هل تستطيع الحوسبة الكمومية توليد صور بالذكاء الاصطناعي؟

نعم، تستطيع الحواسيب الكمومية توليد الصور اليوم، وتفعل ذلك على أجهزة حقيقية. لكن الصور التي تنتجها صغيرة جداً، وهي عادةً أرقام مكتوبة بخط اليد بتدرج الرمادي بحجم 28 في 28 بكسل مأخوذة من مجموعات بيانات قياسية في البحث العلمي، تنتجها أنظمة هجينة تولّد فيها دائرة كمومية أجزاء صغيرة من الصورة وتحكم شبكة عصبية تقليدية على النتيجة. ومنشور واحد على Instagram يحمل قيماً أكثر بنحو 4,400 مرة من رقم واحد من تلك الأرقام. أما الصور بجودة الحملات الإعلانية والمؤثرون بالذكاء الاصطناعي فتأتي من نماذج توليدية تقليدية، ويبقى توليد الصور الكمومي مجالاً بحثياً يستحق المتابعة.

لماذا يُطرح هذا السؤال

صارت كلمة "كمومي" تظهر بجانب "الذكاء الاصطناعي التوليدي" في عروض الشركات وأخبار التقنية، وبدأ المسوقون يتساءلون هل يمكن أن تُنتج صور حملتهم القادمة على حاسوب كمومي. وهو سؤال معقول، وله إجابة دقيقة. فتوليد الصور الكمومي موجود، ويعمل على أجهزة حقيقية، وينتج صوراً حقيقية. وما يحسم المسألة في تخطيط أي علامة تجارية هو شكل هذه الصور فعلاً.

ما هي شبكة GAN الكمومية

الشبكة التوليدية التنافسية العادية، أو GAN، لها نصفان. مولّد يخترع الصور، ومميّز يحكم هل تبدو كل صورة حقيقية، ويتدرب الاثنان أحدهما ضد الآخر حتى ينجح المولّد بما يكفي ليكون مفيداً.

أما شبكة GAN الكمومية، أو QGAN، فتستبدل بالمولّد دائرة كمومية ذات معاملات. ويبقى المميّز شبكة عصبية تقليدية. وهذه التفصيلة أهم مما تبدو في البداية. فشبكات QGAN الحالية أنظمة هجينة، والنصف الذي يحكم هو تعلم آلة عادي.

وهناك تنازل ثانٍ. المعالجات الكمومية المتاحة اليوم صغيرة، وأصغر بكثير من أن تمثل صورة كاملة، لذلك تُقسَّم الصورة إلى أجزاء. ولكل جزء دائرة مولّد فرعي خاصة به. ويُدخَل ضجيج عشوائي في كل منها، وتُحوَّل مخرجات كل دائرة إلى قيم بكسل، ثم تُجمع الأجزاء في صورة واحدة.

ما الذي بُني فعلاً

أوضح مثال عملي يأتي من شركة الحوسبة الكمومية الضوئية Quandela، التي تولّد خوارزمية QGAN لديها صوراً اصطناعية من مجموعات صور موجودة، وقد نُفّذت على معالجها الضوئي ودُرّبت من البداية إلى النهاية. ويتبع التصميم نهج الأجزاء الموصوف أعلاه، مع ضجيج يغذي دوائر ضوئية متغيرة، ومخرجات مولدات فرعية تتحول إلى بكسلات، وإعادة تجميع في صورة نهائية، وشبكة عصبية تقليدية بوصفها المميّز. وقد نُشر التنفيذ بشكل مفتوح.

والغرض التجاري المعلن هو بيانات التدريب الاصطناعية. فتوليد صور اصطناعية لسيناريوهات كثيرة قد يقلل تكلفة جمع مجموعات صور متخصصة ووقتها، ويزيد تنوع البيانات المستخدمة لتدريب نماذج ذكاء اصطناعي أخرى. ويهم ذلك في قطاعات مثل السيارات والطيران، حيث يكون تصوير الحالات النادرة الحقيقية مكلفاً أو خطراً.

وهذه حالة استخدام حقيقية ومنطقية. لكنها أيضاً مهمة مختلفة تماماً عن إنتاج صورة لحملة إعلانية، وفي هذا الفرق تحديداً يقع الالتباس لدى العلامات التجارية.

النتيجة بالأرقام

يعمل توليد الصور الكمومي المنشور على مستوى مجموعات الاختبار. وكما تصف Quandela وZKSF.org، التي تشرح نظرتها العملية إلى تعلم الآلة الكمومي على المحاكيات لماذا يكلف هذا التدريب كثيراً، فإن مجموعات البيانات القياسية هي التي يستخدمها المجال كله.

يحمل منشور واحد على وسائل التواصل قيماً أكثر بنحو 4,400 مرة من رقم MNIST واحد. وتحمل صورة 4K أكثر بنحو 31,700 مرة. هذا هو الحجم الحقيقي للمسافة، وسدّها يحتاج إلى أكثر بكثير من جيل واحد من الأجهزة.

لماذا تُعد الدقة المشكلة الأصغر

لو كان حجم الصورة العائق الوحيد، لكفى المجال أن ينتظر معالجات أكبر. لكن ثلاث مشكلات أعمق تجعل سدّ الفجوة أصعب.

التعميم. تُظهر الأبحاث المنشورة أن شبكات QGAN تواجه صعوبة في التعميم عبر مجموعات البيانات، وتميل إلى التقارب نحو التمثيل المتوسط لبيانات تدريبها. وهذه نقطة ضعف خطيرة بالنسبة إلى العلامة التجارية. فحملة المؤثر بالذكاء الاصطناعي تحتاج إلى التنوع والتميز وشخصية ثابتة، والنموذج الذي ينهار نحو متوسط بيانات تدريبه ينتج أبهت نتيجة ممكنة.

سقف تحليلي. عندما تكون مخرجات المولّد حالة كمومية نقية، تكون جودة المميّز الممكنة محدودة بالدقة بين تلك الحالة وتوزيع البيانات المستهدف. وهذا حد رياضي في البنية نفسها، لذا فالأجهزة الأفضل وحدها لا تزيله.

تكلفة التدريب وتلاشي التدرجات. يحتاج تعلم الآلة الكمومي إلى آلاف التقييمات للدوائر في كل عملية تدريب، والدوائر المتغيرة من هذا النوع تصطدم بما يسمى الهضاب القاحلة، وهي مناطق يكاد التدرج يختفي فيها فيتوقف المُحسِّن عن التعلم. ومن درّب نموذجاً تقليدياً يعرف كم يكلف التدرج الميت. وفي هذه الدوائر تميل المشكلة إلى التفاقم كلما اتسعت الدوائر.

لماذا نادراً ما تعرض صفحات الشركات هذه الأرقام

إنصافاً للشركات، فصفحة حالات الاستخدام موجودة لتصف قدرة ما لجمهور تجاري، والأبحاث الأساسية متاحة عادةً لمن يريد التفاصيل. لكن العاقبة العملية تقع على المشتري رغم ذلك. فالصفحة التي تصف توليد صور اصطناعية على معالج كمومي نادراً ما تذكر أن الناتج رقم بحجم 28 في 28. ولمعرفة ذلك يجب قراءة الأبحاث، وهو ما لا يفعله معظم من يخططون لميزانية تسويق، وهذا مفهوم.

وهناك قاعدة بسيطة تحميك. اسأل ما الذي أُنتج، وبأي حجم، وكيف قيس. فأي ادعاء عن قدرة كمومية لا يجيب عن هذه الأسئلة الثلاثة يصف خارطة طريق.

كيف ينتج الذكاء الاصطناعي التقليدي صور الحملات اليوم

تأتي الصور بجودة الحملات والمؤثرون بالذكاء الاصطناعي من نماذج توليدية تقليدية، وأساساً من نماذج الانتشار المدرَّبة على مجموعات صور ضخمة جداً والتي تعمل على وحدات GPU عادية. وهي تنتج أشخاصاً ومنتجات ومشاهد واقعية بدقة عالية، ومع نظام الإنتاج المناسب تحافظ على ثبات الشخصيات عبر مئات الصور والفيديوهات. وهكذا تنشئ Proklisi مؤثري SI وصور الحملات للعلامات التجارية. ويشرح دليلنا عن إنشاء صور واقعية بالذكاء الاصطناعي الحرفة، ويتناول مقالنا عن الذكاء الاصطناعي التوليدي في الإعلان التقنية.

تعرّف على مؤثري SI الذين يمكنهم قيادة حملتك

الجمال · العافية · الفخامةSASHAباقات تبدأ من $15.00 شهرياًعرض الملف ←التقنية · الثقافة · الرياضةADAMباقات تبدأ من $9.90 شهرياًعرض الملف ←عالمي · الفخامة · أسلوب الحياةXINباقات تبدأ من $15.00 شهرياًعرض الملف ←

شاهد جميع المؤثرين

ما الذي يجب أن تفعله العلامة التجارية بشأن توليد الصور الكمومي

في تخطيط الحملات، الإجابة المفيدة هي المضي مع الذكاء الاصطناعي التقليدي ومتابعة الأبحاث.

• أبقِ الإبداع الكمومي خارج الميزانية. ليس هناك منتج يُشترى لصور الحملات، والفجوة نحو أربع رتب من حيث الحجم.
• أبقه خارج المسار الحرج. انتظار ما ستفعله الحوسبة الكمومية لا يغني عن استراتيجية محتوى. فالجدول الزمني جدول زمني بحثي.
• تعامل معه كمجال حقيقي. المعالجات الضوئية وغيرها تولّد الصور فعلاً، وحالة استخدام بيانات التدريب الاصطناعية سليمة. إنها ببساطة أداة مختلفة عن سلسلة الإنتاج الإبداعي.
• راقب علامتين محددتين. عدد الكيوبتات وحده لا يقول الكثير. والعلامات المهمة هي إثبات التعميم إلى ما بعد متوسط بيانات التدريب، والتوليد بدقة أعلى من دقة مجموعات الاختبار.

يمكنك التحقق من ذلك بنفسك مجاناً

التحقق من كل هذا لا يكلف شيئاً في البداية. فالدوائر الكمومية يمكن بناؤها وتشغيلها في المتصفح من دون تثبيت أي شيء، لذا يمكن التحقق من ادعاءات هذا المقال مباشرة. وهناك محاكٍ مجاني للدوائر الكمومية يعمل في المتصفح، وهو كافٍ لترى كم هي قليلة القيم التي تُخرجها دائرة صغيرة فعلاً، ولماذا يلزم توزيع الصورة على كثير منها.

وبعد المستوى المجاني، تكلف المحاكاة جزءاً من السنت لكل مهمة، ويُستأجر الوقت على المعالجات الكمومية الحقيقية بحسب عدد القياسات، بنحو 0.30 دولار لكل مهمة إضافة إلى أجزاء من السنت لكل قياس. وظهيرة من الفضول الحقيقي تكلف أقل من فنجان قهوة، وهي أساس أفضل لرأي استراتيجي من أي عرض تقدّمه شركة.

أين قد تهم الحوسبة الكمومية التسويق أولاً

إذا وصلت الحوسبة الكمومية إلى التسويق، فمن غير المرجح أن يكون توليد الصور أول محطة. فالمجالات القائمة على التحسين والمحاكاة، مثل الخدمات اللوجستية والجدولة وبعض مسائل المحافظ والتسعير، تُذكر أكثر بوصفها مرشحة مبكرة. وفي العمل الإبداعي يتقدم الذكاء الاصطناعي التقليدي بسرعة، وهناك تكمن المكاسب العملية للعلامات التجارية اليوم.

الخلاصة

تولّد الحواسيب الكمومية الصور اليوم. فهي تولّد أرقاماً مكتوبة بخط اليد بحجم 28 في 28 بكسل بتدرج الرمادي، وتستخدم شبكة عصبية تقليدية للحكم، وتقسّم الصورة إلى أجزاء لأن المعالجات لا تستطيع تمثيل صورة كاملة. والمسافة إلى مؤثر واقعي بالذكاء الاصطناعي نحو أربع رتب من حيث عدد القيم الخام، وأهم العوائق هي التعميم وسقف تحليلي للدقة وتدرجات تتلاشى كلما كبرت الدوائر. إنه مجال مدهش يستحق المتابعة، وصور الحملات اليوم تأتي من الذكاء الاصطناعي التوليدي التقليدي.

بقلم فريق تحرير Proklisi

تبني Proklisi المواقع والتطبيقات، وتدير SEO وASO ووسائل التواصل، وتصمم مؤثري SI للعلامات التجارية. كل ما تقرؤه هنا مستمد من عملنا الأسبوعي مع العملاء. من نحن أو تحدث إلى الفريق