصور وشاهدت لوحة متقنة تتشكل أمامك في ثوانٍ معدودة، فقد تظن أن البرنامج يبحث في مستودع سري للصور على الإنترنت، فيقص من هنا شجرة ومن هناك وجهاً ليلصقهما معاً. غير أن الحقيقة أكثر إثارة للعجب؛ فالبرنامج لا يقص ولا يلصق صوراً جاهزة على الإطلاق.

تعتمد الأدوات الحديثة على برامج رسم الصور عبر إزالة التشويش تدريجياً (المعروفة بنماذج الانتشار أو diffusion models)؛ حيث تبدأ عملها من لوحة بيضاء مشوشة بالكامل، تشبه شاشة تلفزيون قديم انقطع بثه، ثم تمسح ذلك الغبش رويداً رويداً حتى تظهر تفاصيل اللوحة التي طلبتها.

تعليم الآلة عكس مسار الفوضى البصرية

لفهم هذه العملية المدهشة، يدرب المهندسون الشبكات الذكية على مرحلتين متعاكستين: مرحلة إضافة التشويش، ومرحلة إزالته.

في مرحلة التدريب الأولى، يأخذ الحاسوب صورة واضحة ويضيف إليها عمداً شوشرة ونقاطاً عشوائية تشبه بث التلفاز القديم (المعروفة رياضياً بضوضاء غاوس أو Gaussian noise). يُكرر هذا الإتلاف عبر مئات الخطوات الصغيرة حتى تمحى ملامح الصورة الأصلية تماماً، ولا يتبقى سوى ضباب فوضوي من النقاط الملونة.

وهنا تأتي المرحلة الحاسمة: مرحلة التنقية المتدرجة لإزالة الغبش (المعروفة بالانتشار العكسي أو reverse diffusion)؛ حيث يتعلم الحاسوب فحص تلك الصور المشوهة وتوقع نمط النقاط المشوشة لطرحها ومسحها. وفي الوقت نفسه، يتصل النموذج بأداة ترجمة وفهم النصوص والكلمات (المعروفة بمشفر النصوص أو text encoder) التي تحول وصفك المكتوب إلى إحداثيات وأرقام رياضية تحدد اتجاه المعنى (المعروفة بالتضمينات النصية أو text embeddings). تعمل هذه الإحداثيات كبوصلة ترشد الحاسوب إلى نوع الأشكال والألوان التي ينبغي استخراجها من بين الضباب.

استجلاء معالم الصورة وسط الضباب الكثيف

عندما تطلب توليد صورة جديدة تماماً، يبدأ البرنامج من الصفر بحقل عشوائي خالص من النقاط المشوشة وبصحبته كلمات وصفك المكتوب.

تشبه العملية خروج معالم جبل شامخ من وراء ضباب كثيف في الصباح الباكر؛ ففي خطوة تنقية الغبش وتصفية النقاط المشوشة الأولى (المعروفة بـ denoising step)، تظهر مساحات لونية عريضة تحدد مواقع الضوء والظلال. ومع توالي الخطوات الحسابية، تشتد الحواف وتصفو الملامح، حتى تنكشف اللوحة كاملة في الخطوة الأخيرة بما يطابق النص المطلوب.

ولأن الكلمات تعمل كبوصلة توجيه، فإن التفاصيل الدقيقة في طلبك تصنع فارقاً هائلاً في النتيجة:

• الطلب البسيط والمبهم: كتابة 'قطة على مقعد'. لا يجد البرنامج تفاصيل كافية لتوجيه مسار التنقية، فينتج في الغالب صورة تقليدية باهتة لقطة غير واضحة المعالم.
• الطلب الوصفي الغني: كتابة 'قطة بيضاء نائمة بهدوء فوق أريكة مخملية زرقاء وتداعب فراءها خيوط شمس العصر الدافئة من النافذة'. يمنح هذا التوجيه النموذج معالم بصرية محددة للإضاءة والنسيج، مما ينتج لوحة فنية بديعة.

العقبات التقنية والحدود الواقعية لنماذج الانتشار

رغم جمال الصور الناتجة، فإن نماذج الانتشار تخضع لقيود حوسبية وتصميمية واضحة تفسر عيوبها الشائعة:

• استهلاك طاقة وحوسبة هائلة: يتطلب رسم صورة واحدة حسابات رياضية متكررة عبر عشرات المراحل، مما يضع حملاً ثقيلاً على معالجات الرسوميات فائقة السرعة (المعروفة بـ GPUs) ويستهلك طاقة كهربائية ملحوظة.
• غياب الفهم التشريحي للأجسام: لا يدرك النموذج البنية الفيزيائية لجسم الإنسان؛ لذا يرتبك أحياناً في رسم الأصابع فيرسم ستاً أو يدمج أطراف الأيدي بشكل غريب عند تداخل الحركات المعقدة.
• صعوبة تهجئة الكلمات والنصوص: لا يقرأ النموذج الحروف كما نقرؤها، بل يتعامل معها كأشكال ورسوم زخرفية؛ ولذا تظهر اللافتات وأغلفة الكتب أحياناً بنقوش بصرية ورموز مشوهة لا معنى لها (المعروفة بـ distorted glyphs).

إن تذكر أن الحاسوب يتبع حسابات رياضية دقيقة دون وعي فني يساعدك على استخدامه بذكاء؛ فإذا جاءت النتيجة غير موفقة، يمكنك تعديل كلمات الوصف أو تغيير رقم البداية العشوائي للوحة (المعروف بالبذرة العشوائية أو random seed) للوصول إلى لوحة ساحرة تعبر عما تريده بدقة.