تقارير: تراجع جودة صور الطعام المولدة بالذكاء الاصطناعي
تتجه مطاعم ومقاهٍ وعلامات تجارية إلى توليد صور تروّج لأطعمتها بالذكاء الاصطناعي، لكن النتيجة كثيرًا ما تبدو منفّرة بدل أن تكون شهية. وتظهر في هذه الصور أخطاء مثل المعكرونة الشبيهة بالديدان، والثقوب المتكتلة، ومثلجات تبدو كمواد بناء. يشرح خبراء أن نماذج الانتشار تضع البنية العامة أولًا ثم التفاصيل الدقيقة، فتتعثر في الأشكال الرفيعة والمتصلة، كما أنها تتعلم مظهر الطعام إحصائيًا من دون فهم طبيعته أو سلوكه في العالم الحقيقي. لذلك قد تقلّد الصورة أسلوب التصوير اللامع، لكنها تخلط بين مظهر الطعام وملامح الصخور أو الخرسانة وغيرها من المواد غير الصالحة للأكل.
الحقائق الأساسية
تنتج نماذج الانتشار البنية الخشنة للصورة قبل إضافة التفاصيل الدقيقة، ما قد يثبت خطأ شكل الطعام منذ المراحل المبكرة.
«“This means that initially coarse structures are recovered first with fine texture details” coming at the end, explained Chris Russell, a professor of AI, government, and policy at the University of Oxford and an expert in computer vision.»
عرض المصدر ←تتعثر هذه النماذج خصوصًا في الأشكال الرفيعة والممتدة، مثل خيوط المعكرونة والبذور والفقاعات، فتتسرب خارج حدودها المنطقية.
«“Noodles, strands, and tendrils are exactly the kind of geometry that trips this up, so you get spaghetti-like artifacts bleeding into places with no anatomical or culinary logic.”»
عرض المصدر ←تتعلم النماذج مظهر الأشياء على نحو إحصائي، لكنها لا تفهم ماهية الطعام أو العالم المادي الذي ينتمي إليه.
«It has learned, broadly, what these things tend to look like on a statistical level, but not why they look that way or how they’re supposed to behave.»
عرض المصدر ←
المصادر
شفت معلومة تحتاج تصحيح؟ بلّغنا ونتحقق ونصحّح — سياسة التصحيح
صحّح هذا الخبر