AI لتعديل الصور: صعود قوي في 2025، 4 معايير تميزها عن فلاتر 2020

معلومات اعتبارًا من أكتوبر 2026

الفرق بين التعلم العميق والأساس المنطقي

• وقت المعالجة في غضون ثانيتين
• 128 نقطة للتعرف على المعالم
• معدل الخطأ 15-40% حسب ظروف الإضاءة

في عام 2020، سطوع كامل، وفي عام 2025، التعرف على المناطق

في عام 2020، طبقت المرشحات سطوعًا وتشبعًا موحدين على الصورة بأكملها. أصبحت بؤبؤ العين والجلد والخلفية كلها أكثر سطوعًا بنفس الطريقة.

في عام 2025، يقوم تصحيح الصور بالذكاء الاصطناعي بتقسيم الوجه إلى 128 معلمًا مميزًا وقراءتها. يتعرف على بؤبؤ العين والشفاه والجلد والشعر بشكل منفصل، ويطبق تصحيحات مختلفة على كل منطقة.

هذا هو الاختلاف الذي يمثل مفترق الطرق بين التعلم العميق (Deep Learning) والأساس المنطقي (Rule-based).

الأساس المنطقي يطبق صيغة ثابتة مثل "سطوع +20، تشبع +10"، بينما يتعلم التعلم العميق من أكثر من مليون صورة وجه ليقرر بنفسه "هذه المنطقة جلد، لذا اجعل الشوائب فقط باهتة، وتلك المنطقة بؤبؤ عين، لذا اجعلها واضحة".

بيانات التدريب تحدد النتائج

السبب في اختلاف نتائج تطبيقات التصحيح بالذكاء الاصطناعي هو اختلاف البيانات التي تم تدريبها عليها.

إذا كان التطبيق "أ" قد تم تدريبه بشكل أساسي على صور سيلفي لعشرينيات العمر، والتطبيق "ب" على صور إثبات هوية لأربعينيات العمر، فعند إدخال نفس الوجه، سيركز "أ" على تكبير العينين، بينما سيركز "ب" على إزالة الشوائب.

لذلك، فإن الاعتقاد بأن "تصحيح الذكاء الاصطناعي كله متشابه" هو سوء فهم. تختلف نقاط القوة اعتمادًا على الفئة العمرية وبيئة التصوير والغرض من التصحيح الذي تم تدريب الصور عليه.

هذا هو سبب الاختلافات التي نسمعها في مراجعات المستخدمين مثل "هذا التطبيق يجعل البشرة طبيعية" أو "هذا التطبيق يجعل شكل العين غريبًا".

تتغير النتائج أيضًا مع تغير الإضاءة والزاوية

يكمن حد تصحيح الذكاء الاصطناعي في أن معدل الخطأ يمكن أن يصل إلى 15-40% اعتمادًا على جودة الصورة المدخلة.

إذا قمت بإدخال صورة سيلفي أمامية تحت إضاءة فلورسنت وصورة جانبية في الهواء الطلق إلى نفس التطبيق، فسيختلف تفسير لون البشرة بدءًا من ذلك.

عندما تتغير درجة حرارة لون الإضاءة من 3000 كلفن (لون المصباح) إلى 6500 كلفن (ضوء النهار)، يقرأها الذكاء الاصطناعي على أنها بشرة مختلفة.

تختلف النتائج أيضًا بين الوجه المكياج والوجه العاري. إذا غطى كريم الأساس المسام، فقد لا يتمكن الذكاء الاصطناعي من قراءة نسيج البشرة الأصلي، مما قد يؤدي إلى تصحيح مفرط أو تخطي التصحيح تمامًا.

لهذا السبب تحدث أشياء مثل "كان طبيعيًا بالأمس ولكنه غريب اليوم" لنفس التطبيق.

تحذير يمكنك التحقق من اتساق التطبيق عن طريق مقارنة 2-3 صور تم التقاطها بنفس الزاوية والإضاءة وإدخالها. إذا كانت النتائج مختلفة في كل مرة، فهذا يعني أن التطبيق لم يتم تدريبه بشكل كافٍ.

لماذا لا ينبغي استخدام النتائج كمعيار للإجراءات

هناك أشخاص يصدقون نتائج تصحيح الذكاء الاصطناعي ويعتبرونها محاكاة لـ "ما يمكن أن يصبح عليه وجهي". بصراحة، هذا خطير.

نظرًا لأن الذكاء الاصطناعي يحكم بناءً على صورة ثنائية الأبعاد فقط، فإنه لا يعرف سمك الجلد الفعلي أو بنية العضلات أو موقع العظام.

إذا ذهبت إلى عيادة جراحة التجميل بصورة تم فيها تكبير العينين بالتصحيح، فقد تسمع ردًا مثل "هذا غير ممكن بسبب بنية العظام".

تصحيح الذكاء الاصطناعي هو مجرد مرجع لـ "كيف يمكن أن يبدو في هذه الزاوية"، وليس تشخيصًا أو خطة علاج.

إذا كنت ستستخدمه في استشارة في عيادة جلدية أو جراحة تجميل، فمن الواقعي إحضار الصورة الأصلية قبل التصحيح واستخدامها فقط لشرح الاتجاه العام لـ "أرغب في هذا النوع من التغيير".

• التحقق من مصدر بيانات التدريب هو المعيار الأول للجودة
• اختبار بالصور الملتقطة بزوايا وإضاءة ثابتة

مقارنة التعلم العميق مقابل الأساس المنطقي

معتقدات خاطئة شائعة

نتائج تصحيح الذكاء الاصطناعي، لا تستخدمها بهذه الطريقة

• اعتبار صور التصحيح هدفًا للإجراء وطلب "افعلوا لي هذا" - الصور ثنائية الأبعاد لا تعرف بنية العظام/العضلات
• الحكم الذاتي على حالة البشرة باستخدام صور الوجه المكياج - قد يخطئ الذكاء الاصطناعي في اعتبار كريم الأساس بشرة أصلية
• عدم التحقق من سياسة التخزين والحذف قبل تحميل صور الوجه - تعيد بعض التطبيقات استخدامها كبيانات تدريب

أسئلة متكررة

مصادر

1. اتجاهات تكنولوجيا التعرف على الوجه القائمة على التعلم العميق - الجمعية الكورية لعلوم الحاسوب، 2024
2. دراسة حول درجة حرارة لون الصورة وخطأ الحكم بالذكاء الاصطناعي - جمعية رؤية الكمبيوتر، 2023

هذا المحتوى مقدم لغرض المعلومات فقط ولا يحل محل المشورة الطبية. استشر دائمًا أخصائيًا قبل الإجراء.

ابحث عن العيادة المناسبة لي في K-Dia