الذكاء الاصطناعي التوليدي - الذكاء الاصطناعي الذي يجدد المحتوى القديم بطريقة مختلفة

عصر التكنولوجيا الجديد القادم جاهز لتزويدنا بتكنولوجيا لا يمكنها فقط مراقبة النمط الأساسي للمحتويات القديمة ، بل يمكنها أيضًا إنتاج محتويات جديدة مماثلة لقاعدتها ولكنها مختلفة في الواجهة الأمامية.
"الذكاء الاصطناعي التوليدي" هو تلك التقنية التي تسمح لأجهزة الكمبيوتر بفهم النمط الأساسي المرتبط بإدخال ما ثم إنشاء مادة قابلة للمقارنة بناءً على هذا النمط.

ما هو الذكاء الاصطناعي التوليدي؟

الذكاء الاصطناعي التوليدي هو خوارزمية ذكاء اصطناعي تتيح إنشاء مواد جديدة يمكن تصديقها من المحتوى الموجود مثل النصوص أو التسجيلات الصوتية أو الصور الفوتوغرافية. بعبارة أخرى ، فإنه يمكّن أجهزة الكمبيوتر من تجريد النمط الأساسي المرتبط بالمدخلات ثم استخدامه لتوليد مادة مماثلة.

لإنشاء محتوى جديد من خلال الاستفادة من النصوص الموجودة أو الملفات الصوتية أو الصور ، يتم استخدام تقنيات مختلفة وهي:

شبكات الخصومة التوليدية (GANs) :

شبكات GAN هي نماذج توليدية تشترك فيها شبكتان عصبيتان ومولد ومميز ضد بعضهما البعض. المولد ، المعروف أيضًا باسم الشبكة التوليدية ، هو شبكة عصبية تنشئ بيانات أو محتوى جديدًا مشابهًا لبيانات المصدر. المُميِّز ، المعروف أيضًا باسم الشبكة التمييزية ، هو شبكة عصبية تميز بين البيانات المصدر والمولدة.

يتم تدريب كل من هذه الشبكات العصبية في دورات متناوبة ، مع تعلم المولد لإنتاج بيانات أكثر واقعية ويتعلم المميّز التمييز بين البيانات المزيفة والحقيقية.

مثل العلاقة بين لص وضابط شرطة يتعلم كلاهما من طرفهما طرقًا جديدة لتنفيذ واجباتهما. يحاول اللص اكتشاف طرق جديدة لسرقة الأشياء والتوازي مع الضابط لتقليل أعمال السرقة. كل واحد منهم يحسن الجانب الآخر تدريجياً كنتيجة لجهودهم.

المحولات :

المحولات هي نوع معين من بنية الشبكة العصبية. للتلخيص ، تعد الشبكات العصبية أداة قوية لتقييم أنواع البيانات المعقدة مثل الصور ومقاطع الفيديو والصوت والنص.

بكلمات بسيطة ، يمكنهم حتى تكرار أو حتى إعادة كتابة أنماط مكتوبة بخط اليد.

تكرر المحولات مثل GPT-3 و LaMDA و Wu-Dao الانتباه المعرفي عن طريق قياس مدى ملاءمة أجزاء بيانات الإدخال بطرق مختلفة. يتم تعليمهم التعرف على اللغة أو الصورة ، والقيام ببعض مهام التصنيف ، وإنشاء نصوص أو صور من مجموعات البيانات الكبيرة.

أجهزة التشفير التلقائي المتغيرة :

يقوم المشفر بتحويل البيانات إلى كود مضغوط ، والذي يقوم مفكك التشفير بفك تشفيره وإعادة إنتاج البيانات الأصلية.
يخزن هذا التمثيل المضغوط توزيع بيانات الإدخال في تمثيل أبعاد مخفض بشكل كبير إذا تم اختياره وتدريبه بشكل صحيح.

تنفيذ وتطبيقات الذكاء الاصطناعي التوليدي

استنساخ صور حقيقية:

يمكن للذكاء الاصطناعي التوليدي إعادة إنتاج نسخة طبق الأصل من العالم الحقيقي مع بعض الاختلافات في الصور الفوتوغرافية. يمكن نسخ أي شيء يمثل صورة في قاعدة مماثلة ولكن يبدو مختلفًا عن الصورة الأصلية بناءً على المدخلات التي نقدمها.

يمكنهم تكوين أرقام تبدو مكتوبة بخط اليد ووجوهًا تشبه الأشخاص الحقيقيين.

أظهر تيرو كراس إنتاج صور واقعية لوجوه بشرية في عمله "النمو التدريجي لشبكات GAN لتحسين الجودة والاستقرار والتنوع" الذي نُشر في عام 2017. وقد تم تعليم أجيال الوجوه على أمثلة شهيرة ، مما يعني أن بعض الوجوه لها سمات مشهورة معينة وبالتالي تبدو مألوفة.

إعادة تحويل الصور

في عالم الترفيه : عند تشغيله عن طريق الطباعة ثلاثية الأبعاد وكريسبر وتقنيات أخرى ، يمكن أيضًا استخدام الذكاء الاصطناعي التوليدي لإنشاء منتجات من البداية.

تُستخدم تقنية التزييف العميق لتعريب المواد (الدبلجة والفلترة) أثناء توزيعها في جميع أنحاء العالم. يمكن مطابقة صوت الفنان / الممثل الأصلي مع مزامنة الشفاه باستخدام تركيب الوجه واستنساخ الصوت. https://www.youtube.com/embed/QiiSAvKJIHo؟ feature = oembed

المزايا والفوائد

يتمتع الذكاء الاصطناعي التوليدي بالعديد من المزايا ، بما في ذلك القدرة على ضمان تطوير مخرجات عالية الجودة من خلال التعلم الذاتي من كل مجموعة من البيانات.
- نقل مخاطر المشروع إلى مستوى أدنى
-تعزيز نماذج التعلم الآلي لجعلها أقل تحيزًا
- تنبؤ عميق دون الحاجة الى حساسات
-استخدام التزييف العميق لتمكين توطين المحتوى والجهوية
- تمكين الروبوتات من فهم المزيد من المفاهيم المجردة في كل من المحاكاة والحياة الواقعية.

وهو مفيد في

• حماية الهوية: يمكن للأشخاص الذين لا يرغبون في الكشف عن هوياتهم عند إجراء المقابلات أو العمل استخدام الصور الرمزية Generative AI لإخفاء هوياتهم.
• التحكم في الروبوتات: تساعد النمذجة التوليدية على تعزيز نماذج التعلم الآلي في فهم المزيد من المفاهيم المجردة في المحاكاة وفي العالم الحقيقي.
• الرعاية الصحية: يسمح الذكاء الاصطناعي التوليدي بالكشف المبكر عن الخبث المحتمل وتطوير علاجات فعالة. على سبيل المثال ، تحسب شبكات GAN عدة زوايا لصورة الأشعة السينية لتصور التوسع المحتمل للورم.

بعض التحديات

• الأمان: قد يستخدم بعض الأشخاص الذكاء الاصطناعي العام لدوافع شائنة ، مثل الاحتيال على الآخرين.
• المبالغة في تقدير القدرات: لإنجاز المهام ، تتطلب خوارزميات الذكاء الاصطناعي التوليدية قدرًا هائلاً من بيانات التدريب. من ناحية أخرى ، لا تستطيع شبكات GAN إنشاء صور أو عبارات جديدة تمامًا. إنهم ببساطة يضعون ما يعرفونه معًا بطرق مختلفة.
• نتائج غير متوقعة: من الصعب التحكم في سلوك بعض نماذج الذكاء الاصطناعي التوليدية ، مثل شبكات GAN. يتصرفون بشكل متقطع ويقدمون نتيجة غير متوقعة.
• خصوصية البيانات: خصوصية البيانات على المستوى الفردي هي مشكلة في التطبيقات المتعلقة بالصحة.