لا يخمّن الذكاء الاصطناعي أساليب الفن عشوائيًا. فباستخدام الشبكات العصبية الالتفافية ونماذج الانتشار ومليارات أمثلة التدريب، يستخلص "الحمض النووي البصري" لأي أسلوب فني ويعيد إنتاجه بدقة خلال ثوانٍ، من ضربات فرشاة فان غوخ إلى لوحة ألوان مونيه.
هناك لحظة، حين ترى صورة من الذكاء الاصطناعي وتتعرف عليها بوصفها "بأسلوب فان غوخ" أو "مستوحاة من مونيه"، تشعر بشيء من الغرابة. الضربات الدوّارة، والطلاء الكثيف، والطريقة المحددة التي ينساب بها الضوء عند الأفق: كل ذلك حاضر، ومولَّد في ثوانٍ. كيف يعمل هذا؟ الإجابة المختصرة تتضمن الرياضيات والبيانات الضخمة وحيلة ذكية تُسمى نقل الأسلوب العصبي. أما الإجابة المفصّلة فأكثر إثارة للاهتمام.
تبدو عبارة "نقل الأسلوب" ذات طابع فني، لكنها تصف عملية حاسوبية محددة للغاية. في جوهره، نقل الأسلوب هو فصل شيئين يدمجهما البشر بالحدس: ما تصوّره الصورة (محتواها) وكيف تُصوَّر (أسلوبها).
حين تنظر إلى "ليلة النجوم"، ترى قرية وسماء. هذا هو المحتوى. أما الضربات الدوّارة، والأصفر والأزرق المحددان، والطريقة التي تبدو بها النجوم نابضة: فهذا هو الأسلوب. يستطيع البشر التمييز بين هذين بالحدس. أما تعليم الآلة فعل ذلك نفسه فمسألة مختلفة تمامًا.
قُدّم نقل الأسلوب العصبي رسميًا في ورقة بحثية عام 2015 من إعداد Gatys وEcker وBethge. استخدم الأسلوب شبكة عصبية التفافية (CNN)، وتحديدًا VGG-19، وهي شبكة صُممت أصلًا لتصنيف الصور. ما اكتشفه الباحثون أن الطبقات المختلفة في الشبكة التفافية تُرمّز أنواعًا مختلفة من المعلومات.
تلتقط الطبقات الأولى الخصائص المنخفضة المستوى: الحواف والألوان والملمس. وتلتقط الطبقات الأعمق البنية عالية المستوى: الأجسام والمشاهد والتكوينات. وقد تبيّن أن الأسلوب يمكن استخلاصه من تحليل كيفية ترابط الخصائص عبر الطبقات الأولى. أما المحتوى فكان يسكن الطبقات الأعمق.
من خلال تحسين صورة جديدة لتطابق إحصاءات الأسلوب لعمل فني مرجعي وتمثيل المحتوى لصورة هدف، تستطيع الشبكة مزج الاثنين.
يستخدم نقل الأسلوب الكلاسيكي شبكة CNN واحدة مدرّبة مسبقًا تعمل كـ"حكم". أما الأساليب الأحدث فتستخدم شبكتين منفصلتين:
| الشبكة | الدور |
|---|---|
| المولّد | ينشئ الصورة المُنمّطة بالأسلوب |
| المميّز | يقيّم هل تبدو مقنعة |
هذا الإعداد التنافسي، المعروف بـGAN (الشبكة التوليدية التنافسية)، يُنتج نتائج أوضح وأكثر تماسكًا من نهج التحسين الأصلي. يستمر المولّد في التحسن لأن المميّز يستمر في رصد العيوب.
لكي ينسخ الذكاء الاصطناعي أسلوبًا فنيًا، يجب أن يفهم أولًا مكوّنات هذا الأسلوب. وهذا ليس بالبساطة نفسها التي تبدو عليها مطابقة الألوان. تتميز لوحة انطباعية متقنة بـ_تردد الملمس_ محدد، أي طريقة مميزة لتوزيع ضربات الفرشاة بأحجام مختلفة. ولها لوحة ألوان بعلاقات محددة بين التشبع ودرجة الحرارة. ولها عادات في التكوين المكاني: أين يميل الفنان إلى وضع خطوط الأفق، وكم من المساحة الفارغة يستخدم.
تستخلص الشبكة التفافية كل ذلك بشكل منهجي عبر تمرير الصورة عبر ملايين المرشحات المتعلَّمة.
فكّر فيها كعملية تشريح. تقسّم الشبكة الصورة إلى خرائط خصائص عند كل طبقة:
تُلتقط معلومات الأسلوب بحساب مصفوفة Gram عند كل طبقة. تقيس هذه المصفوفة كيف تتواجد الخصائص المختلفة معًا عبر الصورة. ونمط هذا التواجد المشترك هو، رياضيًا، ما يحدد الأسلوب. صورتان تبدوان مختلفتين تمامًا في المحتوى لكنهما تشتركان في إحصاءات مصفوفة Gram نفسها ستبدوان كأنهما رُسمتا بيد الفنان ذاتها.
الفكرة الذكية هنا أن الأسلوب والمحتوى مُرمّزان في أجزاء مختلفة من الشبكة. يمكنك "ضبط" كل منهما بشكل مستقل.
تشبيه سريع: فكّر في جملة. الكلمات هي المحتوى. النبرة والإيقاع وبنية الجملة هي الأسلوب. يمكنك أن تقول الشيء نفسه بأسلوب همنغواي أو فوكنر. يفعل نقل الأسلوب العصبي الشيء نفسه مع البكسلات.
هذا الفصل هو ما يجعل النظام كله يعمل بسرعة. فبمجرد أن تملك شبكة مدرّبة تستخلص خصائص الأسلوب والمحتوى بموثوقية، يصبح توليد صورة جديدة بأسلوب معين مجرد تحسين: تشغيل نزول التدرج على لوحة فارغة حتى تستوفي القيدين معًا.
كانت طريقة Gatys الأصلية عام 2015 بطيئة بشكل مؤلم. فتوليد صورة واحدة مُنمّطة بحجم 512x512 على وحدة المعالجة المركزية (CPU) العادية كان يستغرق ساعات. أما اليوم فينتج الناتج نفسه بالجودة ذاتها في أقل من ثانية على وحدة معالجة رسومية (GPU) للمستهلك. ما الذي تغيّر؟
كان الانتقال من الحوسبة على CPU إلى GPU أول مُسرّع كبير. فوحدات GPU صُممت للحوسبة المتوازية الضخمة، وهو بالضبط نوع الرياضيات الذي تحتاجه الشبكات العصبية. تنفّذ وحدة NVIDIA A100 الحديثة أكثر من 312 teraFLOPS من عمليات الموتر في الثانية.
لكن العتاد وحده لم يفسّر التسارع كاملًا. فقد تغيّرت البنية أيضًا.
حلّت شبكات نقل الأسلوب أحادية الاتجاه (التي قدّمها Johnson وآخرون عام 2016) محل حلقة التحسين البطيئة بشبكة مدرّبة. فبدلًا من التكرار على لوحة فارغة لآلاف الخطوات، تُدرَّب الشبكة مرة واحدة على ملايين الصور لتنفيذ تحويل أسلوبي في تمريرة أمامية واحدة.
والنتيجة: نقل أسلوب يعمل في الوقت الفعلي على الفيديو. انتقلت الحوسبة من سؤال "كيف أعدّل هذه الصورة لتبدو أقرب إلى فان غوخ؟" إلى "لقد تعلّمت بالفعل كيف أفعل ذلك، وهذا هو الناتج".
| الطريقة | السرعة | الجودة |
|---|---|---|
| التحسين (2015) | من دقائق إلى ساعات | عالية |
| الشبكات أحادية الاتجاه (2016) | 10 إلى 50 ميلي ثانية | جيدة |
| نماذج الانتشار (2022 فما بعد) | من 1 إلى 5 ثوانٍ | عالية جدًا |
| النماذج السريعة الحديثة (2024 فما بعد) | أقل من ثانية | ممتازة |
تولّد نماذج حديثة مثل Flux Schnell الصور في أقل من ثانية. والسرعة ليست نتيجة اختصارات. بل تأتي من بنى أفضل تعلّمت أن تضغط معرفة أكبر في خطوات حوسبية أقل.
تمثل نماذج الانتشار نهجًا مختلفًا جوهريًا في تركيب الصور. فبينما تضع GAN شبكتين في مواجهة بعضهما، تتعلم نماذج الانتشار عملية أهدأ وأكثر رياضية: كيف تعكس الضوضاء.
تعمل عملية التدريب على النحو التالي:
ما ينتجه ذلك شبكة قامت بترميز الأنماط الإحصائية لبيانات تدريبها بعمق. فحين تقول "ارسم هذا بأسلوب الانطباعية"، يكون النموذج قد رأى ما يكفي من الصور الانطباعية أثناء التدريب ليعرف بالضبط أي أنماط ضوضاء يجب أن يعكسها.
النقطة الحاسمة: الأسلوب ليس مرشحًا يُطبَّق فوق الصورة. بل هو متأصل في عملية التوليد نفسها. فالنموذج لا يضيف ضربات فرشاة إلى صورة فوتوغرافية. إنه يولّد الصورة كاملة من الصفر، وتكون ضربات الفرشاة فيها خاصية أساسية.
دُرِّب Stable Diffusion على LAION-5B، وهي مجموعة بيانات تضم خمسة مليارات زوج من الصور والنصوص. ووسّع SDXL هذا بإضافة بيانات تدريب بدقة أعلى وجودة أفضل للتعليقات.
حين يتدرب نموذج على خمسة مليارات صورة موسومة بأوصاف أسلوبية، فإنه لا يرى "لوحة انطباعية" بضع مرات فقط. بل يراها ملايين المرات، عبر فنانين ومواضيع وظروف إضاءة ولوحات ألوان مختلفة. والنتيجة نموذج استوعب "فضاء أسلوبي" انطباعيًا أغنى بكثير من أي مجموعة أعمال لفنان واحد.
ما يعنيه هذا عمليًا: حين تكتب "ارسمها بأسلوب مونيه"، يكون النموذج قد ترمّز كل انتظام إحصائي للصور المرتبطة بمونيه: الطريقة التي تميل بها لوحته نحو الأزرق والبنفسجي، وإيقاع الضربات الأفقية على أسطح الماء، والانتشار الناعم للحواف في مرحلته المتأخرة. ينتج كل هذا في آنٍ واحد، ليس لأنه تعلّم قواعد، بل لأنه تعلّم أنماطًا.
من أقوى النُّهج لنسخ الأسلوب بدقة LoRA (التكيّف منخفض الرتبة). فهو يتيح للذكاء الاصطناعي تعلّم أسلوب محدد دون إعادة تدريب النموذج كله من الصفر.
يتطلب الضبط الدقيق الكامل لنموذج مثل Stable Diffusion 3.5 Large حوسبة هائلة ومئات الآلاف من صور التدريب. أما LoRA فيغيّر الحسابات تمامًا.
يعمل LoRA بإضافة مجموعة صغيرة من مصفوفات أوزان قابلة للتدريب تُوضع إلى جانب أوزان النموذج الأصلي. هذه المصفوفات صغيرة جدًا مقارنة بالنموذج الكامل (عادةً أقل من 200 ميغابايت). لكنها موجَّهة بدقة. فهي تدفع مخرجات النموذج نحو نطاق أسلوبي محدد.
يتطلب تدريب LoRA أسلوبي ما يلي:
يذهب Flux Dev LoRA أبعد من ذلك، إذ يسمح بتطبيق أوزان LoRA مباشرة داخل مسار توليد عالي الجودة لتطبيق أسلوبي مرن.
الجاذبية واضحة للفنانين المحترفين. يمكنك تدريب LoRA على أعمالك الخاصة، أو على أسلوب فنان تاريخي محدد، والحصول على ذكاء اصطناعي يولّد صورًا متسقة مع ذلك الأسلوب عند الطلب.
| معامل LoRA | ما يتحكم فيه |
|---|---|
| صور التدريب | الأسلوب البصري المُرمّز |
| معدل التعلّم | مدى قوة تغلّب الأسلوب على النموذج الأساسي |
| الخطوات | عمق استيعاب الأسلوب |
| كلمة التفعيل | عبارة النص التي تُنشّط LoRA |
ولهذا يهم اتساق الأسلوب على نطاق الإنتاج. فشركة تنتج محتوى توضيحيًا يمكنها تدريب LoRA واحد على رسومها التوضيحية الحالية للعلامة التجارية، وتوليد مئات الصور المتسقة مع العلامة دون توظيف فنانين إضافيين لكل قطعة.
الذكاء الاصطناعي جيد بشكل لافت في نسخ الأساليب. لكن من المهم أن نكون دقيقين في معنى "الأسلوب" هنا، وأين لا تزال النماذج الحالية تقصّر.
سيولّد نموذج انتشار مدرَّب على صور انطباعية كافية أنماط ضربات فرشاة مقنعة. سيضع ضربات قصيرة وموجَّهة بالكثافة والاتجاه الصحيحين. وسيتجنب الحواف الحادة. وسيمزج الألوان بالطريقة المحددة التي تميّز الأسلوب.
ما ينسخه الذكاء الاصطناعي بجودة:
وهنا تصبح الأمور أكثر دقة. لم يكن أسلوب فان غوخ مجرد مجموعة من الخيارات التقنية. بل نشأ من حالات عاطفية محددة، وتاريخ شخصي، وقرارات فنية متعمدة اتُّخذت بقصد.
الذكاء الاصطناعي الذي يولّد "أسلوب فان غوخ" ينتج شيئًا يبدو كأعمال فان غوخ دون أي من النية الكامنة وراءها. الإحصاءات البصرية متطابقة. أما المعنى فغائب.
ما لا ينسخه الذكاء الاصطناعي:
هذا التمييز مهم عند تقييم الفن المولَّد بالذكاء الاصطناعي تقييمًا نقديًا، لكنه لا يقلل من فائدة الأداة. فالأسلوب مجموعة من الأنماط البصرية. ويستطيع الذكاء الاصطناعي نسخ هذه الأنماط بإتقان كبير. أما ما تعنيه هذه الأنماط فسؤال منفصل.
التقنية الموصوفة في هذا المقال ليست حكرًا على المختبرات البحثية. فهي متاحة الآن، والعديد من النماذج على PicassoIA مصمّمة خصيصًا للتوليد القائم على الأسلوب.
تتمتع النماذج المختلفة بنقاط قوة مختلفة في إعادة إنتاج الأساليب:
لنقل الأسلوب الواقعي الشبيه بالتصوير: Flux Dev وFlux Pro هما الخياران الأولان في أغلب الحالات. يستخدم كلاهما بنية Black Forest Labs، وهي قوية بشكل خاص في تفسير أوصاف الأسلوب في الأوامر النصية. يمكنك تحديد "لوحة زيتية، ضربات فرشاة سميكة، لوحة ألوان دافئة" وسيعكس الناتج هذه القيود بموثوقية.
لأقصى جودة وتفاصيل: يولّد Flux 1.1 Pro Ultra الصور بدقة 4 ميغابكسل، أي أن ملامس الأسلوب تظهر بالدقة الكاملة. تُصيَّر أنماط ضربات الفرشاة وملمس القماش وطبقات الطلاء بمستوى من التفاصيل يقترب من الأعمال الفنية الممسوحة ضوئيًا.
لتعديل صور فوتوغرافية موجودة إلى أسلوب جديد: يأخذ Flux Kontext Pro صورة إدخال وتعليمات نصية. يمكنك أخذ صورة فوتوغرافية وطلب عرضها بأسلوب الألوان المائية أو رسم الرصاص أو الرسم الزيتي مع الحفاظ على محتوى الأصل.
للأساليب الفوتوغرافية الواقعية: صُمّم RealVisXL v3.0 Turbo وRealistic Vision v5.1 خصيصًا لمخرجات فائقة الواقعية. وحين يكون "الأسلوب" الذي تريده تصويرًا وثائقيًا لا فنًا تصويريًا، تقدّم هذه النماذج النتيجة المطلوبة.
للتكرار السريع: يولّد Imagen 4 Fast وFlux Schnell الصور بسرعة، مما يجعلهما مثاليين لاختبار الأساليب سريعًا عندما تريد تجربة أوصاف أسلوبية متعددة بسرعة قبل اعتماد توليد نهائي.
تؤثر طريقة وصفك للأسلوب في الأمر النصي مباشرة على مدى دقة النموذج في إعادة إنتاجه. فالكلمات الأسلوبية الغامضة تنتج نتائج غامضة. أما الأوصاف التقنية المحددة فتنتج مخرجات دقيقة.
أقل فعالية:
"بأسلوب الانطباعية"
أكثر فعالية:
"ضربات زيتية فضفاضة، ملمس طلاء كثيف مرئي، حواف ناعمة، لوحة ألوان دافئة مشمسة مع ظلال زرقاء كوبالتية، معالجة متأثرة بمونيه لانعكاسات الماء، علامات فرشاة مربعة في العشب الأمامي"
يمنح الأمر النصي الثاني النموذج إحصاءات بصرية محددة يستهدفها. فكل وصف يقابل خاصية حقيقية تعلّمها النموذج من بيانات تدريبه.
نصيحة تستحق المعرفة: إضافة أدوات الفن إلى الأمر النصي تساعد في ضبط الأسلوب. فعبارات مثل "غسلة ألوان مائية على ورق بارد الضغط" و"فحم على ورق صحفي" و"غواش بلمسة مطفية" محددة بما يكفي ليملك النموذج تمثيلات قوية لها.
الآلية التي تقف وراء نسخ الذكاء الاصطناعي للأسلوب مثيرة للإعجاب حقًا: شبكات عصبية التفافية تفصل المحتوى عن إحصاءات الأسلوب، ونماذج انتشار تتعلم عكس الضوضاء عبر مليارات أمثلة التدريب، ومحولات LoRA تُرمّز نطاقات بصرية محددة في بضع مئات من الميغابايتات، وشبكات أحادية الاتجاه تختصر ساعات من الحوسبة إلى أجزاء من الثانية.
لكن الجزء الأكثر إثارة للاهتمام أن كل هذا بات في متناول يدك الآن. لا تحتاج إلى خلفية بحثية لاستخدامه. كل ما تحتاجه أمر نصي ووصول إلى نموذج.
ابدأ بأسلوب تجده مثيرًا للاهتمام، سواء كانت الهندسة المشبعة بالألوان عند Klimt، أو الحبيبات أحادية اللون عند Ansel Adams، أو الخطوط الفحمية الحرة عند Egon Schiele، أو ببساطة "ضوء الشمس بعد الظهر يمر عبر ستائر من الكتان". اختر نموذجًا من القائمة أعلاه. شغّله. ثم غيّر كلمة واحدة وشغّله مرة أخرى.
هذه العملية من التكرار هي المكان الذي يعيش فيه الإبداع الحقيقي. الذكاء الاصطناعي يتولى الحوسبة، أما القرارات الجمالية فتبقى كلها لك.
جرّب الآن على PicassoIA وشاهد ما يظهر من أمرك النصي الأول.
اختر لغتك
