تشهد مجالات الذكاء الاصطناعي تطورًا مذهلاً، حيث تواجه تقنيات توليد الصور تحديات تتعلق بجودة الإبداع. في هذا السياق، ظهرت تقنية جديدة تُعرف بـ 'Prologue'، وهي تهدف إلى سد الفجوة بين إعادة البناء والتوليد في نماذج توليد الصور التلقائية (Autoregressive).

بدلًا من تعديل الرموز البصرية لتلبية متطلبات كل من الإعادة والتوليد، تقوم 'Prologue' بإنتاج مجموعة صغيرة من الرموز الاستباقية تُضاف إلى تسلسل الرموز البصرية. يتم تدريب هذه الرموز الاستباقية بشكل حصري مع فقدان التقاطع (Cross-Entropy Loss)، بينما تظل الرموز البصرية مكرسة لإعادة البناء. يتيح هذا التصميم المنفصل إمكانية تحسين الجودة الإبداعية من خلال توزيع النموذج الحقيقي، دون التأثير سلبًا على جودة الإعادة.

أظهرت نتائج التجارب على مجموعة بيانات ImageNet بحجم 256x256 أن نموذج Prologue-Base قد خفض من مقياس gFID من 21.01 إلى 10.75، في حين أن Prologue-Large حقق نتائج تنافسية مع rFID عند 0.99 و gFID عند 1.46، دون الحاجة إلى إشراف دلالي إضافي. ما يثير الإعجاب هو أن الرموز الاستباقية قد أظهرت هيكلًا دلاليًا ناشئًا، حيث بلغت نتائج الاستغلال الخطي على 16 رمز استباقي نسبة 35.88% في المرتبة الأولى، متفوقةً على نسبة 23.71% التي كانت تحققت من الرموز الستة عشر الأولى لنموذج قياسي.

تشير هذه النتائج إلى اتجاه جديد في مجال الذكاء الاصطناعي: بإمكان تحسين جودة التوليد أن يتحقق عن طريق إدخال تمثيل توليدي مُتعلم بشكل منفصل، بينما تبقى التمثيلات الأصلية سليمة. ما هي توقعاتكم لنتائج هذه التقنية؟ شاركونا في التعليقات!