طور باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) وشركة NVIDIA أداة جديدة للذكاء الاصطناعي تُدعى HART (اختصاراً لـ Hybrid Autoregressive Transformer)، قادرة على توليد صور عالية الجودة بسرعة تفوق تقنيات الذكاء الاصطناعي الحالية بتسع مرات.
لماذا يعتبر هذا الابتكار مهماً؟
تعد القدرة على إنشاء صور واقعية بسرعة أمراً بالغ الأهمية في العديد من التطبيقات، مثل:
تدريب السيارات ذاتية القيادة على التعرف على المخاطر غير المتوقعة.
تصميم بيئات افتراضية لألعاب الفيديو والمحاكاة.
تعزيز أدوات التصميم للفنانين والمهندسين.
لكن التقنيات الحالية تعاني من قيود:
نماذج الانتشار (Diffusion Models) مثل Stable Diffusion وDALL-E تنتج صوراً عالية الجودة لكنها بطيئة وتستهلك موارد حاسوبية كبيرة.
النماذج التلقائية (Autoregressive Models) مثل تلك المستخدمة في ChatGPT سريعة لكن جودة الصور الناتجة أقل دقة.
كيف يعمل HART؟
يجمع HART بين أفضل ما في النموذجين:
يستخدم نموذجاً تلقائياً لرسم الصورة الأساسية بسرعة.
ثم يعتمد على نموذج انتشار صغير لتحسين التفاصيل الدقيقة.
يقول هاوتيان تانغ، الباحث الرئيسي في المشروع:
“الفكرة تشبه الرسم؛ تبدأ باللوحة العامة ثم تضيف التفاصيل بفرشاة أصغر لتحسين الجودة”.
مميزات HART مقارنة بالتقنيات الأخرى
أسرع بتسع مرات من نماذج الانتشار التقليدية.
يستهلك موارد حاسوبية أقل بنسبة 31%.
يعمل على أجهزة عادية مثل اللابتوب والهواتف الذكية.
يدعم الأوامر النصية (Natural Language Prompts) لإنشاء الصور.
تطبيقات مستقبلية واعدة
يمكن استخدام HART في:
تدريب الروبوتات على تنفيذ مهام معقدة.
تحسين المحاكاة الافتراضية للواقع المعزز.
تطوير نماذج الذكاء الاصطناعي متعددة الوسائط (Vision-Language Models).
الخطوات القادمة
يعمل الفريق على توسيع نطاق HART ليشمل:
إنشاء مقاطع الفيديو.
تحليل الصوت.
دمجه مع نماذج اللغة الكبيرة لإنشاء أنظمة أكثر ذكاءً.
تم تمويل هذا البحث جزئياً من قبل مختبر MIT-IBM واتسون للذكاء الاصطناعي وبرنامج MIT للأجهزة الذكية، بدعم من NVIDIA التي وفرت البنية التحتية للحوسبة.
هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي
