MIRA: Multimodal Iterative Reasoning Agent for Image Editing
تُعد MIRA وكيلًا متعدد الوسائط خفيف الوزن وقابلًا للتشغيل المباشر، يعمل على تعزيز تحرير الصور الموجه بالتعليمات من خلال توظيف حلقة تكرارية من الإدراك والاستدلال والعمل لتفكيك الطلبات المعقدة إلى خطوات ذرية، مما يحسن بشكل كبير الاتساق الدلالي والجودة الإدراكية عند اقترانه بنماذج التحرير مفتوحة المصدر الحالية.
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 أنك تحاول إعطاء مجموعة تعليمات محددة ومعقدة للغاية لصديق لك، وهو فنان رائع ولكنه يرتبك أحياناً بسبب الجمل الطويلة والمعقدة.
تقول له: "غيّر الأرضية إلى خشب، واجعل الخزائن البيضاء بنية، ولكن حافظ على الثلاجة بيضاء، واصبغ الموقد باللون الأسود."
قد يسمع محرر الصور التقليدي (الذي يمثل "الفنان") هذا الكلام ويشعر بالتشتت. قد يحول الثلاجة إلى اللون البني عن طريق الخطأ، أو يصبغ الموقد باللون الأبيض بدلاً من الأسود. إنه يحاول القيام بكل شيء في قفزة واحدة ضخمة، ولأنها محاولة "من خطوة واحدة"، فإنه غالباً ما يخطئ في التفاصيل.
إليك MIRA.
MIRA تشبه مدير مشروع فائق الذكاء يجلس بينك (المستخدم) وبين الفنان (محرر الصور). بدلاً من ترك الفنان يخمن الصورة بأكملها دفعة واحدة، تقوم MIRA بتفكيك طلبك الكبير إلى خطوات صغيرة وسهلة الإدارة، وتتحقق من العمل بعد كل خطوة، وتصحح الأخطاء قبل الانتقال إلى الخطوة التالية.
إليك كيف تعمل MIRA، باستخدام بعض التشبيهات من الحياة اليومية:
1. "الحلقة التكرارية" (الطاهي الذي يتذوق الحساء)
معظم محرري الصور بالذكاء الاصطناعي يشبهون طاهياً يضع جميع المكونات في القدر، ويطبخها لمدة 20 دقيقة، ثم يقدمها. إذا كانت مالحة جداً، فقد فات الأوان؛ وعليك البدء من جديد.
أما MIRA فهي تشبه طاهياً يتذوق الحساء بعد إضافة كل مكون واحد.
- الخطوة 1: "حسناً، لنغير الأرضية إلى خشب فقط." يتذوقه. "مثالي."
- الخطوة 2: "الآن، لنجعل الخزائن بنية." يتذوقه. "أوه لا، لقد جعلت الثلاجة بنية أيضاً!"
- الخطوة 3: "انتظر، توقف. لنصلح ذلك. لنعد الثلاجة إلى اللون الأبيض." يتذوقه. "أفضل الآن."
- الخطوة 4: "الآن، اصبغ الموقد باللون الأسود." يتذوقه. "تم الأمر."
MIRA لا تكتفي بالتخمين فحسب؛ بل هي تدرك (تنظر إلى الصورة)، وتفكر (تعرف ما هو الخطأ)، وتتصرف (تصلح الخطأ) مراراً وتكراراً حتى يصبح الطبق مثالياً.
2. "الدماغ القابل للتركيب والتشغيل"
تذكر الورقة البحثية أن MIRA "خفيفة الوزن" و"قابلة للتركيب والتشغيل مباشرة". فكر في الأمر كأنه وحدة دماغ متخصصة يمكنك تركيبها على أي روبوت موجود بالفعل.
لست بحاجة لإعادة بناء الروبوت بالكامل (نموذج تحرير الصور). كل ما عليك فعله هو أخذ روبوت مفتوح المصدر (مثل Flux أو Qwen) وإلحاق دماغ MIRA به. وفجأة، يصبح ذلك الروبوت القياسي عبقرياً في اتباع التعليمات المعقدة، لينافس الروبوتات المملوكة والمكلفة (مثل GPT-Image) التي تكلف ثروة لتشغيلها.
3. "بيانات التدريب" (الامتحان التجريبي)
لتعليم MIRA كيف تكون بهذا المستوى من الإتقان، لم يكتفِ الباحثون بعرض الصور عليها فحسب. بل قاموا ببناء مجموعة بيانات تدريبية ضخمة تسمى MIRA-EDITING تحتوي على 150,000 مثال.
تخيل أنهم أنشأوا "امتحاناً تجريبياً" حيث أخذوا تعليمات معقدة، وفككوها إلى 5 خطوات صغيرة، وأظهروا للذكاء الاصطناعي بالضبط كيف يجب أن تبدو الصورة بعد الخطوة 1، والخطوة 2، والخطوة 3، وهكذا. حتى أنهم علموا الذكاء الاصطناعي كيف يقول "حسناً، لقد انتهيت"، حتى لا يستمر في تعديل الصورة إلى الأبد.
4. قوة "التصحيح الذاتي" الخارقة
الجزء الأكثر سحراً في MIRA هو قدرتها على إصلاح أخطائها بنفسها.
في الورقة البحثية، هناك مثال رائع حيث قام الذكاء الاصطناعي عن طريق الخطأ بتحويل ثلاجة بيضاء إلى بنية أثناء محاولته تلوين الخزائن. الذكاء الاصطناعي العادي سيتركها هكذا. لكن MIRA تنظر إلى الصورة، وتدرك: "مهلاً، لم يكن من المفترض أن تتغير الثلاجة!"، وتصدر أمراً جديداً لإصلاح ذلك فوراً. إنها تشبه برنامج التدقيق الإملائي الذي لا يكتفي بالعثور على الخطأ المطبعي فحسب، بل يصلحه فوراً دون أن تطلب منه ذلك.
لماذا يهم هذا؟
- للناس العاديين: يمكنك أخيراً إعطاء تعليمات معقدة "شبيهة بالبشر" لمحرري الصور بالذكاء الاصطناعي دون الشعور بالإحباط عندما يخطئون في التفاصيل.
- لعالم التكنولوجيا: يثبت هذا أنك لست بحاجة إلى نظام بمليارات الدولارات ومغلق، للحصول على نتائج مذهلة. فباستخدام عملية "تفكير" صحيحة (MIRA)، يمكن للأدوات مفتوحة المصدر أن تتفوق على الأدوات المملوكة والمكلفة.
باختصار: تحول MIRA تحرير الصور من لعبة "ارمي النرد وتمنى الأفضل" إلى محادثة دقيقة خطوة بخطوة، حيث يستمع الذكاء الاصطناعي، ويتحقق من عمله، ويصلح أخطاءه حتى تصبح الصورة تماماً كما تخيلتها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.