پیشرفت‌های اخیر در حوزه هوش مصنوعی، مرزهای خلاقیت ماشینی را جابه‌جا کرده است. یکی از جذاب‌ترین نمونه‌ها، آموزش مدل‌های زبانی برای خلق نقاشی‌های آبرنگ با نوشتن کد جاوااسکریپت است. این ایده که ابتدا توسط سوریا ناردی مطرح شد، به سرعت در شبکه‌های اجتماعی وایرال شد و توجه بسیاری را به خود جلب کرد. در این مقاله، به بررسی روش‌های فنی و مهندسی بازسازی‌شده این پروژه توسط سرجیو پانیگو می‌پردازیم.
از ایده تا وایرال شدن
در ۲۳ آگوست، سوریا ناردی ویدیویی از نقاشی‌های آبرنگ ساخته‌شده توسط یک مدل زبانی منتشر کرد. این مدل با نوشتن کد جاوااسکریپت از کتابخانه p5.brush استفاده می‌کرد که ابزارهای طراحی طبیعی را به p5.js اضافه می‌کند. این ویدیو با بیش از ۱٫۵ میلیون بازدید، به یکی از پربازدیدترین محتوای حوزه هوش مصنوعی تبدیل شد. نکته مهم این بود که مدل نه با دستورات متنی، بلکه با تولید کد، نقاشی‌های واقعی آبرنگ خلق می‌کرد.
بازسازی متن‌باز با TRL و OpenEnv
سرجیو پانیگو، با الهام از این ایده، تصمیم گرفت روشی را به صورت کاملاً باز و شفاف بازسازی کند. او از ابزارهای قدرتمند Hugging Face مانند TRL (برای یادگیری تقویتی) و OpenEnv (به عنوان محیط شبیه‌سازی) استفاده کرد. هدف اصلی، آموزش یک مدل کدنویسی بود که بتواند با تولید کدهای صحیح، خروجی تصویری مطلوبی ایجاد کند. در این فرآیند، تابع پاداش به‌عنوان «استخر» عمل می‌کند و مدل یاد می‌گیرد که کدهایی بنویسد که بهترین نقاشی‌ها را تولید کنند.
- استفاده از یادگیری تقویتی برای بهینه‌سازی تولید کد
- تعریف محیط باز برای ارزیابی کیفیت تصاویر تولیدشده
- انتشار تمام اجزا، داده‌ها و روش‌ها به صورت متن‌باز
- تمرکز بر آموزش عمیق هنری و تکنیک‌های آبرنگ
چالش‌های فنی و زیرساختی
آموزش این مدل بدون چالش نبود. زیرساخت‌های سخت‌افزاری، هزینه‌های محاسباتی و طراحی تابع پاداش، از جمله موانع اصلی بودند. پانیگو اشاره کرده که «زیرساخت سخت است» و هزینه‌ها می‌توانند بالا باشند. با این حال، او تمام یافته‌ها و تغییرات خود را با جامعه به اشتراک گذاشته است تا دیگران بتوانند مسیر را ادامه دهند. در نهایت، مدل موفق شد الگوهای جالبی از ترکیب رنگ و بافت در نقاشی‌های آبرنگ یاد بگیرد.
آینده و گام‌های بعدی
این پروژه نشان می‌دهد که هوش مصنوعی می‌تواند فراتر از تولید متن، در خلق آثار هنری نیز نقش مؤثری ایفا کند. با انتشار گزارش کامل فنی توسط ناردی و همچنین منابع باز پانیگو، انتظار می‌رود که این حوزه با سرعت بیشتری توسعه یابد. برای علاقه‌مندان، این یک شروع عالی برای ورود به دنیای هنر و کدنویسی با هوش مصنوعی است.
پرسش‌های پرتکرار
چگونه یک مدل کدنویسی را برای نقاشی آموزش می‌دهند؟
با استفاده از یادگیری تقویتی و محیط باز، مدل زبانی با تولید کد جاوااسکریپت برای کتابخانه p5.brush نقاشی‌های آبرنگ خلق می‌کند. در این روش، تابع پاداش بر اساس کیفیت تصویر نهایی طراحی می‌شود.
آیا این پروژه متن‌باز است؟
بله، تمام اجزا و روش‌ها به صورت عمومی در دسترس قرار گرفته است تا دیگران بتوانند از آن استفاده کنند. سرجیو پانیگو تمام کدها و داده‌ها را منتشر کرده است.
