الدرس السادس: 🧩النماذج التوليدية - عندما تتعلّم الآلة أن تبتكر عندما يقترب القارئ من عالم النماذج التوليدية لأول مرة، يشعر كأنه يدخل ورشة واسعة ليست مزدحمة بالأدوات فحسب، بل بالأفكار. لم تعد الآلة هنا مجرّد عاملٍ صامتٍ ينفّذ ما يُطلب منه، بل كائن حسابي يتجاوز حدود الفهم إلى حدود الخَلْق، لا لأن له خيالًا مثل خيال البشر، بل لأنه تعلّم من البشر طريقة بناء الأشياء من مكوّناتها الصغيرة. وهذا التحوّل من “الاستقبال” إلى “الابتكار” هو ما فتح الباب أمام فصل جديد في تاريخ الذكاء الاصطناعي؛ الفصل الذي أصبحت فيه الآلة شريكًا في الصِّنعة الفكرية، لا متلقّيًا لها فقط. ويبدأ هذا المشهد من فكرة بسيطة في ظاهرها، لكنها جوهر كل ما يحدث خلف الستار: حين تخضع النماذج لتدريب طويل على ملايين النصوص أو الصور أو الأصوات، فإنها لا تحفظ الأمثلة كما يحفظ الطالب درسًا، بل تستخلص الأنماط والخطوط الخفية التي تُمسك بتلابيب الأسلوب والمعنى والتركيب. ومع كثرة التجارب، تبدأ هذه الأنماط في تكوين ما يشبه “المخزون الداخلي” الذي يسمح للآلة بأن تنتج شيئًا جديدًا يشبه ما تعلّمته لكنه ليس نسخة منه. كأن النموذج يقف في منتصف طريق بين التذكّر والاختراع؛ يأخذ من الماضي مادته، ثم يعيد صياغتها بترتيبٍ لم يوجد من قبل. ولذلك، حين يرى القارئ نموذجًا يكتب قصة قصيرة أو يرسم مشهدًا أو يقترح لحنًا موسيقيًا لم يُسمَع من قبل، فليس من العدل أن يُقال إن النموذج “اخترع” هذا العمل، ولا أنه “قلّده”. هو في الحقيقة أعاد تركيب العناصر نفسها التي بناها البشر عبر تاريخ طويل من الفن والمعرفة، لكنه فعل ذلك بطريقةٍ تسمح بخروج شكل جديد من الأشكال الممكنة. وهذا هو سر النماذج التوليدية: أنها لا تُعيد الماضي كما هو، بل تُغيّر زواياه وتعيد تشكيله في صورة تبدو مألوفة وغريبة في الوقت نفسه. ومع توسّع قدرتها، دخلت هذه النماذج ميادين كثيرة. فمن رأى نموذجًا يرسم لوحةً رقمية بألوان هادئة وإيقاع بصري محسوب قد يظنّ أنه أمام يد فنان لا آلة. ومن يسمع نموذجًا يلحن جملاً موسيقية قد يتساءل: كيف يمكن لمعادلاتٍ صامتة أن تنسج هذا الإيقاع؟ حتى النصوص -وهي القالب الذي تتدفّق فيه أفكار البشر- أصبحت ساحةً تكتب فيها النماذج رسائل، سرديات، تفسيرات، أو حتى شيفرات برمجية معقدة. ومع هذا الاتساع، ظهر سؤال داخلي يتردّد بصوت خافت: ماذا يعني أن “تبدع” الآلة؟ الآلة لا تُبدع لأنها ترى الجمال أو تشعر به، بل لأنها تتقن تركيب الأنماط التي اكتسبتها من البشر. فهي تفهم سياق الجملة في النص، وتفهم شكل الوجه في الصورة، وتستوعب علاقة النغمة بالأخرى في الموسيقى، ثم تبني على هذا الفهم شيئًا يبدو جديدًا. إنّها تحاكي طريقة الإنسان حين يتعلّم من أساتذته، ثم يبدأ شيئًا فشيئًا في صياغة أسلوبه الخاص، مع فارقٍ جوهري: الإنسان يضيف روحه وتجربته، أما النموذج فيضيف إحصاءً محسوبًا وارتباطًا مكتسبًا من البيانات.

الدرس الخامس: 🧩النماذج العميقة - الغوص في طبقات الفهم عندما تقف أمام لوحة لم تكتمل بعد، ترى أن الرسام لا يكتفي بطبقة واحدة من اللون، ولا يكتفي بحدود أولى توحي بالشكل العام. يبدأ بضربات واسعة، ثم ينتقل إلى تفاصيل أدق، ثم يعود إلى الطبقات الأولى ليصحّح ما انحرف، ثم يضع فوقها طبقات أخرى تمنح المشهد عمقه الحقيقي. ومع كل طبقة، تتغير اللوحة قليلًا، وتنكشف ملامح جديدة، ويتحوّل السطح من لون مبعثر إلى معنى واضح. هذا التدرّج البطيء والعميق هو الصورة الأقرب لفهم النماذج العميقة في الذكاء الاصطناعي: نماذج لا ترى العالم من سطحه، بل تغوص طبقة بعد طبقة حتى تصل إلى المعنى المختبئ في عمق البيانات. النموذج العميق ليس نوعًا جديدًا من الشبكات العصبية، بل هو نفس البنية حين تمتد طولا وتتشكل فيها طبقات كثيرة، كل طبقة تمسك ملمحًا صغيرًا من الصورة، ثم تُسلّمه للتي بعدها، كما يسلّم الرسام أثر الفرشاة من طبقة إلى طبقة أخرى. الطبقات الأولى لا ترى إلا الخطوط العامة؛ حافة هنا، وانعطاف هناك. والطبقات الوسطى تبدأ في التقاط الملامح المركبة؛ عينٌ تظهر، أو انحناءةٌ تُشير إلى شكل. أما الطبقات الأخيرة فترى الصورة كاملة، وجهًا كان أو كلمة أو معنى يتجاوز تفاصيله الصغيرة. وهكذا تتكون داخل النموذج خريطةٌ للفهم لا تستطيع النماذج البسيطة الوصول إليها. ولا تُسمّى هذه النماذج عميقة لأنها أعقد من غيرها، بل لأنها تمتد في الداخل، كل طبقة فيها تعتمد على التي قبلها، وتُمهّد للتي بعدها. فكأنها سلم طويل يصعد من الحسّ الخام إلى الإدراك الكامل. ما إن تُسلَّم البيانات إلى الطبقة الأولى حتى يبدأ اللون الأول في الاستقرار، ثم تُعاد صياغته فوقه مرة أخرى في الطبقات التالية، حتى يصبح اللون قادراً على حمل معنى لم يكن موجودًا في البداية. وقد بقيت هذه الفكرة وقتًا طويلًا مجرد حلم نظري لا يتجاوز حدود الورق. فبناء لوحة من عشرات الطبقات يحتاج إلى فرشاة لا تتآكل، وإلى يد تستطيع أن تعمل آلاف المرات دون أن تخطئ. ولم يكن هذا ممكنًا إلا حين ظهرت تقنيات جعلت التدريب السريع واقعًا. وحدات المعالجة الحديثة أعطت النموذج قدرة على رسم آلاف الطبقات في وقت قصير، كما لو أن الرسام اكتسب مجموعة من الأيدي تعمل جميعها في اللحظة نفسها. والبيانات الضخمة وضعت أمامه مناظر لا تُعدّ ولا تُحصى، فصار يستطيع تدريب نفسه على ملايين الأمثلة بدل مئات قليلة. ثم جاءت تحسينات الخوارزميات، فحلّت مشكلات التعثر، ومنعت اللوحة من أن تغرق في تفاصيل لا قيمة لها.

«قريبًا يطلّ علينا شهر رمضان المبارك، شهر الرحمة والسكينة، شهر تعود فيه القلوب إلى صفائها، وتسمو فيه النفوس بما تحمله لحظاته من طمأنينة ونور، هو موسم للقرب والعطاء، وفرصة لا تتكرّر في العام إلا مرة واحدة، ليكون القلب حاضرًا، والاستقبال صادقًا، والانتظار بشوقٍ يليق بمقامه» https://www.youtube.com/watch?v=BtaFJ_Xnv7s

الدرس الرابع: 🧩الشبكات العصبية كنموذج متقدّم - حين تتعلّم الآلة على طريقة الدماغ حين تفتح دفتر الرسم في ساعة الصباح الأولى، تجد اللوحة البيضاء في انتظارك: صفحة واسعة لا تحمل معنى، ولا تنطق بشيء. تقترب منها، تلمس سطحها بيدك، وتشعر أن الخطوة الأولى ليست في اللون، بل في فتح العين على المشهد الذي تريد رسمه. هذا المشهد الذي تقف أمامه يشبه تمامًا البيانات التي يستقبلها النموذج في لحظته الأولى: أرقام، أو كلمات، أو نقاط ضوء، تأتي كما هي، بلا تفسير. هنا، تبدأ الحكاية: كيف تتحول هذه الصفحة البيضاء إلى صورة؟ وكيف تتحول البيانات الخام إلى فهم؟ يمدّ الرسّام يده إلى الفرشاة، ويضع أول طبقة رقيقة من اللون. هذه الطبقة لا تُظهر شيئًا بعد، لكنها تهيئ السطح لقبول الطبقات التالية. هكذا تعمل طبقة المدخلات في الشبكات العصبية: إنها لا تفهم الصورة، لكنها تلتقط ألوانها الأولية، وتسمح للبيانات بأن تستقر على سطح النموذج. واللوحة -في هذه اللحظة- لا تزال صامتة. ثم يأتي التحوّل الأول: الرسّام يضيف طبقة ثانية فوق الأولى، طبقة لا تستطيع تمييزها وحدها، لكنها تغيّر ما تحتها قليلًا. يضع طبقة خفيفة فوق الأخرى، يخفّف منطقة كانت متشبعة أكثر مما ينبغي، ويعيد توزيع الظلال حتى تستوي الصورة شيئًا فشيئًا. ومع كل لمسة، تتبدل اللوحة في العمق قبل أن تتبدل في السطح. هذا ما يحدث في الطبقات المخفية في الشبكات العصبية. كل طبقة منها ليست لوحة جديدة، بل تعديل داخلي على فهم أولي، تعديل صغير لا يُرى تأثيره إلا حين تتجمع الطبقات فوق بعضها. وكل طبقة تُسلّم ما فهمته إلى التي تليها، كما يسلم الرسّام أثر لونه إلى الطبقة الثالثة والرابعة حتى يتكون المشهد الذي يريد. وقد يحدث أن يخطئ الرسّام. يضيف كتلة لونية أثقل مما ينبغي، أو يظلل جانبًا ليس من المفترض أن يظلل. فإذا ابتعد خطوة إلى الخلف، اكتشف أن شيئًا خفيًا في الصورة قد انحرف. في تلك اللحظة، يعود إلى اللوحة، يرفع الخطأ، يخففه، يعيد مزج اللون، ثم يضع طبقة جديدة تصحح ما فات. هذه العودة إلى الخلف هو ما يشبه في الشبكات العصبية الانتشار العكسي. النموذج يجرّب، ثم يقارن، ثم يرسل إشارة تقول: “هنا زاد اللون، هنا نقص، هنا أخطأت، هنا تحتاج إلى تعديل.” وعبر آلاف المحاولات، تتعلم اللوحة كيف تصبح أكثر صدقًا. ومع مرور الوقت، تتراكم الطبقات حتى تصبح الصورة قريبة مما يتصوره الرسّام. وتستطيع أن ترى كيف أن الطبقات الأولى، رغم بساطتها، كانت ضرورية لتثبيت النظرة الأصلية؛ وكيف أن الطبقات الوسطى صنعت توازن الضوء؛ وكيف أن الطبقات الأخيرة منحت الصورة ملمسها الحقيقي. هكذا يتكون القرار النهائي في الشبكة العصبية: ليس نتيجة طبقة واحدة، بل نتيجة المسار الكامل الذي قطعته البيانات عبر طبقات عديدة، كل واحدة تضيف فهمًا أعقد مما قبلها.

#إنشاء وضعيات جديدة للشخصية @نبذة هذا البوت يتيح لك توليد صور جديدة لشخص أو شخصية من صورة واحدة فقط مع الحفاظ على الملامح والهوية البصرية. يوفر إمكانية تغيير الوضعيات والخلفيات دون المساس بتفاصيل الوجه أو الملابس أو الألوان. يساعد على تقليل الحاجة لجلسات تصوير متعددة ومكلفة. يفيد في مجالات الألعاب، الإعلانات، الرسوم المتحركة، والتصميم الإبداعي. يعتمد على تقنيات الذكاء الاصطناعي المتقدمة لضمان دقة وواقعية عالية. يتيح مرونة بين الوضعيات التلقائية أو اليدوية حسب الحاجة. والنتيجة صور متسقة، واقعية، وجاهزة للاستخدام الفني أو التجاري. @حدود يعمل ضمن بيئة إعادة توليد الصور، بوصفه نموذج ذكاء اصطناعي متخصص في إنتاج وضعيات جديدة لشخص واحد بالاعتماد على صورة مرجعية ثابتة. يلتزم بالحفاظ على الوجه، ملامح البشرة، الشعر، الملابس، والألوان دون أي تغيير، ويسمح فقط بتغيير الوضعيات أو الخلفيات. يُمنع على النموذج إدخال عناصر إضافية غير موجودة في المرجع، أو تبديل الملابس، أو تعديل ملامح الوجه، أو إنتاج وضعيات غير بشرية أو غير منطقية. يشترط أن تكون المخرجات واقعية، متسقة، وعالية الدقة. @مثال "أدخل صورة مرجعية لشخص يرتدي بدلة رسمية، ثم اطلب: توليد ثلاث وضعيات مختلفة للشخص وهو جالس، واقف، وماشي، مع الحفاظ على نفس الوجه والملابس، وسيُنتج البوت صورًا جديدة متطابقة في الهوية، متغيرة فقط في الوضعيات." @رابط https://chatgpt.com/g/g-68da03c4b72081918be11719330c5cd1-nsh-wd-yt-jdyd-llshkhsy-creating-new-poses