لماذا لا تزال نماذج الذكاء الاصطناعي لتوليد الصور تفشل في تنفيذ الطلبات المعقدة

توليد صورة بسيطة لشخص في مشهد استوائي مع جوز الهند ينجح في كل مرة. لكن طلب ملصق أنيمي لطاقم مسلسل 13 Reasons Why — بملابسهم الأصلية وتكوين متعدد الطبقات وخطوط ونصوص وخلفيات تجريدية — يفشل. هذا الفشل، الذي وثق في جلسة مستخدم حقيقية مع نموذج ذكاء اصطناعي متقدم، يكشف الحدود الحالية لجودة التوليد: الطلبات المعقدة في التركيب تظل المشكلة الأصعب.

ماذا طلب المستخدم تحديدًا؟

أعطى المستخدم أمرًا مفصلاً بشكل غير عادي وبأسلوب احترافي لتوليد ملصق تحريري أنيمي للمسلسل. تضمن الطلب:

• الدقة القانونية للشخصيات: كل شخصية بملابسها الدقيقة من المسلسل، دون إعادة تصميم.
• التركيب: الشخصية الرئيسية في المقدمة والوسط، بحجم كبير؛ الشخصيات الداعمة خلفها بأعماق وأحجام متفاوتة.
• الأسلوب: خطوط أنيمي نظيفة، تظليل شبه مسطح، تباين عالٍ، دقة 4K.
• العلامة التجارية: طباعة عنوان المسلسل بالخط الأصلي، مع اقتباس أيقوني كعنصر رسومي.
• المزاج العام: ضربات فرشاة، خطوط طاقة قطرية، تراكبات خشنة تتناغم مع نبرة المسلسل—كلها مدمجة على خلفية بيضاء مع أشكال تجريدية تمثل موقع القصة.

هذا ليس طلبًا بسيطًا. فهو يتطلب تعرفًا متناسقًا على الشخصيات عبر عدة أشكال، وتحكمًا دقيقًا في التخطيط، وكتابة نصوص داخل صورة واحدة—ثلاث نقاط ضعف معروفة للنماذج التوليدية.

لماذا رفض النموذج الطلب؟

أرجع النموذج خطأ: "لم يتمكن نموذج الذكاء الاصطناعي من إكمال هذا الطلب. يرجى المحاولة مرة أخرى أو اختيار نموذج آخر." هذا الرفض المباشر—بدلاً من توليد صورة منخفضة الجودة—يشير إلى أن الطلب تجاوز حدًا أمنيًا أو قدرة.

من المحتمل أن عدة عوامل أدت إلى الفشل:

1. حساسية حقوق النشر والعلامات التجارية. 13 Reasons Why هو ملكية مرخصة من Netflix. تمنع النماذج بشكل متزايد الطلبات التي تذكر صراحة علامات ترفيهية حقيقية، أو أسماء ممثلين، أو عناوين مسلسلات لتجنب توليد محتوى منسوخ. طلب يذكر ملابس شخصيات محددة وخطوط عنوان المسلسل سيرفع بالتأكيد فلتر أمان.

2. تعقيد تكوين الشخصيات المتعددة. نماذج توليد الصور الحالية هي الأقوى في مشاهد موضوع واحد أو موضوعين بسيطين. طلب خمس شخصيات أو أكثر في تخطيط عمق متحكم به، كل منها بملابسها القانونية، مع أسلوب فني متناسق عبرهم جميعًا، يدفع خارج النطاق الموثوق لمعماريات الانتشار.

3. موثوقية النصوص والطباعة. لا تزال النماذج التوليدية تعاني من عرض نص قابل للقراءة—خاصة الخطوط المخصصة والاقتباسات والعناوين متعددة الكلمات—دون تشوهات أو أخطاء إملائية أو حروف مشوهة. الطلب استدعى عمدًا طباعة جريئة واقتباسًا مدمجًا، مما قد تم وضعه في قائمة عالية المخاطر للفشل.

ماذا يخبرنا هذا عن توليد الصور بالذكاء الاصطناعي الحالي؟