انتشرت أدوات الذكاء الاصطناعي التي تولد صوراً من النصوص بسرعة منذ عام 2022 فصاعداً. يعمل معظمها بطريقة تسمى "الانتشار": أثناء التدريب، يتعلم النموذج كيف يتم إضافة التشويش إلى الصور خطوة بخطوة ثم كيف يتم إزالته. عند التوليد، يبدأ من تشويش عشوائي ويقوم "بتنظيف" الصورة خطوة بخطوة لتتناسب مع وصفك.
الأنواع الرئيسية للأدوات
- ميزات الصور لمساعدي الدردشة: تتيح لك المساعدون مثل ChatGPT وGemini وCopilot إنشاء الصور وتعديلها داخل الدردشة، وهو أمر مفيد للتجارب السريعة.
- أ الأدوات المخصصة للصور: تبرز أدوات مثل Midjourney من حيث الأسلوب الفني والتحكم في التفاصيل.
- الأدوات المدمجة في برامج التصميم: توفر أدوات مثل Adobe Firefly تعديلات مثل توسيع الصور الموجودة أو إزالة الكائنات.
- النماذج المفتوحة: يمكن تشغيل نماذج مثل Stable Diffusion على جهاز الكمبيوتر الخاص بك ولكنها تتطلب معرفة تقنية أكبر.
كيفية كتابة أمر جيد للصور
الأمر الغامض ("منظر طبيعي جميل") يعطي نتائج عشوائية. للحصول على نتائج أفضل، حدد:
- الموضوع: "منزل حجري صغير بسقف أحمر"
- الإطار: "على سفح جبل ضبابي في الخريف"
- النمط: "لوحة بألوان مائية" أو "فوتوغرافيا واقعية"
- الضوء واللون: "ضوء غروب الشمس، ألوان دافئة"
- التكوين: "زاوية واسعة، المنزل في الزاوية اليمنى السفلية"
إذا لم يعجبك النتيجة، قم بتغيير عنصر واحد في كل مرة بدلاً من تغيير كل شيء مرة واحدة.
الاستخدام التجاري وحقوق النشر
تعتمد الحقوق التجارية للصور المولدة على شروط استخدام الأداة؛ تسمح بعض الأدوات بالاستخدام التجاري في الخطط المدفوعة. تخضع حقوق النشر للنزاع القانوني. على سبيل المثال، صرح مكتب حقوق النشر الأمريكي أن المحتوى المولد بالكامل بواسطة الذكاء الاصطناعي دون مساهمة بشرية لا يمكن حمايته بموجب حقوق النشر. كما قاضى بعض الفنانين وكالات الصور، زاعمين أن أعمالهم استخدمت بيانات تدريب دون إذن. للمشاريع التجارية، من المهم قراءة شروط ترخيص الأداة وطلب المشورة القانونية إذا لزم الأمر.
القواعد الأخلاقية
- لا تقم بإنشاء صور واقعية لأشخاص حقيقيين دون موافقتهم.
- لا تشارك صوراً مزيفة تبدو وكأنها أخبار أو وثائق؛ واذكر أنها صنعت باستخدام الذكاء الاصطناعي.
- طوّر أسلوبك الخاص بدلاً من نسخ الفنانين الأحياء تماماً.
- لا تستخدم شعارات العلامات التجارية أو الشخصيات المحمية دون إذن.
كيف تعمل نماذج توليد الصور؟
تستند معظم أدوات توليد الصور اليوم إلى طريقة تسمى "نموذج الانتشار". أثناء التدريب، يرى النموذج ملايين الأزواج من الصور والنصوص؛ ويتم إضافة تشويش عشوائي إلى الصور خطوة بخطوة، ويُطلب من النموذج تنظيف هذا التشويش مرة أخرى. في وقت التوليد، تعمل العملية في الاتجاه المعاكس: يبدأ النموذج من تشويش نقي، ويستخدم المعنى النصي لأمرك كدليل، ويزيل التشويش على مدى عشرات الخطوات ويُنتج في النهاية صورة جديدة.
أصبح هذا النهج منتشراً على نطاق واسع مع ورقة البحث "نماذج الاحتمالات للانتشار وإزالة التشويش" المنشورة في عام 2020. وهو أيضاً سبب إعطاء نفس الأمر نتيجة مختلفة في كل مرة: يكون تشويش البداية مختلفاً لكل عملية توليد.
كيف يمكن التعرف على صور الذكاء الاصطناعي؟ بيانات الاعتماد الخاصة بالعلامات والمحتوى
لم يعد من الممكن دائماً التمييز بين صور الذكاء الاصطناعي الواقعية بالعين المجردة. ولهذا السبب تبرز طرق وضع العلامات التقنية:
- بيانات اعتماد محتوى C2PA: معيار مفتوح طورته بالاشتراك منظمات التكنولوجيا والإعلام يضيف سجلاً موقعاً إلى الملف يوضح كيف تم إنشاء الصورة وتعديلها.
- الالتزام القانوني: تطلب المادة 50 من قانون الذكاء الاصطناعي للاتحاد الأوروبي وضع علامة على المحتوى المولد بواسطة الذكاء الاصطناعي بطريقة قابلة للقراءة آلياً والإفصاح بوضوح عن المحتوى المزيف الواقعي (التزييف العميق).
- الفحص البصري: لا تزال التناقضات في الأيدي والنصوص والانعكاسات وتفاصيل الخلفية توفر أدلة، ولكن لا ينبغي اعتبارها دليلاً بحد ذاتها.
تتمثل إضافة ملاحظة "مولدة بواسطة الذكاء الاصطناعي" عند مشاركة الصور التي تنشئها في حماية الثقة وإبقائك متوافقاً مع قواعد العديد من المنصات.
تتغير ميزات أدوات الذكاء الاصطناعي والخطط والأسعار غالباً. تحقق دائماً من الصفحة الرسمية للأداة للحصول على المعلومات الحالية.
أسئلة متكررة
كيف يمكنك معرفة صورة مولدة بواسطة الذكاء الاصطناعي؟
يمكن أن تكون التناقضات في الأيدي والنصوص وتفاصيل الخلفية أدلة، لكن هذه العلامات تتلاشى مع تحسن الأدوات. تضيف بعض الشركات علامات مائية غير مرئية أو بيانات اعتماد محتوى إلى الصور، ويمكن أن يساعد البحث العكسي عن الصور في العثور على المصدر.
المصادر والقراءات الإضافية
- مكتب حقوق النشر الأمريكي، "حقوق النشر والذكاء الاصطناعي، الجزء 2: القابلية لحقوق النشر" (يناير 2025).
- روبن رومباخ وآخرون، "تخليق الصور عالية الدقة باستخدام نماذج الانتشار الكامن"، CVPR، 2022.
- ائتلاف إثبات محتوى المحتوى والأصالة (C2PA)، معيار بيانات اعتماد المحتوى.
- هو، ج.، جين، أ.، أبيل، ب. (2020). نماذج الاحتمالات للانتشار وإزالة التشويش. NeurIPS 2020
- C2PA – المواصفات الفنية لبيانات اعتماد المحتوى
- EUR-Lex – اللائحة (الاتحاد الأوروبي) 2024/1689 (قانون الذكاء الاصطناعي)، المادة 50
اترك تعليقاً
لن يتم نشر عنوان بريدك الإلكتروني. الحقول المطلوبة مشار إليها بـ *