إطلاق OpenAI Images 2.0: ثورة "التفكير" و"النص" في توليد الصور

في أبريل 2026، كُتب فصل جديد في تاريخ توليد الصور بالذكاء الاصطناعي. وإن نموذج توليد الصور من الجيل القادم "OpenAI Images 2.0 (gpt-image-2)"، الذي أعلنت عنه OpenAI بترقب كبير، يقلب تماماً المفهوم التقليدي لـ "توليد الصور" الذي أرسته سلسلة DALL-E، مقدماً نموذجاً جديداً لـ "التفكير وبناء الصور". واستجابة للتحديات الثلاثة الكبرى التي واجهها الذكاء الاصطناعي لتوليد الصور لفترة طويلة — وهي "العجز عن كتابة النصوص"، و"انهيار المنطق الفيزيائي"، و"العجز عن التقاط نية المستخدم بدقة" — كانت إجابة OpenAI هي إعادة تصميم أساسية للمعمارية.

لماذا كان التحول المعماري إلى "النموذج ذاتي الرجوع" ضرورياً

في قلب نموذج Images 2.0 يكمن الابتعاد عن "نموذج الانتشار" (Diffusion Model)، الذي كان المعيار الفعلي لتوليد الصور بالذكاء الاصطناعي. فالنماذج السابقة كانت تعتمد على إزالة الضوضاء تدريجياً من كتلة عشوائية، وهو نهج يشبه النحت البشري. وبينما يناسب هذا الأسلوب الرسوم الفنية، إلا أنه يواجه قيوداً في الحفاظ على الهياكل المعقدة والنصوص والاتساق الفيزيائي.

في المقابل، يعتمد نموذج Images 2.0 "النموذج ذاتي الرجوع" (Autoregressive Model)، وهو نفس الأسلوب المستخدم في نماذج اللغة الكبيرة (LLMs) مثل ChatGPT. وبدلاً من معاملة الصورة كـ "مجموعة من البكسلات"، يعاملها كأصغر وحدات المعلومات التي تسمى "الرموز المرئية" (Visual Tokens) ويتنبأ logically بسلسلة البكسلات التالية، تماماً كما يتنبأ الذكاء الاصطناعي بالكلمة التالية.

حقيقة "وضع التفكير": الذكاء قبل التوليد

الميزة التي تميز Images 2.0 عن جميع النماذج السابقة هي إدخال "وضع التفكير" (Thinking Mode)، والذي يدرج عملية تفكير واستدلال قبل البدء في رسم الصورة. ويطبق هذا تقنية نماذج الاستدلال (مثل سلسلة o1) التي تم الإعلان عنها في عام 2025. وبدلاً من البدء في الرسم فوراً عند تلقي التعليمات، يتوقف نموذج Images 2.0 لابتكار الحل الأمثل قبل البدء بالعمل.

تحقيق مثالي لرسم الحروف والكلمات باللغة اليابانية

بالنسبة للمصممين والمسوقين اليابانيين، أصبح Images 2.0 أداة الأحلام. وذلك لأن "رسم الحروف اليابانية المعقدة (الهيراغانا والكاتاكانا والكانجي)"، والذي كان أكبر نقطة ضعف في الذكاء الاصطناعي لتوليد الصور وعائقاً للمستخدمين اليابانيين، قد تم التغلب عليه تماماً أخيراً.

فبالنسبة لنموذج Images 2.0، الذي يستخدم طريقة ذاتية الرجوع، فإن "رسم" النص هو نفس فعل قيام ChatGPT بـ "إخراج" النص. ويفهم الذكاء الاصطناعي شكل وترتيب ورموز كل حرف بعمق. ونتيجة لذلك، أصبح من الممكن رسم الحروف اليابانية بدقة دون خطأ واحد في الملصقات واللافتات وبنرات المواقع الإلكترونية.

[المصادر]

1. مدونة OpenAI الرسمية - إطلاق نموذج الصور Images 2.0 والتحول للمنطق البصري
2. صحيفة نيويورك تايمز - كيف يعيد نموذج التفكير الجديد لـ OpenAI تعريف الإبداع الرقمي
3. مجلة MIT Technology Review - نهاية عصر الانتشار البصري والدخول في الثورة ذاتية الرجوع للصور