DrawAI: Agentic Benchmark and Workflow for Making Raster Images Editable
تقدم هذه الورقة DrawAI، وهو إطار عمل شامل يتكون من معيار DrawAI-Bench وسير عمل الوكيل DrawAI-Flow، والمصمم لإعادة بناء الصور النقطية (raster) إلى رسومات مهيكلة وقابلة للتعديل من خلال الموازنة بفعالية بين الدقة البصرية والقابلية للتعديل الدلالي.
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 تنظر إلى لوحة فنية رائعة وعالية الدقة لمدينة مستقبلية. تبدو مذهلة، أليس كذلك؟ ولكن الآن، تخيل محاولة تغيير شيء واحد فقط: ربما تريد استبدال السفينة الفضائية الحمراء بأخرى زرقاء، أو نقل ناطحة سحاب إلى الجانب الآخر من الشارع. إذا كانت هذه الصورة مجرد صورة رقمية عادية ("صورة نقطية" أو Raster Image)، فلا يمكنك ببساطة الإمساك بالسفينة الفضائية وتحريكها. بالنسبة للكمبيوتر، السفينة الفضائية ليست جسماً منفصلاً؛ إنها مجرد نمط معين من النقاط الملونة المختلطة مع السماء والمباني. ولإصلاح ذلك، سيتعين عليك إعادة طلاء اللوحة بأكملة أو البدء في رسم الصورة من الصفر. هذا هو الواقع المحبط لمعظم الصور التي ينشئها الذكاء الاصطناعي الحديث: إنها جميلة ولكنها "مسطحة"، مما يجعل من المستح المستحيل تعديلها دون إفساد الصورة بأكملها.
هذه الورقة البحثية تعيش في عالم الذكاء الاصطنا-عي والرؤية الحاسوبية، وتحديداً تركز على كيفية جعل الصور التي ينشئها الذكاء الاصطناعي ليست فقط جميلة، بل مفيدة. الفكرة الرئيسية هي تحويل الصورة المسطحة إلى ملف "متعدد الطبقات"، مثل دفتر قصاصات رقمي حيث كل ملصق، وكلمة، وشكل هو قطعة منفصلة يمكنك التقاطها وتحريكها. يحاول الباحثون حل لغز معقد: كيف يمكنك أخذ صورة مسطحة وإعادة بنائها سحرياً كمجموعة من الأجزاء القابلة للتعديل دون فقدان المظهر الأصلي؟ هم يسمون هذا "إعادة البناء من صورة إلى نموذج قابل للتعديل" (image-to-editable reconstruction). هذا الأمر مهم لأنه مع تحسن الذكاء الاصطناعي في صنع المرئيات للمشاريع المدرسية، والأوراق العلمية، والعروض التقديمية، نحتاج إلى أن تكون تلك المرئيات مرنة بما يكفي ليقوم البشر بتعديلها وتحسينها، وليس فقط للتحديق فيها.
الفكرة الكبرى للورقة: تحويل الصور المسطحة إلى مجموعات "ليجو" قابلة للتعديل
لاحظ الباحثون وراء هذه الورقة، من جامعات في بكين وتسينغ هوا، وجود فجوة كبيرة. يمكن للذكاء الاصطناعي الآن رسم صور مذهلة، لكن تلك الصور عالقة في "الوضع المسطح". إذا كنت تريد إصلاح خطأ مطبعي أو نقل مخطط بياني، فأنت في عداد المفقودين ما لم تعد رسم الشيء بأكمله. لذا، أنشأوا نظاماً جديداً يسمى DrawAI لإصلاح ذلك. فكر في DrawAI كمهندس معماري رقمي فائق الذكاء ينظر إلى صورة مسطحة ويقول: "أنا أعلم أن هذا يبدو كجدار صلب، لكني سأعيد بناءه من قطع الليجو حتى تتمكن من تفكيكه لاحقاً".
لإثبات عمل نظامهم، لم يكتفوا بالتخمين؛ بل بنوا ساحة اختبار ضخمة تسمى DrawAI-Bench. تخيل مسار عقبات ضخم يحتوي على أربعة أنواع مختلفة من التحديات: الرسوم البيانية العلمية، شرائح العروض التقديمية، الملصقات، والمخططات الانسيابية. لقد ملأوا هذا المسار بـ 40 صورة (10 صور حقيقية و10 صور من إنتاج الذكاء الاصطناعي لكل مجال) ووضعوا نظام تسجيل صارم يتكون من 39 قاعدة مختلفة لتقييم النتائج. تتحقق القواعد من شيئين رئيسيين:
- الدقة (Fidelity): هل النسخة المعاد بناؤها تشبه الأصل تماماً؟ (هل تطابقت الألوان؟ هل النص مقروء؟)
- القابلية للتعديل (Editability): هل يمكنك تعديلها بالفعل؟ (هل النص عبارة عن مربع نص حقيقي يمكنك النقر عليه؟ هل السهم عبارة عن خط حقيقي يمكنك تحريكه؟)
وجدت الورقة أن هذين الهدفين غالباً ما يتصارعان. إذا قمت بنسخ الصورة بأكملها ككتلة واحدة، فستبدو مثالية (دقة عالية) ولكن لا يمكنك تعديل أي شيء (صفر قابلية للتعديل). وإذا قمت بتفكيكها إلى قطع صغيرة جداً، يمكنك تعديل كل شيء، ولكن الصورة قد تبدو فوضوية أو تفقد أسلوبها الأصلي. التحديد يكمن في إيجاد النقطة المثالية.
كيف فعلوا ذلك: فريق الروبوت ذو الخطوتين
بدلاً من طلب القيام بالمهمة كاملة من ذكاء اصطناعي واحد (مما يؤدي غالباً إلى الأخطاء)، بنى الفريق سير عمل مكون من خطوتين يسمى DrawAI-Flow. لقد عاملوا المشكلة كمشروع بناء مع عاملين متخصصين:
- وكيل التحليل (المحقق): أولاً، ينظر هذا الوكيل إلى الصورة المسطحة ويستخدم أدوات خاصة (مثل عدسة مكبرة للأشكال وماسح ضوئي للنصوص) لمعرفة ما يوجد في الصورة. هو لا يخمن فحسب؛ بل ينشئ "مخططاً" أو خطة تفصيلية. يقرر: "حسناً، هذا الجزء عبارة عن مربع نص، وهذا دائرة، وهذه صورة تحتاج إلى قص".
- وكيل إعادة البناء (البنّاء): يأخذ هذا الوكيل المخطط ويبدأ في البناء. ولكن الجزء المذهل هنا هو: بدلاً من مجرد إخراج صورة نهائية، فإنه يكتب كوداً برمجياً (مثل الوصفة) لرسم الصورة. هو يرسم قليلاً، ثم يتحقق مما إذا كان يبدو صحيحاً، وإذا كان خاطئاً، يقوم بإصلاح الكود ويحاول مرة أخرى. يستمر في الحلقة - ارسم، تحقق، أصلح - حتى تصبح الصورة مثالية وقابلة للتعديل بالكامل.
ماذا وجدوا: الأمر لا يتعلق فقط بنموذج الذكاء الاصطناعي
اختبر الفريق 13 نموذج ذكاء اصطناعي مختلفاً (من أسماء كبيرة مثل OpenAI وAnthropic وGoogle وغيرها) باستخدام 5 "أحزمة" (harnesses) مختلفة (وهي بمثابة مجموعات أدوات أو أنظمة تشغيل مختلفة تساعد الذكاء الاصطناعي على العمل). إليكم ما اكتشفوه:
- لا يوجد فائز واحد: لم يكن هناك نموذج ذكاء اصطناعي واحد هو الأفضل في كل شيء. بعض النماذج كانت رائعة في جعل الصورة تبدو حقيقية (الدقة) ولكنها سيئة جداً في جعلها قابلة للتعديل. وأخرى كانت رائعة في التعديل ولكنها جعلت الصورة تبدو غريبة نوعاً ما. على سبيل المثال، حصل نموذج يسمى GPT-5.6 Sol على درجة 94.0 في التشابه مع الأصل ولكن 85.1 فقط في القابلية للتعديل. بينما كان نموذج آخر، Claude Opus 4.8، عكس ذلك، حيث حصل على 91.6 للقابلية للتعديل ولكن درجة أقل في التشابه.
- الأدوات تهم أكثر مما تعتقد: "الحزام" (الأداة المستخدمة لتشغيل الذكاء الاصطناعي) أحدث فرقاً هائلاً. استخدام الأداة الصحيحة يمكن أن يرفع درجة النموذج بأكثر من 13 نقطة. الأمر يشبه امتلاك نجار ماهر يستخدم منشاراً ثلماً مقابل منشار حاد؛ النجار (نموذج الذكاء الاصطناعي) هو نفسه، ولكن النتيجة تتغير تماماً بناءً على الأدوات المستخدمة.
- سير العمل هو السر: عندما استخدموا سير العمل الخاص بهم المكون من خطوتين (DrawAI-Flow) بدلاً من مجرد ترك الذكاء الاصطناعي يحاول القيام بذلك في خطوة واحدة، تحسنت النتائج كثيراً. وتحديداً، قفزت درجة القابلية للتعديل بمعدل 17.6 نقطة. ساعد سير العمل في تحويل المحتوى المعترف به إلى أشياء منفصلة حقيقية يمكنك النقر عليها وتحريكها.
- النص هو الجزء الأصعب: حتى أفضل الأنظمة واجهت صعوبة مع النصوص. فبينما استطاعت جعل الصور والأشكال سهلة التعديل، كان تحويل النص إلى مربع نص حقيقي وقابل للتعديل لا يزال نقطة ضعف للعديد من النماذج.
- التكلفة مقابل الجودة: نظروا أيضاً في تكلفة ذلك. ووجدوا أن إنفاق المزيد من المال لا يعني دائماً نتيجة أفضل. بعض الإعدادات المكلفة كانت في الواقع أسوأ من الإعدادات الأرخص لأنها استخدمت الأدوات الخاطئة أو جعلت الذكاء الاصطناعي يقوم بعمل غير ضروري.
الخلاصة
تخلص الورقة إلى أن جعل الصورة قابلة للتعديل ليس مجرد مسألة امتلاك نموذج ذكاء اصطناعي أذكى. بل يتعلق بامتلاك نظام متكامل يتضمن نموذجاً جيداً، والأدوات الصحيحة لتشغيله، وخطة ذكية خطوة بخطوة. لا يمكنك فقط أن تطلب من الذكاء الاصطناعي "اجعل هذا قابلاً للتعديل" وتتوقع حدوث معجزة. أنت بحاجة إلى محقق للتخطيط وبناء لكتابة الكود، مع التحقق من عملهما أثناء العمل.
وعلى الرغم من أن النظام ليس مثالياً بعد (خاصة مع الجداول المعقدة والملصقات الكثيفة)، إلا أنه يوضح مساراً واضحاً للمستقبل. من خلال تفكيك المشكلة واستخدام الكود لإعادة بناء الصور، يمكننا أخيراً تحويل تلك الصور المسطحة وغير القابلة للتغيير التي يصنعها الذكاء الاصطناعي إلى مسودات مرنة وعملية يمكن للبشر استخدامها وتحسينها فعلياً. مستقبل فن الذكاء الاصطناعي ليس فقط في صنع صور جميلة؛ بل في صنع صور يمكنك التفاعل معها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.