AdaGen: Learning Adaptive Policy for Image Synthesis
يقدم AdaGen إطارًا عامًا وقابلًا للتعلم يستخدم التعلم المعزز مع مكافأة تنافسية لتكييف المعلمات الخاصة بكل خطوة ديناميكيًا أثناء عملية التخليق المتكرر للصور، مما يتغلب على قيود الجداول الزمنية الثابتة والمصممة يدويًا ويحقق أداءً فائقًا عبر مختلف النماذج التوليدية مع تقليل تكاليف الاستدلال.
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 خبز رغيف الخبز المثالي.
الطريقة القديمة (نماذج الذكاء الاصطناعي الحالية):
في الوقت الحالي، تعمل معظم مولدات الصور بالذكاء الاصطناعي مثل خباز يتبع وصفة جامدة ومكتوبة مسبقاً. تقول الوصفة: "في الخطوة 1، اعجن لمدة 5 دقائق. في الخطوة 2، اترك العجينة ترتاح لمدة 30 دقيقة. في الخطوة 3، اخبز على درجة حرارة 400."
المشكلة هي أن هذه الوصفة تصلح للجميع دون تمييز.
- إذا كنت تخبز رغيفاً أبيض بسيطاً، فقد لا تحتاج إلى كل هذا العجن.
- إذا كنت تخبز خبز "ساوردو" معقداً يحتوي على الكثير من الفاكهة، فقد تحتاج إلى عجن لفترة أطول أو الخبز في درجة حرارة مختلفة.
- لكن الذكاء الاصطناعي لا يدرك الفرق؛ فهو يتبع نفس "الجدول الزمني" لكل صورة ينشئها دون تفكير. وللحصول على نتائج أفضل، يتعين على الخبراء البشر قضاء سنوات في تعديل هذه الوصفات (قواعد الجدولة) من خلال التجربة والخطأ.
الطريقة الجديدة (AdaGen):
يقدم البحث AdaGen، وهو بمثابة توظيف طباخ مساعد ذكي ومتكيف يراقب العجين أثناء خبزه ويتخذ قرارات في الوقت الفعلي.
بدلاً من وصفة جامدة، يستخدم AdaGen "شبكة سياسات" (الطباخ المساعد) التي تسأل: "كيف تبدو هذه الصورة المحددة الآن؟ هل تحتاج إلى إزالة المزيد من الضجيج؟ هل يجب أن أكون أكثر دقة مع التفاصيل؟ هل اقتربت من الانتهاء؟"
بناءً على الإجابة، يقوم الطباخ المساعد بتعديل الإعدادات فوراً لتلك الصورة المحددة. فالصورة البسيطة تحصل على لمسة سريعة وخفيفة، بينما تحصل الصورة المعقدة على عملية تنقية بطيئة ودقيقة.
كيف يتعلم؟ (تشبيه "اللعبة")
لا يمكنك فقط أن تقول للطباخ المساعد "اجعلها تبدو جيدة" لأن كلمة "جيدة" يصعب تعريفها رياضياً. إذا قلت فقط "اجعل النتيجة عالية"، فقد يغش الذكاء الاصطناعي عبر صنع 100 صورة متطابقة ومملة تحقق درجات عالية ولكنها تبدو سيئة للغاية.
لحل هذه المشكلة، ابتكر المؤلفون لعبة فيديو بين شخصيتين:
- المولد (الفنان): يحاول إنشاء أفضل صورة ممكنة.
- الناقد (نموذج المكافأة التنافسي): ناقد فني صارم يحاول اكتشاف الفرق بين الصورة الحقيقية وصورة الذكاء الاصطناعي المزيفة.
يلعبان لعبة "القط والفأر":
- الفنان يحاول خداع الناقد.
- الناقد يصبح أكثر ذكاءً في كل مرة يحاول فيها الفنان الغش.
- ولأن الناقد يصبح أصعب في الخداع باستمرار، يُجبر الفنان على إنشاء صور عالية الجودة، متنوعة، وواقعية حقاً، بدلاً من مجرد "التلاعب بالنظام".
خدعة "المُشغل السلس"
لاحظ الباحثون أنه عندما يحاول الذكاء الاصطناعي تعلم هذه اللعبة، فإنه أحياناً يصبح مضطرباً؛ حيث يقوم بتغييرات عشوائية حادة من خطوة إلى أخرى (مثل طباخ ينتقل فجأة من استخدام المخفقة إلى استخدام المطرقة).
ولحل ذلك، أضافوا تنعيم الحركة (Action Smoothing). فكر في هذا كـ "ممتص صدمات" في السيارة؛ إذا أراد الذكاء الاصطناعي إجراء تغيير مفاجئ وجذري، فإن ممتص الصدمات يدخله بلطف في الإعداد الجديد. هذا يجعل عملية التعلم مستقرة ويمنع الذكاء الاصطناعي من الخروج عن المسار.
"القرص" للتحكم
أحد الميزات الرائعة هو قرص الدقة والتنوع (Fidelity-Diversity Dial).
- التنوع (Diversity): إنتاج صور كثيرة ومختلفة وفريدة (قد تكون بعضها غريبة بعض الشيء).
- الدقة (Fidelity): جعل الصور تبدو تماماً مثل الصور الحقيقية (لكنها قد تبدو جميعها متشابهة جداً).
عادةً، عليك اختيار أحدهما فقط. لكن AdaGen يمنحك شريط تمرير (معامل يسمى ).
- حركه نحو اليسار: احصل على نتائج إبداعية، متنوعة، ومجنونة.
- حركه نحو اليمين: احصل على صور واقعية للغاية، آمنة، ومثالية.
- ضعه في المنتصف: احصل على أفضل ما في العالمين.
لماذا يعد هذا أمراً هاماً؟
- إنه أسرع: لأن الذكاء الاصطناعي يعرف بالضبط ما يجب فعله لكل صورة، فهو لا يضيع الوقت في خطوات غير ضرورية. يمكنه إنشاء صور عالية الجودة في خطوات أقل، مما يوفر كميات هائلة من القدرة الحوسبية (مثل قيادة سيارة توفر 50% أكثر من استهلاك الوقيت).
- إنه أذكى: يعمل على أي نوع من مولدات الصور، سواء كانت بنمط "الرموز" (tokens) القديم أو نمط "الانتشار" (diffusion) الجديد.
- إنه مؤتمت: يلغي الحاجة إلى الخبراء البشر الذين يقضون شهوراً في ضبط "الوصفات" يدوياً. فالذكاء الاصطناعي يتعلم أفضل جدول زمني لنفسه.
باختاً: يحول AdaGen توليد الصور من خط تجميع يدوي وجامد إلى حوار مرن وذكي بين المبدع والناقد، مما يؤدي إلى صور أفضل، أسرع، وبجهد أقل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.