في عالم [تصميم](/tag/تصميم) الرسوميات المتسارع الذي يقوده الذكاء الاصطناعي، يُظهر [نموذج](/tag/نموذج) (Text-to-image) قدرة هائلة في إنتاج [تصميمات](/tag/تصميمات) ذات جودة عالية. ومع ذلك، فإن [التقييم](/tag/التقييم) التقليدي لهذه التصاميم قائم على [بيانات تفضيل](/tag/[بيانات](/tag/بيانات)-تفضيل) وصورة واحدة فقط، ما قد يؤدي إلى [رؤية](/tag/رؤية) مختزلة لجودة [التصميم](/tag/التصميم).

لذلك، قدّم الباحثون [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) مبتكرة تحت مسمى [TASTE](/tag/taste) (Typography, Aesthetics, Spatial, Tone, Etc.)، التي تتيح لمصممين محترفين [تقييم](/tag/تقييم) [الأعمال](/tag/الأعمال) الناتجة عن أربعة [نماذج](/tag/نماذج) (text-to-image) مع التركيز على تسعة [معايير](/tag/معايير) مختلفة. [عبر](/tag/عبر) تصنيفات تضم حوالي 1600 [تقييم](/tag/تقييم) لكل معيار، يسجل المصممون مواطن القوة والضعف في التصاميم المدعومة بالذكاء الاصطناعي، بما في ذلك التركيبة اللونية والهرمية البصرية.

تحتوي [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) [TASTE](/tag/taste) على ثلاثة إسهامات رئيسية. أولاً، تم [تطوير](/tag/تطوير) إطار اختبار معتمد لاختبار الإشارة غير المتحيزة باستخدام مؤشرات مثل (Kendall's tau) ومعدلات الأغلبية. ثانياً، أظهرت جميع الأنظمة المدربة مسبقًا في هذه الدراسة، بما في ذلك القضاة من [نماذج [اللغات](/tag/اللغات) الضخمة](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)-الضخمة) ([VLM](/tag/vlm))، أنها لم تتجاوز درجة الاتفاق (0.55) مع المصممين. ثالثًا، تم [تدريب](/tag/تدريب) رأس (pairwise-difference) صغير على [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) TASTE، مما حقق درجة (0.611) وقام بتقليص [الفجوة](/tag/الفجوة) إلى 0.741.

هذا [البحث](/tag/البحث) يمثل خطوة هامة [نحو](/tag/نحو) الانتقال من [التقييم](/tag/التقييم) التقليدي إلى نهج أكثر [دقة](/tag/دقة) وشمولية، مما يساهم في [تحسين](/tag/تحسين) تصاميم [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) ويزيد من [تفاعلية](/tag/تفاعلية) المستخدمين.

ما رأيكم في هذا التطور الكامن خلف [تصميمات](/tag/تصميمات) [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي)؟ شاركونا برأيكم في [التعليقات](/tag/التعليقات)!