اگر میخواهید بدانید که هوش مصنوعی واقعاً میتواند چگونه نقاشی کند، تصور کنید که یک قلمنویس انسان هر برش قلم را به صورت دستی ثبت میکند، بدون امکان بازگشت به عقب. عامل هوش مصنوعی کلود فابل ۵.۲ این دقیقاً همین کار را میکند: هر برش قلم را به صورت کد پایتون ثبت میکند، بدون هیچ امکان «بازگشت به عقب». این رویکرد در ۱۵ نوامبر ۲۰۲۶ به نقل از the-decoder.com منتشر شد. این کار ادامهی تعهد محاسباتی ۹۰۱ میلیارد دلاری آنتاپیک قبل از عرضه عمومی رکوردشکن آن است. توسعهدهنده جیک ایتون، که در آنتاپیک کار میکند، این روش را در ایکس به نمایش گذاشت. او از کلود فابل ۵.۲ خواست تا نقاشیای بسازد که از یک عکس به سختی قابل تشخیص باشد. مدل حدود ۷۰۰ هزار برش قلم شبیهسازیشده در یک گاراژ پارکینگ تولید کرد. هر اثر یک برنامه پایتون ۱۰۰۰ تا ۲۰۰۰ خطی است که یک موتور نقاشی شبیهسازیشده را هدایت میکند. مدل بدون نیاز به یک مدل تصویر خارجی یا هرگونه تصویر پیشرندر یا ردیابیشده کار میکند. 
بیشتر ابزارهای هوش مصنوعی تصویر امروزی به مدلهای انتشار متکی هستند. آنها از نویز شروع میکنند و آن را به تدریج به یک نتیجه واضح تبدیل میکنند. مدل آنتاپیک به جای آن، شبیهسازی عمل فیزیکی نقاشی را انجام میدهد، از جمله بافت موهای قلم و اشتباهاتی که نقاش باید روی آنها نقاشی کند. ایتون برشها را با کامنتها هدایت میکند و مدل باید هر برش را ثبت کند، زیرا هیچ امکان «بازگشت به عقب» وجود ندارد. مهندس آنتاپیک، مایکل گرازیک یک لاگ چت و ویدیویی از یک پرنده در هنگام طلوع خورشید به اشتراک گذاشت. بوم نقاشی در دقیقاً ۱۱۱ برش در یک ویدیوی ۲۱ ثانیهای شکل گرفت. برای اولین برش، مدل کد رنگ #۳۰۳۴۶آ، عرض ۹۰ پیکسل و پنج نقطه راهنمای کمی لرزان تولید کرد. مدل گفت که لرزش را عمداً اضافه کرده است، زیرا بازوی انسان به طور کامل صاف نیست. در یک قطعه دوم، دو نفر در هنگام غروب خورشید در سراسر ۲۸۰ برش نقاشی میکنند. یک اثر نورپردازی متأخر به طور تصادفی قوطیهای رنگ و یک فنجان را روی میز به هم ریخت. کلود فابل ۵.۲ اشیاء را پس از آن بازسازی کرد. این مدل همچنین هر دو نقاش را وادار کرد تا با دستهای بیرونی خود نقاشی کنند تا شانههای داخلیشان به هم برسد، همانطور که در پرامپت درخواست شده بود. 
فراتر از نقاشی، آنتاپیک میگوید این مدل برای انجام وظایف فنی بسیار دشوار با افق زمانی طولانی ساخته شده است. در آزمایشهای داخلی، این مدل دو مسئله باز در فیزیک سیاهچاله را حل کرد و سه دستگاه الکترونیکی کارآمد با شرکت تولیدکننده مدار دایود طراحی کرد. این مدل همچنین از بیش از ۱۰۰۰ زیرعامل برای برنامهنویسی سیستم عامل لپتاپ خود در هشت روز استفاده کرد. این مدل همچنین حول یک نسخه به نام میثوس ۵.۲ ساخته شده است که برای محققان امنیتی و زیستشناسی تأییدشده طراحی شده است. همان استدلال مکانی به رباتهای فیزیکی منتقل میشود. محقق آریس ژو کلود فابل ۵.۲ را در برابر جیپیتی-۶ آسترا از اوپنایای قرار داد، که هر دو از یک بازوی رباتیک برای نقاشی ستارههای شب ونگوگ استفاده کردند. - کلود فابل ۵.۲ ۶۴.۹ درصد در بنچمارک داخلی روبودوژو سیم به دست آورد. - جیپیتی-۶ آسترا ۲۹.۸ درصد در همان آزمایش کسب کرد. آسترا سریعتر نقاشی کرد، اما تنها مدل اوپنایای توانست یک دومینو را روی هم قرار دهد.
این رویکرد به توسعهی پیشین آنتاپیک در تولید ۱۸۰ میلیون خط کد اثبات رسمی توسط کلود پیوسته است.
این روش فرضهای رایج در مورد ناتوانی مدلهای زبانی در انجام کارهای ظریف بصری را تغییر میدند. با در نظر گرفتن نقاشی به عنوان یک برنامه، کلود فابل ۵.۲ میتواند از طریق هزاران دستور فردی، چشمانداز، نورپردازی و بافت را کنترل کند. کامنتهای ایتون به عنوان سیگنالهای هدایتکننده عمل میکنند، همانطور که یک مدیر هنری به یک نقاش دستور میدهد. برای خوانندگان، این بدان معناست که هنر تولیدشده توسط هوش مصنوعی به زودی ممکن است شواهد قابل مشاهدهای از یک فرآیند داشته باشد، نه فقط یک سطح نهایی. شما نیازی به کدنویسی ندارید تا این تغییر را احساس کنید. وقتی یک هوش مصنوعی میتواند برشهای قلم خود را اصلاح کند و یک فنجان ریختهشده را بازسازی کند، به رفتاری نزدیکتر به یک هنرمند انسانی در اتاق میرسد. این فناوری همچنان محدودیتهایی دارد: آسترا سریعتر نقاشی میکند و کنترل حرکات ظریف همچنان در حال توسعه است. مراقب باشید که آنتاپیک جزئیات بیشتری در مورد میثوس ۵.۲، نسخهای که برای محققان امنیتی و زیستشناسی تأییدشده ساخته شده است، منتشر کند. در همین حال، میتوانید از یک مدل زبانی بخواهید تا نقاشی را برش برش توصیف کند و ببینید که استدلال مکانی آن در کجا شکست میخورد.
گام بعدی شما
- یک مدل زبانی را امتحان کنید و از آن بخواهید تا یک نقاشی را برش برش توصیف کند تا نقاط ضعف استدلال مکانی آن را کشف کنید.
- به وبلاگ آنتاپیک مراجعه کنید تا جزئیات بیشتری در مورد میثوس ۵.۲ و کاربردهای آن برای محققان امنیتی و زیستشناسی بیابید.
- به مقالهای در مورد نحوه استفاده از مدلهای کدنویسی برای آموزش مدلهای هوش مصنوعی با قابلیتهای بصری مرتبط با واقعیت مراجعه کنید.




گفتگو