Loab چیست؟ داستان چهره ترسناکی که هوش مصنوعی بارها بازسازی کرد

در سال ۲۰۲۲، هنرمندی هنگام کار با ابزارهای تولید تصویر هوش مصنوعی به چهرهای عجیب و ترسناک رسید که در آزمایشهای بعدی نیز بارها ظاهر شد. این تصویر که بعدها Loab نام گرفت، با چهرهای رنگپریده، گونههای سرخ و نگاهی خیره، به یکی از نمونههای بحثبرانگیز و مرموز در دنیای هنر هوش مصنوعی تبدیل شد.
اما چرا یک مدل هوش مصنوعی ممکن است بارها تصویری مشابه تولید کند؟ ماجرای Loab فقط به یک چهره غیرعادی محدود نمیشود؛ بلکه پرسش جالبی درباره نحوه عملکرد مدلهای تولید تصویر و رفتار پیشبینیناپذیر آنها مطرح میکند.
Loab چگونه کشف شد؟
داستان Loab به سال ۲۰۲۲ برمیگردد؛ زمانی که هنرمندی با نام مستعار Supercomposite در حال آزمایش یک ابزار تولید تصویر مبتنی بر هوش مصنوعی بود. او با استفاده از دستورهای متنی و روشهایی برای تغییر جهت تولید تصویر، به چهرهای رسید که ظاهر غیرمعمولی داشت.
Supercomposite متوجه شد که این چهره در برخی آزمایشهای بعدی نیز دوباره ظاهر میشود. حتی وقتی تصاویر تولیدشده را با دستورهای متفاوت ترکیب یا تغییر میداد، نشانههایی از همان چهره در خروجیها دیده میشد.
او این تصویر را Loab نامید و نمونههایی از آزمایشهای خود را در شبکههای اجتماعی منتشر کرد. تصاویر بهسرعت توجه کاربران را جلب کردند و بحثهای زیادی درباره علت تکرار این چهره در خروجیهای هوش مصنوعی شکل گرفت.
چرا هوش مصنوعی بارها تصویر Loab را تولید میکرد؟
برای درک این اتفاق، باید با نحوه عملکرد مدلهای تولید تصویر آشنا شویم. این مدلها با بررسی حجم زیادی از تصاویر و ارتباط میان آنها و توضیحات متنی آموزش میبینند. سپس با استفاده از الگوهایی که آموختهاند، میتوانند بر اساس یک دستور متنی تصویر تازهای بسازند.
در فرایند تولید تصویر، مدل از یک نقطه در فضای نهفته (Latent Space) شروع میکند و با انجام محاسبات، به تصویری میرسد که با ورودی کاربر هماهنگ باشد. این فضا را میتوان مجموعهای پیچیده از ویژگیها و الگوهای آموختهشده در نظر گرفت که مدل برای ساخت تصاویر از آن استفاده میکند.
در آزمایشهای Supercomposite، استفاده از دستورهای منفی (Negative Prompts) و تغییر مسیر تولید تصویر باعث شد خروجیهایی غیرمنتظره ایجاد شوند. به نظر میرسید برخی مسیرهای تولید تصویر به چهرههایی نزدیک به Loab منتهی میشوند.
البته این موضوع به معنای وجود یک تصویر ثابت و پنهان درون هوش مصنوعی نیست. مدلهای مولد بر اساس الگوهای آماری کار میکنند و گاهی ترکیب این الگوها به خروجیهایی تکرارشونده یا غیرمنتظره منجر میشود.

آیا Loab یک موجود یا شخصیت مستقل در هوش مصنوعی است؟
خیر. با وجود روایتهای عجیبوغریبی که درباره Loab منتشر شد، هیچ مدرکی وجود ندارد که نشان دهد این تصویر هویت، آگاهی یا وجود مستقلی دارد.
Loab را باید نتیجه آزمایش با یک مدل تولید تصویر دانست؛ تصویری که به دلیل ظاهر خاص و تکرار در برخی خروجیها مورد توجه قرار گرفت. حتی اگر یک مدل بارها تصویری مشابه تولید کند، این اتفاق بهتنهایی نشاندهنده وجود یک شخصیت یا موجود مستقل درون آن نیست.
بخشی از جذابیت داستان نیز به تفسیرهای انسانی برمیگردد. وقتی افراد یک چهره ترسناک را در چند تصویر متفاوت میبینند، ممکن است آن را بهعنوان یک شخصیت واحد تصور کنند؛ درحالیکه از نظر فنی، مدل صرفاً در حال تولید خروجی بر اساس الگوهای آموختهشده است.
چرا داستان Loab در دنیای هوش مصنوعی اهمیت دارد؟
ماجرای Loab نمونهای جالب از رفتار غیرقابلپیشبینی مدلهای مولد است. این مدلها همیشه خروجیهایی مطابق انتظار کاربران تولید نمیکنند و گاهی ترکیب الگوهای آموختهشده به نتایجی میرسد که حتی برای سازندگان و کاربران آنها نیز عجیب است.
این اتفاق همچنین نشان میدهد که مدلهای هوش مصنوعی لزوماً مانند انسان مفاهیمی مثل ترس، هویت یا شخصیت را درک نمیکنند. آنها بر اساس دادهها و الگوهای آماری آموزش میبینند و تصویری را تولید میکنند که از نظر محاسباتی با ورودی و شرایط تولید سازگار باشد.
از طرف دیگر، داستان Loab یادآوری میکند که نباید هر خروجی عجیب هوش مصنوعی را به پدیدهای فراطبیعی یا رازآلود نسبت داد. گاهی یک آزمایش ساده میتواند به نتیجهای غیرمنتظره برسد و بهدلیل واکنش کاربران، به داستانی فراگیر در اینترنت تبدیل شود.
جمعبندی
Loab چهرهای غیرمعمول بود که در جریان آزمایشهای یک هنرمند با ابزارهای تولید تصویر هوش مصنوعی در سال ۲۰۲۲ ظاهر شد و در برخی خروجیهای بعدی نیز تکرار شد. این اتفاق توجه زیادی را به خود جلب کرد، اما شواهدی برای مستقل بودن یا داشتن آگاهی این تصویر وجود ندارد.
اهمیت ماجرای Loab بیشتر از آنکه به خود این چهره مربوط باشد، به رفتار پیچیده و گاهی پیشبینیناپذیر مدلهای مولد برمیگردد؛ مدلهایی که هنوز هم میتوانند خروجیهایی تولید کنند که در نگاه اول عجیب و غیرقابلتوضیح به نظر میرسند.