تخيل عالماً يمكنك فيه التقاط صورة واحدة لشاطئ، وبأمر سحري، تحولها إلى فيلم متحرك حيث تتلاطم الأمواج وتطير طيور النورس. هذا هو الوعد الذي يقدمه "توليد الصور إلى فيديو" (Image-to-Video)، وهو فرع من فروع الذكاء الاصطناعي الذي يغير بسرعة طريقة صنع الإعلانات، وسرد القصص، واستعراض المنتجات. ولكن تماماً مثل طفل يتعلم الرسم، قد يندفع هؤلاء الفنانون من الذكاء الاصطناعي أحياناً. فقد يجعلون الصورة ضبابية، أو يجعلون الأمواج تتحرك بطريقة غريبة ومهتزة، أو —وهنا الجزء الصعب— يخترعون فجأة شجرة نخيل لم تكن موجودة في الصورة الأصلية. في صناعات مثل السفر أو العقارات، حيث يهم عرض "الحقيقة الدقيقة"، تشكل هذه "الهلوسات" (قيام الذكاء الاصطناعي باختلاق أشياء من عنده) مشكلة كبيرة. نحن بحاجة إلى طريقة للتحقق من عمل الذكاء الاصطناني قبل أن نعرضه للعالم، لضمان أن يبدو الفيديو واقعياً، ويتحرك بسلاسة، ولا يضيف أي عناصر مزيفة.

إليك HALLELUAI، وهو نظام جديد صُمم ليكون "مفتش مراقبة الجودة" النهائي لهذه الأفلام التي ينتجها الذكاء الاصطناعي. فكر في HALLELUAI ليس كمجرد قاضٍ، بل كمحرر ذكي ومثابر يعمل في حلقة مستمرة. عندما يحاول الذكاء الاصطناعي تحويل صورة إلى فيديو، يراقب HALLELUAI النتيجة عن كثب. إذا كان الفيديو ضبابياً، أو إذا كانت الكاميرا تهتز كثيراً، أو إذا اخترع الذكاء الاصطناعي بالخطأ مبنىً مزيفاً في صورة فندق، فإن HALLELUAI لا يكتفي بقول "لا". بدلاً من ذلك، يعمل كمدرب، يخبر الذكاء الاصطناعي بالضبط ما الخطأ الذي حدث، ثم يمنحه فرصة ثانية (أو ثالثة) للإصلاح. إنه يعدل التعليمات، أو يغير زاوية الكاميرا، أو حتى يستبدل نموذج الذكاء الاصطناعي الذي يحاول القيام بالمهمة، مكرراً هذه العملية حتى يصبح الفيديو مثالياً. وقد وجد الباحثون أنه باستخدام نهج "جرب، تحقق، أصلح، حاول مجدداً" هذا، استطاعوا إنتاج فيديوهات فائقة الواقعية نالت إعجاب الخبراء المبدعين، حيث اتفق النظام مع الخبراء البشر حول ما إذا كان الفيديو جيداً أم سيئاً بنسبة 87% من المرات.

المشكلة: عندما يصبح الذكاء الاصطناعي مبدعاً أكثر من اللازم

تخيل أنك تطلب من صديق وصف صورة لكلبك. إذا قال "كلبك يركض"، فهذا جيد. ولكن إذا قال فجأة "كلبك يركض، لكن لديه الآن أجنحة ويرتدي قبعة"، فقد بدأ في الهلوسة. في عالم فيديو الذكاء الاصطناعي، يعد هذا كارثة. إذا استخدمت شركة سفر الذكاء الاصطناعي لإظهار غرفة فندق، فلا يمكن للذكاء الاصطناعي أن يخترع مسبحاً غير موجود أو يجعل الأثاث يطفو.

الأدوات الحالية للتحقق من فيديوهات الذكاء الاصطناعي تشبه استخدام مسطرة لقياس طعم الحساء. يمكنها أن تخبرك إذا كانت مجموعة كاملة من الفيديوهات تبدو "واقعية" في المتوسط، لكنها لا تستطيع النظر إلى فيديو واحد وتقول: "مهلاً، هذا الفيديو تحديداً يحتوي على شجرة مزيفة"، أو "الكاميرا تهتز كثيراً". إنها تغفل عن الأخطاء الصغيرة والمزعجة التي تفسد التجربة للمشاهد.

الحل: حلقة HALLELUAI

بنى المؤلفون HALLELUAI لحل هذه المشكلة من خلال إنشاء حلقة مغلقة من التوليد والتصحيح. إليك كيف يعمل الأمر، خطوة بخطوة:

1. المسودة الأولى
يأخذ النظام صورة أولية وفكرة إبداعية (مثل "اجعل الكاميرا تقترب ببطء") ويطلب من الذكاء الاصطناعي توليد فيديو.

2. المفتش الصارم (وحدة الإشراف - Moderation Module)
قبل السما بغرض خروج الفيديو، يضعه نظام "وحدة الإشراف" في HALLELUAI تحت المجهر. إنه يتحقق من ثلاثة أشياء رئيسية:

• جودة الإطار: هل الصورة ضبابية؟ هل هي مظلمة جداً أو ساطعة جداً؟ هل هناك ضجيج (static noise) غريب؟ إنه يقارن كل إطار بالصورة الأصلية للتأكد من أن الإضاءة والحدة لم تنحرفا.
• سلاسة الحركة: هل تتحرك الكاميرا مثل صانع أفلام محترف، أم أنها تهتز مثل يد مرتجفة؟ إنه يتحقق مما إذا كانت الحركة تطابق التعليمات (على سبيل المثال، إذا طلبت "تحريك الكاميرا لليسار"، فهل تحركت فعلاً لليسار؟).
• صيد الهلوسة: هذا هو الجزء الأكثر أهمية. يستخدم النظام عقلاً قوياً من الذكاء الاصطناعي للبحث عن أشياء لا ينبغي أن تكون موجودة. هل اختفى جسم ما؟ هل اندمج جسمان ليصبحا كتلة غريبة؟ هل ظهر جسم جديد فجأة في المشهد؟ إنه يبحث تحديداً عن "هلوسات الهياكل الجديدة" (ظهور أشياء مزيفة) و"هلوسات الأجسام" (تغير شكل الأجسام الحقيقية أو اختفائها).

3. المدرب (وحدة إعادة التوليد الوكيلية - Agentic Regeneration Module)
إذا فشل الفيديو في الاختبار، فإن HALLELUAI لا يرميه في القمامة فحسب. بل يعمل كمدرب ذكي. ينظر إلى الأخطاء المحددة ويقرر كيفية الإصلاح.

• إذا كانت الحركة مهتزة جداً، فإنه يخبر الذكاء الاصطناعي بـ "تثبيت الكاميرا".
• إذا كانت الإضاءة خاطئة، فإنه يقول "ضبط التعرض للضوء".
• إذا استمر الذكاء الاصطناعي في اختراع أشجار مزيفة، فقد ينتقل إلى نموذج ذكاء اصطناعي مختلف أو يغير "الأمر" (prompt) ليكون أكثر صرامة بشأن الحفاظ على تفاصيل الصورة الأصلية.
• إذا كان الجسم ضبابياً، فقد يطلب من الذكاء الاصطناعي المحاولة مرة أخرى باستخدام "بذرة" (seed) مختلفة (نقطة بداية عشوائية مختلفة للعملية).

ثم يقوم النظام بتوليد نسخة جديدة من الفيديو ويتحقق منها مرة أخرى. ويستمر في فعل ذلك — توليد، تحقق، إصلاح، توليد — حتى يجتاز الفيديو جميع الاختبارات أو حتى يصل إلى حد معين لعدد المحاولات.

ماذا وجدوا؟

اختبر الفريق نظام HALLELUAI مع خبراء بشريين حقيقيين لمعرفة ما إذا كان بإمكانه القيام بالمهمة.

• الاتفاق: عندما قارنوا قرارات HALLELUAI بقرارات الخبراء المبدعين البشر، اتفق النظام مع البشر بنسبة 86.9%. وهذه إشارة قوية على أن الآلة تتعلم التفكير مثل المحرر البشري.
• الدقة: عندما قال النظام إن الفيديو "جيد" (نجاح - PASS)، فقد كان محقاً بنسبة 88% في الاختبارات الأولية.
• اختبار العالم الحقيقي: في اختبار "الإنتاج التجريبي"، حيث سُمح للنظام بإصلاح الفيديوهات قبل عرضها على البشر، ارتفقت الجودة بشكل هائل. من بين 1,158 فيديو وافق عليها النظام، كان هناك 1,126 فيديو وافق عليها الخبراء البشر أيضاً. هذه نسبة نجاح تبلغ 97%.

كما قارن الباحثون نظامهم بالأدوات الأخرى الموجودة. ووجدوا أن أدوات فحص جودة الفيديو القياسية (مثل DOVER و COVER) لم تستطع التمييز بين فيديو جيد من إنتاج الذكاء الاصطناعي وفيديو سيئ لأنها لم تكن مصممة لرصد هذه الأخطاء المحددة للذكاء الاصطناعي. وحتى روبوتات الدردشة القوية، عندما طُلب منها فقط "النظر إلى الفيديو" دون تعليمات خاصة، فشلت في رصد الأخطاء الدقيقة. لقد نجح HALLELUAI لأنه بُني خصيصاً للبحث عن هذه المشكلات تحديداً ولديه خطة لإصلاحها.

لماذا يهم هذا؟

الأمر لا يتعلق فقط بصنع فيديوهات جميلة؛ بل يتعلق بالثقة. في مجالات مثل العقارات أو السفر، إذا عرض الذكاء الاصطناعي منزلاً بمسبح غير موجود، فإن هذا ليس مجرد خطأ مضحك — بل هو خطر قانوني وعلى السمعة. يوضح HALLELUAI أنه يمكننا توسيع نطاق إنتاج الفيديو بالذكاء الاصطناعي دون فقدان السيطرة. من خلال الجمع بين مفتش صارم ومدرب متعاون، يضمن النظام أن المنتج النهائي ليس فقط فائق الواقعية، بل هو أيضاً أمين للصورة الأصلية. إنه يحول الطبيعة الفوضوية لعملية "التخمين والتحقق" في توليد الذكاء الاصطناعي إلى عملية صناعية موثوقة يمكنها التعامل مع آلاف الفيديوهات مع الحفاظ على الجودة العالية. يشير المؤلفون إلى أن هذا الإطار يمثل خطوة كبيرة نحو جعل فيديوهات الذكاء الاصطناعي آمنة وقابلة للاستخدام من قبل الشركات الكبرى، مما يسد الفجوة بين التكنولوجيا الرائعة والموثوقية في العالم الحقيقي.