On the Separation of Human and AI-Generated Images in CLIP Embedding Space
تتقصى هذه الورقة البحثية الانفصال التلقائي غير المفسر بين اللوحات البشرية وتلك المولدة بواسطة الذكاء الاصطناعي ضمن فضاء تضمين CLIP، كاشفةً من خلال تقنيات التفسير والانعكاس أن هذا التمايز يعتمد على بنيات صورية متعددة المقاييس دقيقة وغير محسوسة بدلاً من السمات البصرية الواضحة، مما يسلط الض الضوء على تباعد جوهري بين الإدراك البصري الاصطنا_ي والبشري.
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
في عالم الذكاء الاصطناعي المعاصر، تعلمت الحواسيب رؤية وفهم الصور بطرق كانت في السابق حكراً على الإدراك البشري. وفي قلب هذه القدرة يكمن نظام قوي يُعرف باسم "كليب" (CLIP)، وهو أداة مُدربة لربط الصور بالكلمات. يقوم هذا النظام بترجمة كل صورة يراها إلى نقطة رياضية فريدة في فضاء واسع متعدد الأبعاد. في هذا الفضاء، توضع الصور التي تبدو متشابهة أو تشترك في سمة معينة بالقرب من بعضها البعض، بينما تبتعد الصور المختلفة عن بعضها. لسنوات طويلة، استخدم الباحثون هذا النظام لمساعدة الحواسيب على التعرف على الأشياء، وتصنيف الصور، وحتى توليد فن جديد. ومع ذلك، برز لغز غريب وغير مفسر داخل هذه الخرائط الرقمية: عندما يُعرض على النظام مزيج من اللوحات التي أبدعتها الأيدي البشرية والصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي، تنفصل المجموعتان طبيعياً إلى مجموعات متمايزة. يحدث هذا دون أي تدريب خاص للتمييز بينهما؛ فالانفصال هو ببساطة سمة من سمات كيفية تنظيم النظام للبيانات. والسؤال الذي حير العلماء لم يكن ما إذا كان هذا الانفصال موجوداً، بل لماذا يحدث وما هي الدلائل البصرية المحددة التي يستخدمها الكمبيوتر والتي قد تغيب عن البشر.
شرع باحث في جامعة بولونيا في حل هذا اللغز، ليس لبناء كاشف أفضل للإمساك بالفن المزيف، بل لفهم المنطق الخفي وراء هذا الانقسام. بدأ بتأكيد أن هذا الانفصال كان حقيقياً ومتيناً. واختبر ما إذا كان الكمبيوتر يتفاعل ببساطة مع اختلافات واضحة، مثل صيغة ملف الصورة، أو وجود الألوان، أو حدة التفاصيل. ووجد أنه حتى عندما حول اللوحات الملونة إلى اللونين الأبيض والأسود، أو عندما قلص حجم الصورة إلى مربع صغير وضبابي، ظل الكمبيوتر يبقي الصور البشرية والاصطناعية في مجموعات منفصلة. وقد استبعد هذا الفكرة القائلة بأن النظام يلاحظ مجرد أشياء بسيطة مثل ضجيج البكسل أو لوحات الألوان. كانت الإشارة أعمق، مختبئة في البنية المعقدة للصورة نفسها.
ولإيجاد هذه الإشارة الخفية، تصرف الباحث كرسام خرائط، محاولاً رسم خريطة للمنطقة غير المرئية في عقل الكمبيوتر باستخدام أدوات يمكن للبشر فهمها. بدأ بأبسط القياسات، حيث تحقق من متوسط السطوع أو توزيع الألوان، لكن هذه الإحصائيات الأساسية لم تستطع تفسير الانفصال. ثم انتقل إلى أدوات أكثر تطوراً تحلل النسيج والشكل في الصورة، باحثة في كيفية ترتيب الحواف والتدرجات عبر اللوحة. واكتشف أن الكمبيوتر لا ينظر إلى نقاط معزولة أو آثار محددة تركتها مولدات الذكاء الاصطناعي، بل كان يستجيب لنمط يمتد عبر الصورة بأكملها، نوع من الإيقاع الإحصائي الذي يوجد على مستويات متعددة في آن واحد.
كانت الأداة الأكثر نجاحاً في كشف هذا النمط هي طريقة تُسمى "تحويل التشتت" (scattering transform). فكر في هذا كطريقة لقياس كيفية تغير نسيج الصورة أثناء التكبير والتصغير، مما يلتقط العلاقات بين التفاصيل الدقيقة والأشكال الأكبر. وعندما طبق الباحث هذه الطريقة، وجد أن اللوحات المولدة بالذكاء الاصطناعي تظهر باستمرار استجابات أقوى من اللوحات البشرية. كانت الصور الاصطناعية تمتلك تفاعلاً أكثر كثافة وهيكلية بين مستويات التفاصيل المختلفة. كان الكمبيوتر، في جوهره، يستشعر نوعاً من "الجهارة" الإحصائية في طريقة بناء صور الذكاء الاصطناعي، وهي جودة ظلت ثابتة سواء تم عرض الصورة عن قرب أو من مسافة بعيدة.
ومع ذلك، لم تنتهِ القصة بتفسير كامل. فبينما استطاعت طريقة التشتت تفسير جزء كبير من الانفصال، إلا أنها لم تستطع تفسير كل شيء. بعد ذلك، أجرى الباحث تجربة مذهلة لاختبار حدود الإدراك البشري. استخدم منطق الكمبيوتر الداخلي لإجراء تغييرات طفيفة، غير مرئية تقرياً، على لوحة ما، لتدفعها قليلاً بما يكفي لتنتقل من جانب "البشر" إلى جانب "الذكاء الاصطناعي" على الخريطة. بالنسبة للعين البشرية، بدت اللوحة متطابقة تماماً قبل التغيير وبعده؛ كان الفرق دقيقاً للغاية لدرجة أنه يكاد لا يُلحظ. ومع ذلك، بالنسبة للكمبيوتر، كانت الصورة قد خضعت لتحول هائل. كشف هذا عن انفصال عميق: الكمبيوتر حساس لأدلة بصرية غير مرئية لنا إلى حد كبير، ويعتمد على انتظامات إحصائية دقيقة لا تسجلها أعيننا وأدمغتنا ببساطة.
تشير النتائج إلى أنه بينما يمكن لكل من الذكاء الاصطناعي والرؤية البشرية النظر إلى نفس التحفة الفنية، فإنهما يريان أشياء مختلفة جذرياً. فالكمبيوتر لا يحاكي الذوق البشري فحسب، بل يعمل وفق قواعد مختلفة، حيث يعطي الأولوية لأنماط إحصائية مستقرة ومتعددة المقاييس غير مرئية للفحص البشري. هذا لا يعني أن الكمبيوتر مخطئ، لكنه يعني أيضاً أن افتراضنا بأن الآلات والبشر يتشاركون في الحكم الجمالي هو افتراض خاطئ على الأرجح. إن الانفصال بين الفن البشري وفن الذكاء الاصطناعي في عقل الكمبيوتر ليس مجرد خلل أو خطأ بسيط؛ بل هو نافذة على طريقة مختلفة للرؤية، طريقة تسلط الض الضوء على الطرق الفريدة والخفية غالباً التي تعالج بها الأنظمة الاصطناعية العالم المرئي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.