تعتبر مسألة تنوع الذكاء الاصطناعي (AI) في توليد الصور من المسائل الحيوية التي يجب عدم تجاهلها، إذ لا تقتصر على القضايا الأخلاقية فقط بل تتجاوزها لتكون تعبيرًا عن عدم اليقين والانحيازات المعرفية المتجذرة في نواتج هذه التقنية. في الآونة الأخيرة، تم العمل على تطوير مقاييس تنوع معلوماتي وتطبيقها في تقييم مخرجات الدردشات الذكية في سياقات جغرافية.

مع تزايد تعرضنا اليومي لنماذج الذكاء الاصطناعي متعددة الأنماط، يصبح فهم التنوع الجغرافي عبر هذه الأنماط أمراً بالغ الأهمية. يُركز هذا البحث على تنوع الصور، ويسعى لتسليط الضوء على الفجوة البحثية الحالية.

في هذه الدراسة، نستخدم كل من نموذجَي GPT وDALL-E كأمثلة على أحدث النماذج المتقدمة، ونشير إلى أن تقييم التنوع الجغرافي يتطلب عدة مراحل بدءاً من مراجعة الطلبات وصولاً إلى توليد الصور. مستلهمين من مقاييس التنوع البيولوجي في الأبحاث البيئية، نقوم بإدخال وزن التشابه في قياس التنوع الجغرافي.

نظهر من خلال دراسة حالة كيف يمكن تقييم هذا التنوع. تكشف التحليلات عن نتائج غير متوقعة؛ فعلى سبيل المثال، يمكن أن تظهر النماذج القديمة تنوعاً جغرافياً أكبر على الرغم من إنتاجها لصور ذات جودة أقل، كما أن مراجعة الطلبات يمكن أن تحقق تنوعًا أكبر مقارنة بتوليد الصور. وفي الوقت ذاته، نلاحظ وجود تجانس واضح في النماذج المختارة، حيث تعمل هذه النماذج على تصوير نفس الخصائص الجغرافية النموذجية أو ميزات مشابهة، مما يشكل مصدر قلق لإنتاج تمثيلات نمطية للأماكن.

هذا البحث يمهد الطريق لفهم أفضل للتحديات التي تواجه الذكاء الاصطناعي وكيفية تحسين تمثيل الأماكن بشكل يعكس تنوعها الغني.