طوَّر باحثان من جامعة بيتسبرغ نماذج مولِّدةً قادرةً على إنتاج وجوهٍ مُميَّزةٍ للإعلانات؛ إذ تستندُ دراستهم على عملٍ سابقٍ لهم يهتمُّ في استكشاف الطرائق الآلية لفهم الإعلانات على نحوٍ أفضل.

وبحسب قول (كريستوفر توماس) Christopher Thomas -أحد الباحثَين اللذين أجريا الدراسة لشركة

Tech Xplore-؛ فإنَّ الغاية من مشروعهم السابق هو اكتشاف ما إذا كانت الآلات قادرةً على فكِّ رموز العبارات الخطابية المرئية والمُعقَّدةِ الموجودة في الإعلانات؛ إذ تتضمَّنُ الإعلانات استعاراتٍ وعباراتٍ تتَّسمُ بالتلاعُب اللفظيِّ وحِيلًا بلاغية مُنمَّقة ومُقنِّعة، ما يجعُلها صعبةَ الفَهمِ بالنسبة للآلات. ولكنْ تجاوزت غايتهم في المشروع الحالي فهمَ الحواسيبِ للإعلانات إلى الكشف عن قدرتها على التوليد الآلي مثل هذا المحتوى المُقّنِع.

تتمثَّلُ المهمة الأساسية في صناعة الإعلانات في ترويجِ المُنتجات وإيصال الأفكارِ باستخدامِ كلامٍ جاذبٍ وصورٍ مُقنِّعةٍ. أيضًا تُعدُّ الوجوهُ أحدَ أكثرِ الجوانب الدلالية أهميّةً في الإعلانات، وغالبًا ما تُصوَّرُ بأشكالٍ مُختلفة تبعًا للمُنتَج المُعلَن عنه والرسالةِ المطلوبِ إيصالها.

لقد عَمِلَ "توماس" على هذا المشروع بالتعاون مع زميلته (أدريانا كوفاشكا) Adriana Kovashka، واستُخدِمَ تعلم الآلة لتوليد وجوهٍ مُقنِّعةٍ مناسبةٍ للإعلان مهما كان نوعه، واستخدما النماذج المولِّدة؛ أي نماذج تعلّمٍ آليٍّ من شأنها أن تتعلّم توليد بيانات مشابهة لما تدرَّبت عليه.

(صور إعلانات مولَّدة ضمن 17 تصنيف)


Image: https://techxplore.com/news/2018-08-machine-persuasive-ads.html

وفقَ شرحٍ قدَّمه (توماس) عن الموضوع؛ فإنه ضمن نموذج الرؤية الحاسوبية المُتَّبع هنا؛ تعمل المُرمِّزات الآلية عن طريق تعلّم تمثيل الصورة بمجموعة صغيرة من الأرقام، ومن ثمّ يتعلّم جزء ثانٍ من النموذج -وهو مفكك الرموز- آلية إعادة إنتاج الصورة الأصلية انطلاقًا من مجموعة الأرقام تلك.

يُمكنك تصوُّر ذلك على أنّه نوعٌ من أنواع الضغط؛ إذ تُمثَّلُ صورةٌ كبيرةٌ عن طريقِ القليل من الأرقام.

وعند انتهاء هذا النموذج من التدريب على مجموعةٍ كافيةٍ من البيانات، فإنَّه يبدأُ بتمثيل الجوانب الدلالية التي ذكرتها آنفًا عن طريقِ الأرقام، وعلى سبيل المثال؛ في النموذج المُطَوَّر هنا رقمٌ للتحكُّمِ بشكل الوجه، وآخر للتحكّم بلون البشرة، وهكذا من أجل بقيَّة الجوانب الدلالية.

لكن إذا ما أراد (توماس) و(كوفاشكا) للنموذج الآلي أن يأخذ بعين النظر ما إذا كان الشخص مرتديًا لنظاراتٍ أمْ لا عند إعادة بناء الصورة، فإنَّ هذه الخاصيّة لن تتحقق بسبب قلة عدد الصور التي تحوي أشخاصًا يرتدون نظارات في مجموعة التدريب، ولحلّ هذه المُعضلة طورا نموذجًا آليًا شرطيًا؛ ما يعني أنه بإمكانهم إضافة أرقامٍ -يُمكن عدّها ثانويَّةً- إلى النموذج من شأنها تمثيل سماتٍ دلاليةٍ قدْ تكون ذات صلة بإعلانات معينة ببساطة.

كما قال (توماس): "الجزء الرائع من هذا النموذج أنه بمُجرد تدريبه على تمثيل كل وجهٍ بـ 100 رقم، وإذا أردنا التعديل على الوجوه المتولِّدة؛ فإنه يمكننا ذلك عن طريق تعديلِ بعض هذه الأرقام ومن ثم فك ترميزها، وبذلك يكون بمقدورنا نسخ الوجوه الموجودة لتبدو مُتشابهة لكن بسماتٍ مُختلفة كوجود النظارات أو الابتسام أو عَدَمه وما إلى ذلك. ذلك  كلّه عن طريق تعديل بعض الأرقام التي يستخدمها نموذجنا لتمثيلهم- أي السمات الدلالية للوجه- فقط".

يُمكن أن يكون تدريب النماذج المولِّدة مهمةً صعبة؛ إذْ يتطلّب التدريب مجموعاتِ تدريبٍ ضخمةٍ من الصور، وغالبًا ما تفشل هذه العملية عندما تكون البيانات متنوعة للغاية كما في الإعلانات، وقدْ تغلّب الباحثان في هذا المشروع على هذه القيود من خلال استخدام نموذجٍ يتطلّب بيانات أقل، وقادر على تجاوز التنوع الضخم الموجود في الإعلانات.

يقول (توماس): "رغم ذلك، وبسبب عدم كفاية البيانات؛ أصبح النموذج غير قادر دائمًا على التقاط المفاهيم التي نريد منه تمثيلها، ولحلِّ ذلك أدخلنا الدلاليات على نحوٍ مدروسٍ في تمثيلها؛ مما أدَّى إلى تحسين النتائج على نحوٍ ملحوظ".

تشير النتائج التي توصل إليها الباحثان إلى أنّه سيتمكّن مروّجو الإعلانات في المستقبل من إنشاء إعلانات مخصَّصةٍ ومُوجَّهة مصمَّمة خصيصًا لزبائن مستقلين؛ إذ يمكنهم -على سبيل المثال- توليد وجوهٍ تحمل سمات مُشابهة للأشخاص الذين يشاهدون الإعلان ويستهدفهم، فيصبحون أكثر صلةً مع الموضوع.

وبالحديث عن فوائد هذا المشروع يقول (توماس): "من شأن هذا النمط من التخصيص التلقائي والدقيق للإعلانات أن يكون له تأثيراتٌ بالغةٌ في المُعلنين على شبكة الإنترنت. ضِف إلى ذلك أنّه يُمكن للمُعلِن الذي لا يرغب في استئجار نموذجٍ إضافيٍ لإعلانه أو إجراء تعديلٍ يدويٍّ تحويلُ أي وجهٍ يختاره من إعلان آخر إلى وجه مناسب لنوع الإعلان الخاص به".

حاليًا؛ يستكشف القائمان على المشروع طرائقَ من شأنها أن تساعدهم على تحسين نوعيَّة الصور المولًّدة، وبذلك يرتقون إلى جودة الصور المولَّدة باستخدام مجموعة تدريب تحوي بياناتٍ أكبر، وعليه فإنهم سيحتاجون إلى تصميم نماذج مولِّدة تكون أكثر قوةً عند تدريبها على بياناتٍ أكثر تباينًا ومحدودية. وبحسب قولهم؛ فهنالك سياقٌ مُحتمل آخر للأبحاث يتمثَّلُ في توليد أشياء إضافية إلى جانب الوجوه، أو توليد إعلانات جاذبة وهادفة على نحوٍ آلي كليًّا.

المصادر:
 هنا

 هنا