A Heritage-Aware Evaluation Framework for Synthetic Training Images of Kizil Grotto Murals
تقدم هذه الورقة إطار تقييم يراعي التراث يستخدم عشرة مؤشرات مرجحة عبر الدلالات، والتركيب، واللون، والخط لتقييم وفحص صور جداريات كهوف كيزيل الاصطناعية الناتجة عن نماذج ذكاء اصطناعي مختلفة، مما أدى في النهاية إلى تحديد "Midjourney" كأفضل أداء لإنشاء مجموعات بيانات تدريب عالية الجودة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 أعماق المناظر الطبيعية القاحلة في غرب الصين، تقع مغارات كيزيل، وهي شبكة واسعة من الكهوف التي كانت ذات يوم محطة حيوية على طريق الحرير القديم. داخل هذه الكهوف، رسم الفنانون قبل آلاف السنين جداريات تروي قصص الحياة البوذية باستخدام لغة بصرية متميزة. هذه اللوحات ليست جميلة فحسب، بل هي سجلات تاريخية للمعتقدات الدينية، والتبادل الفني، والتقنيات المحددة التي استخدمها الحرفيون القدماء. ومع ذلك، فقد أثر الزمن والبيئة ثقلاً كبيراً؛ فقد بهتت الأصباغ، وتشققت الجص، وانهارت أجزاء كثيرة من الجدران، مما ترك فجوات في السرد البصري. وبالنسبة للباحثين الذين يرغبون في دراسة هذه الأعمال الفنية أو استخدام الحواسيب للمساعدة في ترميمها، فإن هذا الضرر يخلق مشكلة خطيرة: ببساطة، لا توجد صور واضحة وكاملة بما يكفي لتعليم الكمبيوتر كيفية التعرف على الأنماط والألوان والقصص الخاصة بأسلوب كيزيل.
ولحل هذا النقص، لجأ العلماء إلى الذكاء الاصطناعي، وتحديداً نوع من التكنولوجيا تُعرف بالنماذج التوليدية. هذه النماذج هي برامج حاسوبية قادرة على إنشاء صور جديدة من الصقة بناءً على أوصاف نصية أو أمثلة. ومن الناحية النظرية، يمكن لهذه الأدوات إنتاج آلاف الصور الجديدة التي تبدو مثل جداريات كيزيل، مما يوفر كمية هائلة من البيانات اللازمة لتدريب برامج الترميم. ولكن هناك عقبة؛ فمجرد قدرة الكمبيوتر على صنع صورة تشبه اللوحة لا يعني أنها لوحة جيدة. قد تصيب الصورة الاصطناعية الألوان بشكل صحيح، لكنها قد تشوه القصة، أو قد تلتقط الشكل العام لشخصية ما ولكنها تغفل الرموز الثقافية المحددة التي تمنح الفن معناه. إذا قام الباحثون بتغذية هذه الصور المعيبة في برامج التدريب الخاصة بهم، فقد يتعلم الكمبيوتر الدروس الخاطئة، مما قد يؤدي إلى إفساد جهود الترميم المستقبلية. لذا، فإن التحدي لا يكمكم فقط في صنع المزيد من الصور، بل في معرفة أي منها صادق للأرث الثقافي وأيها مجرد ضجيج رقمي.
وضع فريق من الباحثين من جامعة بكين للاتصالات وعلوم المعلومات ومعهد أبحاث كهوف كيزيل خطة لبناء نظام يهدف لحل هذه المشكلة تحديداً. فقد طوروا طريقة جديدة لتقييم الصور الاصطناعية خصيصاً لجداريات مغارات كيزيل، من خلال إنشاء إطار عمل يعمل بمثابة فحص صارم لمراقبة الجودة. وبدلاً من سؤال الكمبيوتر ببساطة عما إذا كانت الصورة تبدو "جيدة"، قاموا بتفكيك الخصائص الفريدة لفن كيزيل إلى أربعة مجالات محددة: القصة التي تُروى، وتكوين الصورة، والألوان المستخدمة، والخطوط التي تحدد الأشكال. ثم حددوا أهمية معينة لكل من هذه المجالات، حيث قرروا أن ضبط القصة والمعنى الثقافي هو العامل الأكثر أهمية، يليه كيفية تكوين الصورة، ودقة الألوان، وأخيراً سلاسة الخطوط.
ولاختبار نظامهم، بدأ الباحثون بمجموعة مُعدة بعناية من الصور الحقيقية. فقد أخذوا 1,479 صورة فوتوغرافية من الكهف رقم 38، وهو حجرة محددة في المغارات معروفة بجدارياتها الغنية والمتكاملة نسبياً. ومن هذه الصور، قاموا بترميم 94 صورة يدوياً لإزالة الضجيج البصري الناتج عن الشقوق والبهتان، ثم اختاروا أفضل 24 صورة لتكون بمثابة "المعيار الذهبي" للتجربة. تميزت هذه الصور الـ 24 بموضوعات غير بشرية مثل الحيوانات والنباتات والأشياء الزخرفية، وقد اختيرت لتجنب الصعوبات المعقدة في توليد الوجوه البشرية. وباستخدام هذه الصور المرجعية الـ 24، طلبوا من أربعة أنظمة ذكاء اصطناعي شهيرة مختلفة — وهي Stable Diffusion وMidjourney وDALL·E 3 وKandinsky — توليد صور جديدة. وقد أعطوا كل نظام نفس التعليمات، طالباً منه إنشاء صور بأسلوب جداريات كيزيل مع زخارف وألوان محددة. وفي المجمل، أنتجت الأنظمة أكثر من 10,000 صورة مرشحة للفريق لتقييمها.
كشفت نتائج عملية الفرز الضخمة هذه أن ليس كل ذكاء اصطناعي متساوٍ عندما يتعلق الأمر بالتراث الثقافي. وجد الباحثون أن أحد الأنظمة، وهو Midjourney، أنتج أعلى جودة إجمالية، حيث سجل أفضل النقاط على المقياس المشترك للقصة والتكوين واللون والخط. ومع ذلك، أظهرت الدراسة أنه لا يوجد نظام واحد مثالي في كل شيء. فبينما تفوق Midjourney في التقاط القصص الصحيحة والحفاظ على مركزية الموضوعات الرئيسية، كان نظام آخر، وهو DALL·E 3، أفضل في الحفاظ على الملمس وتفاصيل السطح للوحات الأصلية. أما النظام الثالث، Stable Diffusion، فقد كان بارعاً بشكل خاص في مطابقة درجات اللون الأحمر والأزرق الموجودة في الجداريات القديمة، بينما عانى النظام الرابع، Kandinsky، أكثر من غيره في الدقة الثقافية العامة. واكتشف الفريق أن الحصول على درجة عالية في مجال واحد قد يخفي أحياناً فشلاً في مجال آخر؛ فعلى سبيل المثال، قد تبدو الصورة جذابة بصرياً ولكنها تفشل في سرد القصة الصحيحة، مما يجعلها عديمة الفائدة لتدريب نموذج الترميم.
خلص الباحثون إلى أن إطار عملهم الجديد ينجح في فصل "القمح عن الزوان"، أي تحديد الصور الاصطناعية الآمنة لاستخدامها في تدريب الحواسيب وتلك التي يجب استبعادها. ووجدوا أن العامل الأكثر أهمية لهذه الجداريات القديمة هو الاتساق الدلالي (semantic consistency) — أي ضمان أن الصورة المولدة تصور بالفعل الرموز الثقافية وعناصر القصة الصحيحة. وبدون ذلك، حتى الصورة الجميلة ستكون مضللة. لا تدعي الدراسة أنها حلت مشكلة التراث الرقمي إلى الأبد، ولا تعلن نظام ذكاء اصطناعي واحد كأداة نهائية لجميع المهام المستقبلية. بدلاً من ذلك، فهي توفر منهجاً عملياً ومنظماً للمنسقين والعلماء لفحص آلاف الصور المولدة، لضمان أن الأدوات الرقمية المستخدمة لحماية هذه الكنوز القديمة تتدرب على بيانات تحترم سلامة الفن الأصلي. ومن خلال تصفية التشوهات والانحرافات التي غالباً ما يدخلها الذكاء الاصطناعي، يساعد هذا الإطار في ضمان أن المستقبل الرقمي لمغارات كيزيل يظل وفياً لماضيها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.