تصور کنید می‌خواهید خانه‌ی قدیمی‌تان را در گوگل ارث بازسازی کنید، اما هوش مصنوعی به‌جای خانه‌ی شما، ایوانِ همسایه‌تان را تغییر می‌دهد. این دقیقاً همان نقطه‌ای است که ادغام جدید مدل نانو بنانا ۲ (Nano Banana 2) در گوگل ارث (Google Earth) با شکست مواجه می‌شود. طبق گزارش‌های اولیه، این ابزار به‌جای درک عمیق از مکان‌ها، با آن‌ها مانند یک اسکرین‌شات ساده برخورد می‌کند و توصیف شده است که برای کارهای جدی جغرافیایی «سرگرم‌کننده اما ضعیف» است.
گوگل با افزودن دکمه «ایجاد تصویر» (Create Image) به نوار ابزار، اکنون به کاربران اجازه می‌دهد تا بر اساس نمای فعلی نقشه، تصاویری از تاریخ‌های جایگزین یا تغییرات معماری مکان‌های واقعی جهان تولید کنند. این قابلیت در واقع یک مدل مولد (Generative Model) است که اکنون در محیط نقشه‌ها قرار گرفته است تا امکان تجسم تغییرات فیزیکی را فراهم کند.
این به‌روزرسانی بخشی از یک روند گسترده‌تر برای افزودن قابلیت‌های زاینده به ابزارهای بهره‌وری است. این رویکرد مشابه زمانی است که گوگل پیش‌تر قابلیت رنگ‌آمیزی بخش‌های انتخابی را در لیریا ۳.۵ (Lyria 3.5) برای ویرایش‌های موسیقی فعال کرد. در دنیای نقشه‌برداری، این تغییر گوگل ارث را از یک ابزار اکتشاف ایستا به یک محیط آزمایشی یا «سندباکس خلاق» تبدیل می‌کند که در آن کاربران می‌توانند تغییرات بصری دنیای فیزیکی را پیش‌نویس و پروتوتایپ کنند.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی توهمات بصری در مدل‌های چندوجهی اشاره کردیم، فاصله بین «تولید تصویر زیبا» و «دقت داده‌ای» همچنان یک چالش اساسی است.
زمینه: دو دهه اکتشاف
گوگل مپس و گوگل ارث هر دو بیش از ۲۰ سال است که فعال‌اند. در حالی که این دو ابزار مشابه به نظر می‌رسند، اما اهداف متمایزی دارند. گوگل مپس به‌عنوان ابزاری جایگاه یافته است که به شما کمک می‌کند به جایی «برسید»، در حالی که گوگل ارث برای «اکتشاف» مکان‌ها در داخل و خارج از سیاره زمین طراحی شده است. قابلیت‌هایی مثل استریت ویو (Street View) به طور سنتی کاربران را مجذوب کرده است، زیرا امکان سفرهای مجازی به هر نقطه از جهان را فراهم می‌کند.
دیوید گویرتز، که دسترسی پیش‌انتشار به ویژگی نانو بنانا داشت، از علاقه‌ی مادام‌العمر خود به گشت‌وگذار در کره زمین سخن گفت. او استریت ویو را ویژگی‌ای توصیف می‌کند که اگرچه تا حدی «تهاجمی» (Intrusive) است، اما همچنان تا به امروز مسحورکننده باقی مانده است.
معرفی نانو بنانا نشان‌دهنده تغییری بنیادین از «مشاهده غیرفعال» به «تغییر فعال» است. با این حال، آزمایش‌های دسترسی اولیه نشان می‌دهد که اگرچه این مدل اغلب به‌عنوان یکی از بهترین تولیدکنندگان تصویر هوش مصنوعی رتبه‌بندی می‌شود — و حتی در برخی مقایسه‌ها در برابر ChatGPT Images 2.0 به عنوان تنها برنده واضح دیده می‌شود — اما ادغام آن در نرم‌افزار نقشه‌برداری در حال حاضر بیشتر جنبه سرگرمی دارد تا کاربردی حرفه‌ای. این رویکرد در راستای استراتژی جدید گوگل برای کاهش هزینه‌های رندرینگ و تسهیل دسترسی توسعه‌دهندگان به مدل‌های خانواده نانو بنانا است.
بازی بصری در مقابل دقت جغرافیایی
بررسی‌ها نشان می‌دهد که شکاف عمیقی بین پتانسیل خلاقانه این ابزار و کاربرد تخصصی آن وجود دارد. هوش مصنوعی به‌جای اینکه با نقشه به عنوان یک پایگاه داده از مختصات سه‌بعدی و حقایق تاریخی برخورد کند، آن را مانند یک اسکرین‌شات تخت می‌بیند:
- شکست‌های معماری: در یک تست روی خانه‌ای در نیوجرسی، وقتی از مدل خواسته شد «یک ایوان دورتا-دور برای این خانه بسازد»، هوش مصنوعی خانه اشتباهی را انتخاب کرد و سپس ایوان را تا زمین همسایه گسترش داد.
- خلاء استریت ویو: دکمه «ایجاد تصویر» به‌طور مشخص در نمای استریت ویو غایب است. کاربران نمی‌توانند در حالی که در نمای سطح زمین هستند، تصاویر هوش مصنوعی تولید کنند.
- راهکارهای دستی: برای تلاش برای رندرینگ در نیوجرسی، کاربران باید از قابلیت چرخش و کج کردن نمای ماهواره‌ای گوگل ارث استفاده کنند. این کار تصویری نمادین ایجاد می‌کند اما با دقت پایین‌تر. برای نتایج بهتر، کاربر باید عکسی از استریت ویو بگیرد و آن را به‌صورت دستی در جمینای (Gemini) قرار دهد تا یک رندر معماری دریافت کند.
- گسست داده‌ای: در تالار استقلال (Independence Hall) فیلادلفیا، مدل هنگام بازسازی صحنه در سال‌های ۱۸۷۶ و ۱۹۷۶، وجود واقعی ساختمان Public Ledger را کاملاً نادیده گرفت.
آزمون Public Ledger
گویرتز برای تست ادغام هوش مصنوعی با داده‌های واقعی، گوشه خیابان ششم و چست‌نات در فیلادلفیا را بررسی کرد. ساختمان ۱۲ طبقه Public Ledger امروز در آنجا قرار دارد و در سال ۱۹۲۴ ساخته شده است. پیش از آن، نسخه‌ای قدیمی‌تر از این ساختمان از سال ۱۸۶۷ وجود داشت تا اینکه در سال ۱۹۲۰ تخریب شد.
وقتی از مدل خواسته شد جولای ۱۷۷۶ (زمان کنگره دوم قاره‌ای) را نشان دهد، هوش مصنوعی عموماً با دوره زمانی مطابقت داشت اما تابلوهای تبلیغاتی تصادفی اضافه کرد. با این حال، هنگام درخواست رندر سال‌های ۱۸۷۶ و ۱۹۷۶، مدل در جایگذاری دقیق ساختمان Public Ledger شکست خورد.
اگر گوگل ارث داده‌های واقعی پایگاه داده خود را به نانو بنانا می‌داد، هوش مصنوعی باید می‌دانست که هر دو نسخه ۱۸۶۷ و ۱۹۲۴ ساختمان را در آن گوشه قرار دهد. در عوض، نسخه ۱۹۷۶ کوچک‌تر شده بود و با ساختمان واقعی تفاوت داشت. نسخه ۱۸۷۶ از نظر سبک به سازه ۱۸۶۷ نزدیک‌تر بود، اما باز هم بسیار کوچک‌تر از ابعاد واقعی ساختمان بود. این موضوع ثابت می‌کند که نانو بنانا از پایگاه داده تاریخی گوگل ارث اطلاعات نمی‌گیرد، بلکه صرفاً بر اساس پیکسل‌های اسکرین‌شات حدس می‌زند.
موفقیت‌های خلاقانه: «The Compound»
این ابزار در بازطراحی ایزومتریک زمین بسیار موفق است. یک مثال بارز، منطقه «The Compound» در پالم‌بی فلوریدا است. این منطقه شامل ۲۵۰۰ هکتار زمین خالی و ۲۰۰ مایل جاده آسفالت شده در مراحل مختلف تخریب است؛ بقایایی از یک توسعه برنامه‌ریزی شده در اوایل دهه ۱۹۹۰ که منجر به ورشکستگی شد.
ساکنان قدیمی این منطقه را به‌عنوان کانون کلاهبرداری‌های املاک کلاسیک فلوریدا، قتل‌ها و آتش‌سوزی‌ها به یاد می‌آورند. در حال حاضر، این منطقه باعث شده است که حجم کاری اداره پلیس پالم‌بی بسیار بیشتر از آنچه اکثر شهرهای متوسط با آن مواجه‌اند، باشد. گویرتز که زمانی همسایه‌ای داشت که افسر پلیس پالم‌بی بود، از هوش مصنوعی استفاده کرد تا تاریخ جایگزینی را تجسم کند که در آن این منطقه یک کابوس برای اجرای قانون نباشد.
با استفاده از این ابزار، این تجربه شکست‌خورده از طریق دو پرامپت دقیق تغییر شکل یافت:
- جامعه پویا: درخواستی برای تبدیل زمین به جامعه‌ای با منطقه خرید، یک محله مسکونی و خانه‌هایی با سبک تاریخی متناسب با مرکز فلوریدا.
- عصر ویکتوریایی: بازطراحی منطقه در دوران ویکتوریا. از آنجایی که پالم‌بی در عصر ویکتوریایی وجود نداشت، هوش مصنوعی نسخه‌ای تخیلی همراه با اسب‌ها خلق کرد.
این تست‌ها نشان می‌دهد که این ویژگی در نهایت می‌تواند برای شهرسازانی که به دنبال تجسم تغییرات کلی چشم‌انداز و طرح‌های فرضی شهری هستند، مفید باشد.
شکاف‌های منطقی و «اطلاعات-غلط»
علیرغم موفقیت‌های ایزومتریک، هوش مصنوعی با ثبات منطقی و تولید متن مشکل دارد:
- اینفوگرافیک‌ها: درخواستی برای «ایجاد یک اینفوگرافیک ساده و قابل فهم از تالار استقلال» منجر به چیزی شد که گویرتز آن را یک «Misinfographic» (اطلاعات-غلط) می‌نامد. هوش مصنوعی خیابان‌های واقعی فیلادلفیا را جابه‌جا کرد و در نوشتن متن برای Congress Hall و Old City Hall به شدت دچار مشکل شد.
- منطق استیم‌پانک: یک رندر استیم‌پانک از فیلادلفیا استتیک کلی را درست اجرا کرد اما جایگذاری منطقی نداشت. چرخ‌دنده‌های غول‌پیکر نه تنها روی ساختمان Public Ledger، بلکه به‌صورت تصادفی در مناطق چمن‌زار پارک قرار گرفته بودند. گویرتز این وضعیت را به یک بازی ویدئویی تشبیه کرد که در آن طراح مراحل کنترل محیط را از دست داده است.
- توهمات آینده: درخواستی برای تصور تالار استقلال ۵۰۰ سال در آینده، منجر به ایجاد یک «آرشیو ژنتیکی اخلاقی» (Ethical Genomic Archive) شد. وقتی از جمینای علت این انتخاب پرسیده شد، توضیح داد که اخلاقیات جامعه در آینده از دموکراسی سیاسی به بیوتکنولوژی تغییر می‌یابد و بر مهندسی ژنتیک، ویرایش ژن، کلونینگ و تبعیض ژنتیکی تمرکز می‌کند.
آزمایش‌های دیستوپیایی
انعطاف‌پذیری این ابزار اجازه سوءاستفاده‌های خلاقانه افراطی را می‌دهد. در مجموعه‌ای از پرامپت‌های پسا-آخرالزمانی برای فیلادلفیا، هوش مصنوعی در ابتدا تالار استقلال و ساختمان Public Ledger را به ویرانه تبدیل کرد. نکته قابل توجه این بود که هوش مصنوعی کاملاً فراموش کرد در مرحله قبل «آرشیو ژنتیکی اخلاقی» را خلق کرده بود.
پرامپت‌های بعدی، صحنه را به یک «מצעره مامرز دیستوپیایی» (Dystopian Mummers Parade) تبدیل کرد که شامل موارد زیر بود:
- زامبی‌ها
- دلقک‌های شرور
- ربات‌های غول‌پیکر بیگانه (Alien Mechs)
وقتی به مدل گفته شد «همه آن‌ها را شاد کن»، هوش مصنوعی نسخه‌ای از «شادترین شهربازی» را در یک شهر ویران تولید کرد. گویرتز اشاره کرد که این نسخه از فیلادلفیا، به‌ویژه برای اول ژانویه، باورپذیر به نظر می‌رسید.
معماری «اتصالی» (Bolt-On)
پیاده‌سازی فعلی بیشتر شبیه به یک اکسسوری یدکی است تا یک ویژگی عمیقاً ادغام شده. به‌جای کار با دانش عمیق از محیط نمایش داده شده روی صفحه، گوگل ارث صرفاً یک اسکرین‌شات و یک پرامپت را به نانو بنانا می‌فرستد. تولیدکننده تصویر، داده‌های سیستم اطلاعات جغرافیایی (GIS) یا متادیتای مکان را نمی‌خواند.
از آنجایی که هوش مصنوعی به‌جای استفاده از پایگاه داده گسترده نقشه‌برداری گوگل، چیدمان‌ها را بر اساس پیکسل‌ها حدس می‌زند، همچنان یک «اسباب‌بازی بصری» باقی می‌ماند. فقدان دسترسی به محیط با رزولوشن بالاتر استریت ویو، کاربرد آن را برای کارهای حرفه‌ای معماری یا برنامه‌ریزی شهری محدودتر می‌کند. این گسست نشان می‌دهد که گوگل هنوز شکاف بین داده‌های مکانی خود و مدل‌های زاینده‌اش را پر نکرده است.
تا زمانی که هوش مصنوعی بتواند در لحظه به مختصات واقعی جهان و متادیتای ساختمان‌ها ارجاع دهد، این ابزار یک کنجکاوی است تا یک ابزار کاربردی. کاربران باید منتظر به‌روزرسانی‌های آتی باشند که آگاهی مکانی عمیق‌تری را معرفی کنند، زیرا گوگل معمولاً نسخه‌های اولیه را برای ارائه قابلیت‌های توانمندتر در طول زمان تکرار و اصلاح می‌کند.
گام بعدی شما
- اگر طراح شهری یا معمار هستید، از این ابزار برای ایده‌پردازی‌های اولیه (Moodboard) استفاده کنید، اما هرگز برای مستندات فنی به آن اعتماد نکنید.
- برای رندرهای دقیق‌تر، تصویر را از استریت ویو استخراج کرده و با پرامپت‌های ساختاری در جمینای پردازش کنید.
- تغییرات در نحوه دسترسی مدل‌های مولد به داده‌های GIS را دنبال کنید تا زمان تبدیل این «اسباب‌بازی» به «ابزار» را بدانید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو