Do Vision-Language Models Agree on the Affective Qualities of Shape? A Cross-Model Audit for Generative Design Interfaces
تُدقق هذه الورقة ستة نماذج للرؤية واللغة لتقييم اتساقها في ترتيب الأجسام ثلاثية الأبعاد وفقاً لواصفات "كانسي" (Kansei) العاطفية، كاشفةً أنه بينما تُظهر النماذج توافقاً جزئياً فوق مستويات الصدفة، فإن تقاربها يتفاوت بشكل كبير حسب فئة الأجسام والمواءمة الدلالية، مما يستدعي نموذجاً أولياً لواجهة مستخدم لتوجيه اختيار الضوابط الدلالية الموثوقة لواجهات التصميم التوليدي.
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 المراحل الأولى من التصميم، سواء كان ذلك عند رسم تخطيطي لكرسي جديد أو نمذجة سيارة، يعتمد المبدعون غالبًا على الكلمات لتوجيه أدواتهم. قد يطلبون شيئًا "أكثر أناقة"، أو "أقل ضخامة"، أو "أكثر بساطة". واليوم، بدأت أنظمة الذكاء الاصطناعي في فهم هذه الطلبات، باستخدام برامج حاسوبية قوية يمكنها رؤية الصور وقراءة النصوص لتوليد أشكال جديدة بناءً على مثل هذه الأوصاف. هذه الأنظمة، المعروفة بنماذج الرؤية واللغة، تعمل كجسر بين فكرة المصمم الغامضة وبين مجسم ثلاثي الأبعاد ملموس. ومع ذلك، يظل هناك سؤال جوهري: هل تتفق هذه البرامج الحاسوبية المختلفة حقًا على معنى تلك الكلمات؟ فإذا اعتقد برنامج واحد أن زجاجة طويلة ونحيفة هي "أنيقة"، بينما اعتبرها برنامج آخر قصيرة وعريضة، فإن الأداة ستصبح غير موثوقة. يحتاج المصممون إلى معرفة ما إذا كان المساعد الرقمي متسقًا قبل أن يثقوا به في تشكيل أعمالهم.
وضع فريق من الباحثين من معهد هوندا للأبحط في أوروبا وجامعة يوليوس ماكسيميليان في فورزبورغ هدفًا للإجابة على هذا السؤال من خلال تدقيق ستة من أكثر نماذج الرؤية واللغة تقدمًا المتاحة. أرادوا معرفة ما إذا كانت هذه البرامج المستقلة، التي صممتها شركات مختلفة وتدربت على بيانات مختلفة، ستصنف نفس الأشياء بنفس الطويعة عند مطالبتها بالحكم على خصائصها العاطفية أو "الوجدانية". وللقيام بذلك، جردوا هذه النماذج من كل ما يمكن أن يشتت انتباه الكمبيوتر؛ حيث أخذوا الآلاف من النماذج ثلاثية الأبعاد لأشياء يومية مثل الكراسي والمصابيح والجرار، وقاموا بتصويرها كأشكال رمادية بسيطة خالية من أي ملمس أو لون. ومن خلال إزالة اللون والمادة والملمس، ضمن الباحثون أن النماذج ستحكم على الأشياء بناءً على الشكل وحده، تمامًا مثل النحات الذي ينظر إلى نموذج طيني قبل تلوينه.
بعد ذلك، طلب الباحثون من كل نموذج من النماذج الستة ترتيب هذه الأشكال الرمادية وفق مقاييس متنوعة. كانت بعض المقاييس وصفية فيزيائية مباشرة، مثل "طويل مقابل قصير" أو "صندوقي مقابل منحني"، والتي كانت بمثابة اختبار ضبط لمعرفة ما إذا كانت النماذج تستطيع حتى الاتفاق على الهندسة الأساسية. أما المقاييس الأخرى، فكانت الأوصاف الأكثر تعقيدًا وتشبه الوصف البشري التي يستخدمها المصممون بالفعل، مثل "حديث مقابل تقليدي" أو "أنيق مقابل فوضوي". وأخيرًا، تضمنت تجاربهم مجموعة من الثنائيات غير المنطقية، مثل "صاخب مقابل هادئ"، لتحديد خط أساس للاتفاق العشوائي. فإذا اتفقت النماذج على هذه الأزواج غير ذات الصلة، فهذا يعني أن ترتيباتها ليست سوى ضجيج عشوائي.
كشفت النتائج عن صورة دقيقة من الاتفاق. فقد كانت النماذج متسقة بشكل ملحوظ عند الحكم على السمات الفيزيائية البسيطة؛ حيث اتفقت إلى حد كبير على أي الأشياء كانت طويلة أو قصيرة. وعندما تعلق الأمر بالخصائص العاطفية الأكثر تجريدًا، أظهرت النماذج مستوى متوسطًا من الاتفاق، وهو أفضل بكثير من الصدفة العشوائية، لكنه لم يكن مثاليًا. وفي المتوسط، اتفقت النماذج على ترتيب الأشياء للمصطلحات العاطفية بنسبة 36 بالمائة تقريبًا، مقارنة بنسبة اتفاق بلغت 14 بالمائة للمصطلحات غير المنطقية. يشير هذا إلى أنه بينما طورت الحواسيب إحساسًا مشتركًا حول كيفية ارتباط الشكل بالشعور، إلا أنها ليست متوافقة تمامًا بعد.
والأهم من ذلك، وجدت الدراسة أن هذا الاتفاق ليس موحدًا عبر جميع أنواع الأشياء. فبالنسبة لبعض الفئات، مثل الجرار، اتفقت النماذج بقوة على ما يبدو "أنيقًا" أو "فاخرًا"، حيث وصلت معدلات الاتفاق إلى أكثر من 50 بالمائة. أما بالنسبة لفئات أخرى، مثل رفوف الكتب، فقد كافحت النماذج لإيجاد أرضية مشتركة، حيث انخفضت معدلات الاتفاق إلى 21 بالمائة. واكتشف الباحثون أن هذا التباين لا يعتمد على مدى اختلاف الأشياء عن بعضها البعض، بل على ما إذا كانت التغيرات في شكل الفئة المحددة تتوافق بالفعل مع الاتجاه الذي يشير إليه المصطلح. فعلى سبيل المثال، إذا كانت مجموعة من الكراسي تختلف أساسًا في الارتفاع، فقد يتفق النموذج بسهولة على أيها "طويل"، ولكن إذا كانت المجموعة تختلف في منحنيات دقيقة لا تتماشى مع مفهوم "الأناقة"، فإن النماذج ستختلف.
كما اختبر الباحثون ما إذا كانت هذه الاتفاقات خاصة بنوع الشيء أم أنها مجرد سمة عامة للنص. ووجدوا أن وصفًا مثل "ناعم مقابل صلب"، والذي يبدو منطقيًا للأرائك، لم يعمل بشكل جيد عند تطبيقه على الزجاجات. وقد أكد هذا أن النماذج لا تطبق مجرد قاعدة عامة، بل إنها تفسر العلاقة بين الشكل المحدد للشيء والكلمة المستخدمة لوصفه.
ولجعل هذه النتائج مفيدة في التصميم الواقعي، بنى الفريق واجهة نموذجية تعرض هذا الاتفاق. في هذه الأداة، يمكن للمصمم اختيار جسم ما ورؤية قائمة بالضوابط المحتملة، مثل "اجعله أكثر حداثة". وبجانب كل تحكم، يعرض النظام درجة توضح مدى اتفاق النماذج الحاسوبية المختلفة على هذا الأمر. فإذا كانت الدرجة عالية، يمكن للمصمم أن يثق في أن الأداة ستتصرف بشكل يمكن التنبؤ به. وإذا كانت الدرقة منخفضة، تشير الواجهة إلى أن التحكم قد يكون غير موثوق لشيء محدد، ويمكن استبعاده أو استبداله ببديل مدعوم بشكل أفضل.
لا يدعي هذا العمل أن الحواسيب قد تعلمت المشاعر البشرية، أو أن اتفاقها يثبت صحة رأيها. بدلاً من ذلك، فإنه يقدم طريقة عملية للتحقق مما إذا كانت الأداة الرقمية مستقرة قبل تسليمها للمستخدم. ومن خلال معاملة الاتفاق بين النماذج الحاسوبية المختلفة كنوع من مراقبة الجودة، يمكن للمصممين تحديد الأوصاف العاطفية الآمنة للاستخدام وتلك التي قد تؤدي إلى الارتباك. تشير الدراسة إلى أنه بينما أصبح الذكاء الاصطناعي شريكًا قويًا في التصميم، يجب علينا مع ذلك تدقيق فهمه للعالم بعناية، لضمان أنه عندما يطلب المصمم "الأناقة"، فإن الآلة تنظر إلى نفس الشيء الذي يراه هو.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.