الصور والصوت والفيديو

الدرس 16 من 23 في دورة «أساسيات الذكاء الاصطناعي». مجاني، مع رسوم متحركة واختبار.

ذكاء اصطناعي يرى ويسمع

كثير من النماذج تعمل مع أكثر من النص، وتُسمّى متعددة الوسائط: «الوسيط» نوع من البيانات، مثل النص أو الصورة أو الصوت. يعرض المخطط أربعة اتجاهات: صورة إلى نص، نص إلى صورة، صوت إلى نص، نص إلى صوت. مثال: أنت في رحلة، تصوّر قائمة طعام بلغة لا تعرفها وتسأل أي الأطباق بلا لحم. الفيديو بالنسبة للنموذج عادةً صور كثيرة متتالية مع صوت.

كيف «ينظر» النموذج إلى الصورة

يبدو الأمر سحرًا، لكنه بسيط. تُقسَّم الصورة إلى مربعات صغيرة (تُسمّى رُقَعًا)، وكل مربع يتحول إلى مجموعة أرقام، ويعالجها النموذج كما يعالج الرموز (tokens)، أي قطع النص. لذلك يستطيع وصف صورة أو قراءة لافتة أو شرح رسم بياني من شريحة عرض. في مثال القائمة: يرى النموذج النص في الصورة ويترجمه ويجيب عن سؤالك.

نص إلى صورة، وصوت في الاتجاهين

مولّد الصور لا يبحث عن صورة جاهزة، بل يرسم صورة جديدة حسب وصفك. مثال: «ملصق لحفلة بأسلوب ألعاب البكسل». المساعد الصوتي يعمل غالبًا كسلسلة: التعرّف على الكلام يحوّل صوتك إلى نص، والنموذج يكتب الرد، وتوليد الكلام يقرؤه بصوت مسموع. بعض النماذج تتعامل مع الصوت مباشرة، لكن الفكرة واحدة: صوت إلى أرقام، وأرقام إلى إجابة.

لا يرى كما يرى الإنسان

النموذج يخمّن ما يبدو معقولًا ولا يتحقق، لذلك أخطاؤه متوقعة. أخطاء شائعة في مولّدات الصور: الحروف داخل الصورة تصبح خربشة، وتظهر للناس أصابع زائدة أو ملتوية. وعند قراءة صورة: يخطئ في عدّ الأشياء (كم شخصًا في اللقطة)، ويخلط النص الصغير أو المشوّش، ويصف بثقة أشياء غير موجودة. ما كان مهمًا في الصورة تحقّق منه بعينيك دائمًا.

التزييف العميق: كيف لا تقع فيه

التزييف العميق (deepfake) صورة أو فيديو أو صوت يصنعه الذكاء الاصطناعي ليبدو كشخص حقيقي. يمكن تقليد صوت من مقاطع منشورة على وسائل التواصل. مثال: رسالة صوتية من «أخيك»: «أرسل لي مالًا الآن وسأشرح لاحقًا». القاعدة: استعجال مع طلب مال يعني توقّف. اتصل أنت برقم تعرفه، واسأل سؤالًا لا يعرف جوابه غيره. وللصور، ابحث عن المصدر الأصلي عبر البحث العكسي بالصور.

اختبر نفسك

1. كيف يعالج النموذج متعدد الوسائط الصورة؟
   الإجابة الصحيحة: تقسّمها إلى مربعات وتحوّلها إلى أرقام مثل الرموز. تُقسَّم الصورة إلى رُقَع، وتصبح كل رقعة مجموعة أرقام. ثم يتعامل معها النموذج كما يتعامل مع قطع النص.
2. أين تخطئ نماذج الصور أكثر من غيره؟
   الإجابة الصحيحة: الحروف في الصورة، الأصابع، عدّ الأشياء. النموذج يرسم ويصف ما يبدو معقولًا ولا يتحقق من التفاصيل. لذلك النصوص والأصابع والعدّ الدقيق نقاط ضعفه.
3. رسالة صوتية من «أخيك»: أرسل مالًا الآن. الصوت يشبهه. ماذا تفعل؟
   الإجابة الصحيحة: تتصل به على رقم تعرفه وتتحقق. يمكن تزييف الصوت، والرسالة الثانية أيضًا. التحقق عبر قناة أخرى، مثل الاتصال برقم تعرفه، يُفشل الاحتيال.

← الذكاء الاصطناعي + مستنداتك (RAG) الوكلاء: ذكاء اصطناعي ينفّذ →