أبل تبني نموذج ذكاء اصطناعي واحد يمكنه رؤية الصور وإنشائها وتحريرها
بناء على نموذج سابق يسمى UniGen، تمكن فريق من باحثون من شركة أبل من عرض UniGen 1.5، وهو نظام يمكنه التعامل مع فهم الصور وإنشاءها وتحريرها ضمن نموذج واحد.
UniGen الأصلي
وفي شهر مايو الماضي، نشر فريق من الباحثين في شركة أبل دراسة بعنوان UniGen: استراتيجيات التدريب المعززة ووقت الاختبار من أجل فهم وتوليد موحد متعدد الوسائط.
في هذا العمل، قدموا نموذجا موحدا للغة كبيرة متعدد الوسائط قادرا على فهم الصور وتوليدها ضمن نظام واحد، بدلا من الاعتماد على نماذج منفصلة لكل مهمة.
ونشرت شركة أبل متابعة لهذه الدراسة، في ورقة بحثية بعنوان UniGen-1.5: تعزيز إنشاء الصور وتحريرها من خلال توحيد المكافآت في التعلم المعزز.
ويعمل هذا البحث الجديد على توسيع نطاق UniGen من خلال إضافة إمكانات تحرير الصور إلى النموذج، ضمن إطار عمل واحد موحد، بدلاً من تقسيم الفهم والتوليد والتحرير عبر أنظمة مختلفة.
يعد توحيد هذه القدرات في نظام واحد أمرا صعبا لأن فهم الصور وإنشاءها يتطلب أساليب مختلفة، ومع ذلك، يرى الباحثون أن النموذج الموحد يمكنه الاستفادة من قدرته على الفهم لتحسين أداء التوليد.
ووفقا لهم، فإن أحد التحديات الرئيسية في تحرير الصور هو أن النماذج غالبًا ما تكافح من أجل فهم تعليمات التحرير المعقدة بشكل كامل، خاصة عندما تكون التغييرات دقيقة أو محددة للغاية.
لمعالجة هذه المشكلة، يقدم UniGen-1.5 خطوة جديدة بعد التدريب تسمى “تحرير محاذاة التعليمات”.
بمعنى آخر، قبل مطالبة النموذج بتحسين مخرجاته من خلال التعلم المعزز (الذي يدرب النموذج من خلال مكافأة المخرجات الأفضل ومعاقبة المخرجات الأسوأ)، يقوم الباحثون أولاً بتدريبه على استنتاج وصف نصي مفصل لما يجب أن تحتويه الصورة المحررة، بناء على الصورة الأصلية وتعليمات التحرير.
تساعد هذه الخطوة المتوسطة النموذج على استيعاب التعديل المقصود بشكل أفضل قبل إنشاء الصورة النهائية.
يستخدم الباحثون بعد ذلك التعلم المعزز بطريقة يمكن القول إنها أهم مساهمة في الورقة: فهم يستخدمون نفس نظام المكافأة لكل من إنشاء الصور وتحريرها، وهو الأمر الذي كان يمثل تحديا في السابق لأن التعديلات يمكن أن تتراوح من تعديلات طفيفة إلى تحويلات كاملة.
ونتيجة لذلك، عند اختباره على العديد من معايير الصناعة التي تقيس مدى نجاح النماذج في اتباع التعليمات، والحفاظ على الجودة المرئية، والتعامل مع التعديلات المعقدة، فإن UniGen-1.5 إما يطابق أو يتفوق على العديد من نماذج اللغات الكبيرة متعددة الوسائط المفتوحة والمملوكة ملكية خاصة:
