مع التزايد السريع لاستخدام نماذج التوليد المتعددة الوسائط، يبرز دورها كعلامة بارزة في عالم الذكاء الاصطناعي، إذ تحمل هذه النماذج إمكانات هائلة. ولكن مع هذه الفوائد تأتي المخاطر، مثل إمكانية إنتاج محتوى ضار، وتزييف عميق، وانتهاكات حقوق الطبع والنشر. للتصدي لهذه التحديات، بدأت أفكار إزالة المفاهيم تظهر كوسيلة لحماية السلامة في الاستخدام.

ومع ذلك، فإن أبحاث إزالة المفاهيم لم تواكب سرعة التطور من نماذج الانتشار المعتمدة على U-Net إلى نماذج Rectified Flow. وفي هذا السياق، نقدم إطارًا جديدًا يسمى GEM، وهو إطار إزالة مفاهيم بسيط ولكنه فعّال للغاية لنماذج التدفق المستوي.

تمثل مساهمتنا الجسر الأساسي بين إزالة المفاهيم القائم على مسار التعلم (Trajectory-based Unlearning) والشكل التقليدي للتوجيه المعتمد على المعلمين (Teacher-guided Erasure). نترجم الإشارات القائمة على المسارات إلى إعداد توجيهي يعتمد على التدفق والذي يوحد مزايا كلا النموذجين:

فببساطة، يقوم المعلم بتقديم إشارات جذب ورفض تكمل بعضها البعض، وندمجها في هدف توجيهي هندسي واحد. هذا الأسلوب يُحقق كبحًا مستهدفًا للمفاهيم غير المرغوب فيها مع الحفاظ على جودة التوليد.

لا شك أنّ إطار GEM يمثل خطوة هامة نحو تعزيز الأمان في نماذج الذكاء الاصطناعي، وفتحة جديدة للابتكار في تقنيات إزالة المفاهيم. ما هو رأيكم في الدور المتزايد الذي تلعبه التقنيات الجديدة في حماية حقوق الطبع والنشر وسلامة المحتوى؟ شاركونا آرائكم!