The Persistence of Cultural Memory: Investigating Multimodal Iconicity in Diffusion Models
تقدم هذه الورقة مقياس تحول المرجع الثقافي (CRT) لتقييم كيفية تعامل نماذج الانتشار مع التوتر بين الحفظ والتعميم في السياقات الأيقونية ثقافياً، كاشفةً أن سلوك النموذج يعتمد على آليات تمييز وتجسيد متميزة تتأثر بعوامل مثل تكرار البيانات، والفرادة النصية، وشعبية المرجع.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك فناناً فائق الذكاء قد حفظ كل لوحة، وملصق فيلم، وغلاف ألبوم على الإطلاق. ثم طلبت منه رسم "إصرار الذاكرة" (اللوحة الشهيرة للساعات الذائبة).
إذا قام هذا الفنان بنسخ اللوحة الأصلية بكسل تلو الآخر، فهو في حالة "حفظ واستظهار".
أما إذا رسم ساعة تذوب فوق شجرة في غابة، فهو في حالة "تعميم" (استخدم الفكرة لكنه صنع شيئاً جديداً).
ولكن ماذا لو رسم ساعة تذوب فوق شجرة، ولكنها بدت تماماً مثل اللوحة الشهيرة؟ هذا هو الوسط المربك، وهو ما تسميه الورقة البحثية "الأيقونية متعددة الوسائط" (Multimodal Iconicity). وهي الحالة التي تجعل فيها عبارة بسيطة (مثل عنوان فيلم) تستحضر فوراً صورة محددة وشهيرة في عقلنا الثقافي الجمعي.
المؤلفون في هذه الورقة قلقون من أن الطرق الحالية لاختبار الذكاء الاصطناعي بسيطة للغاية. إنهم يتساءلون: هل يغش الذكاء الاصطناعي عن طريق النسخ، أم أنه يفهم الثقافة ويعيد تخيلها حقاً؟
إليك تفصيل دراستهم باستخدام تشبيهات من الحياة اليومية:
1. المشكلة: خلط "النسخ مقابل الابتكار"
فكر في الذكاء الاصطناعي كطالب يؤدي امتحاناً.
- الاختبار القديم: المعلم يسأل: "هل هذه الإجابة هي نفسها الموجودة في الكتاب المدرسي؟" إذا كانت مشابهة بنسبة 90% حتى، يضع المعلم علامة "غش" (حفظ واستظهار).
- الواقع: أحياناً، يجب أن تبدو الإجابة مثل الكتاب المدرسي لأنها مرجع ثقافي شهير. إذا طلبت منه "العراب" (The Godfather)، فأنت تتوقع رؤية رجل ببدلة أو رأس حصان أو أسلوب إضاءة معين. إذا رسم الذكاء الاصطناعي مجرماً عادياً، فقد فشل في فهم الثقافة. أما إذا رسم ملصق الفيلم بالضبط، فقد يكون في حالة سرقة.
الاختبارات القديمة لم تكن تستطيع التمييز بين الطالب الذي فهم المفهوم وبين من قام فقط بعمل تصوير ضوئي لنموذج الإجابة.
2. الحل: "تحويل المرجع الثقافي" (CRT)
ابتكر المؤلفون نظام تقييم جديداً يسمى CRT. بدلاً من مجرد السؤال "هل هي نسخة؟"، هم يسألون سؤالين:
- السؤال (أ): التعرف (هل فهمت النكتة؟)
- التشبيه: إذا قلت "الجانب المظلم من القمر" (The Dark Side of the Moon)، هل ترسم قمراً حقيقياً في الفضاء، أم ترسم منشوراً مع قوس قزح (غلاف الألبوم الشهير)؟
- إذا رسمت المنشور، فقد اجتزت اختبار التعرف. لقد "فهمت" المرجع الثقافي.
- السؤال (ب): التجسيد (هل جعلته خاصاً بك؟)
- التشبيه: هل قمت بتتبع غلاف الألبوم، أم رسمت منشوراً جديداً مع قوس قزح بأسلوبك الخاص؟
- إذا قمت بالتتبع، فقد فشلت في اختبار التجسيد (نسخ مفرط). إذا رسمت نسخة جديدة، فقد نجحت.
درجة CRT هي الدرجة النهائية. أفضل ذكاء اصطناعي هو الذي "يفهم النكتة" (التعرف) ولكنه "يرسم صورة جديدة" (التجسيد).
3. التجربة: اختبار الفنانين
اختبر الباحثون خمسة نماذج مختلفة من الذكاء الاصطناعي (مثل Stable Diffusion وFlux وImagen) على 767 مرجعاً ثقافياً شهيراً (أفلام، لوحات، ألبومات).
- النتائج:
- "آلات التصوير": بعض النماذج كانت بارعة في التعرف على المرجع ولكنها سيئة جداً في تغييره. كانت فقط تعيد إنتاج الصورة الأصلية.
- "الفنانون التجريديون": بعض النماذج حاولت أن تكون مبدعة للغاية وفقدت المرجع تماماً (على سبيل المثال، رسمت قمراً حرفياً بدلاً من المنشور).
- "الأساتذة المتوازنون": وجدت بعض النماذج (مثل Imagen 4 وSD3) المنطقة المثالية. لقد عرفوا تماماً كيف يبدو فيلم "العراب"، لكنهم رسموه بطريقة جديدة وفريدة في كل مرة.
4. التحول المفاجئ: الأمر لا يتعلق فقط بالذاكرة
اختبر الباحثون أيضاً ما يحدث إذا غيروا الكلمات قليلاً.
- بدلاً من "الصرخة" (The Scream)، طلبوا "الولولة" (The Shriek).
- بدلاً من عنوان، أعطوا وصفاً حرفياً: "رجل يصرخ على جسر".
المفاجأة: حتى عندما تغيرت الكلمات، ظل الذكاء الاصطناعي غالباً يرسم الصورة الشهيرة. هذا يثبت أن الذكاء الاصطناعي لا يطابق الكلمات بالصور فحسب؛ بل بنى "خريطة ثقافية" عميقة في عقله. إنه يعرف أن "الصرخة" و"الولولة" كلاهما يشيران إلى تلك اللوحة المحددة.
ومع ذلك، وجدوا أيضاً أن مدى فرادة العنوان أمر مهم. إذا كان العنوان شائعاً جداً (مثل "القبلة" - The Kiss)، فقد يرتبك الذكاء الاصطناعي وقد لا يرسم اللوحة الشهيرة. أما إذا كان العنوان فريداً ومحدداً، فإن الذكاء الاصطناعي يركز على الصورة بدقة.
5. لماذا هذا مهم؟
هذه الورقة البحثية هي بمثابة جرس إنذار لكيفية حكمنا على الذكاء الاصطناعي.
- النظرة السيئة: "الذكاء الاصطناعي خطير لأنه ينسخ الفن".
- النظرة الجديدة: "الذكاء الاصطناعي مشارك ثقافي. إنه يتعلم قصصنا المشتركة ويمكنه إعادة سردها بطرق جديدة".
يجادل المؤلفون بأنه لا ينبغي لنا فقط محاولة جعل الذكاء الاصطناعي "ينسى" كل شيء لتجنب مشاهای حقوق النشر. بدلاً من ذلك، نحتاج إلى فهم كيف يتذكر. نحن نريد ذكاءً اصطناعياً يمكنه النظر إلى أيقونة ثقافية والقول: "أنا أعرف هذه القصة، وإليك نسختي الخاصة منها"، بدلاً من أن يقول فقط: "إليكم نسخة مصورة من الأصل".
باختاً: تعلمنا هذه الورقة أن كون الذكاء الاصطناعي "ذكياً" لا يقتكتفي بعدم النسخ فحسب؛ بل يتعلق بمعرفة الثقافة جيداً بما يكفي لإعادة مزجها بشكل إبداعي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.