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

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

تحتوي مجموعة بيانات TASTE على ثلاثة إسهامات رئيسية. أولاً، تم 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 الضخمة (VLM)، أنها لم تتجاوز درجة الاتفاق (0.55) مع المصممين. ثالثًا، تم تدريب رأس (pairwise-difference) صغير على مجموعة بيانات TASTE، مما حقق درجة (0.611) وقام بتقليص الفجوة إلى 0.741.

هذا البحث يمثل خطوة هامة نحو الانتقال من التقييم التقليدي إلى نهج أكثر دقة وشمولية، مما يساهم في تحسين تصاميم الذكاء الاصطناعي ويزيد من تفاعلية المستخدمين.

ما رأيكم في هذا التطور الكامن خلف تصميمات الذكاء الاصطناعي؟ شاركونا برأيكم في التعليقات!