هل تساءلت يوماً كيف تعمل أدوات تحسين الصور بالذكاء الاصطناعي دون رفع صورك؟ فريق وراء أداة ClearPix كشف كيف تمكنوا من تشغيل نماذج ذكاء اصطناعي قوية مثل LaMa وReal-ESRGAN مباشرة في متصفحك، متغلبين على تحديات تقنية ضخمة لتقديم تنظيف وتكبير فوري وخاص للصور.
مرحباً قراء ووندتِك! هل سبق لكم أن استخدمتم أداة عبر الإنترنت لإزالة علامة مائية أو تكبير صورة، وتساءلتم: «كيف تفعل ذلك بهذه السرعة دون أن أرفع أي شيء؟» حسناً، فريقاً يقف وراء مجموعة جديدة من أدوات تنظيف الوسائط تسمى ClearPix، شارك مؤخراً بعض الرؤى المثيرة للاهتمام حول كيفية تشغيل نماذج الذكاء الاصطناعي المتقدمة مثل LaMa Inpainting وReal-ESRGAN *بالكامل* داخل متصفح الويب الخاص بكم. هذا يعني خصوصية وسرعة مذهلتين لكم، حيث لا تغادر صوركم جهازكم أبداً!
بناء هذه الأدوات، التي تسمح لنموذج LaMa بحجم 198 ميجابايت بالعمل داخل علامة تبويب متصفحك، لم يكن بالأمر السهل. أكبر عقبة واجهوها كانت الذاكرة. تخيل أن علامة تبويب متصفحك تحاول استيعاب نموذج ذكاء اصطناعي ضخم، بالإضافة إلى الصورة التي تعمل عليها (صورة بدقة 4K وحدها تبلغ حوالي 33 ميجابايت!)، وجميع البيانات المؤقتة. على سبيل المثال، قد يغلق متصفح كروم علامة تبويب متصفحك دون سابق إنذار إذا نفدت الذاكرة. كما واجهوا مشاكل في استقرار برامج تشغيل الرسوميات، حيث قد تتوقف جلسة WebGPU عن العمل في منتصف العملية.
من المثير للاهتمام أن القوة الحسابية المطلقة (FLOPS) لم تكن المشكلة الرئيسية. أظهر تحليلهم أن الذكاء الاصطناعي المستند إلى المتصفح يحدده مدى سرعة نقل البيانات (أي محدود بعرض نطاق الذاكرة)، وليس سرعة الحساب الخام. لقد غير هذا الاكتشاف طريقة اختيارهم لنماذج الذكاء الاصطناعي. بدلاً من اختيار النموذج «الأقوى»، اختاروا خيارات مثل إصدار `general-x4v3` المدمج من Real-ESRGAN. هذا النموذج، على الرغم من أنه يبدو «أضعف» على الورق، أظهر أداءً أسرع بعشرة أضعاف في المتصفح لأن بنيته كانت ببساطة أكثر ملاءمة لبيئات المتصفح.
استخدموا حيلًا ذكية لجعل ذلك ممكناً. على سبيل المثال، قاموا عمداً بتثبيت نموذج التلوين الرئيسي الخاص بهم على WebAssembly (WASM) واستخدموا تقنية «الاستنتاج المبلّط» لتقسيم الصور الكبيرة إلى أجزاء أصغر، ومعالجتها دون إغراق ذاكرة متصفحك. هذا يمنع علامة تبويب المتصفح من الانهيار حتى عند التعامل مع الصور الكبيرة. قاعدتهم الأكثر أهمية؟ «حلل الأداء قبل أن تلمس أي شيء» – وهذا يعني أنهم يختبرون بدقة دائماً لمعرفة ما الذي يبطئ الأمور بالفعل قبل محاولة التحسين. إنها خطوة عملاقة إلى الأمام للذكاء الاصطناعي المستند إلى الويب، حيث توفر لكم أدوات قوية في متناول أيديكم دون الحاجة إلى رفع الملفات أو أجهزة خاصة.
بناء هذه الأدوات، التي تسمح لنموذج LaMa بحجم 198 ميجابايت بالعمل داخل علامة تبويب متصفحك، لم يكن بالأمر السهل. أكبر عقبة واجهوها كانت الذاكرة. تخيل أن علامة تبويب متصفحك تحاول استيعاب نموذج ذكاء اصطناعي ضخم، بالإضافة إلى الصورة التي تعمل عليها (صورة بدقة 4K وحدها تبلغ حوالي 33 ميجابايت!)، وجميع البيانات المؤقتة. على سبيل المثال، قد يغلق متصفح كروم علامة تبويب متصفحك دون سابق إنذار إذا نفدت الذاكرة. كما واجهوا مشاكل في استقرار برامج تشغيل الرسوميات، حيث قد تتوقف جلسة WebGPU عن العمل في منتصف العملية.
من المثير للاهتمام أن القوة الحسابية المطلقة (FLOPS) لم تكن المشكلة الرئيسية. أظهر تحليلهم أن الذكاء الاصطناعي المستند إلى المتصفح يحدده مدى سرعة نقل البيانات (أي محدود بعرض نطاق الذاكرة)، وليس سرعة الحساب الخام. لقد غير هذا الاكتشاف طريقة اختيارهم لنماذج الذكاء الاصطناعي. بدلاً من اختيار النموذج «الأقوى»، اختاروا خيارات مثل إصدار `general-x4v3` المدمج من Real-ESRGAN. هذا النموذج، على الرغم من أنه يبدو «أضعف» على الورق، أظهر أداءً أسرع بعشرة أضعاف في المتصفح لأن بنيته كانت ببساطة أكثر ملاءمة لبيئات المتصفح.
استخدموا حيلًا ذكية لجعل ذلك ممكناً. على سبيل المثال، قاموا عمداً بتثبيت نموذج التلوين الرئيسي الخاص بهم على WebAssembly (WASM) واستخدموا تقنية «الاستنتاج المبلّط» لتقسيم الصور الكبيرة إلى أجزاء أصغر، ومعالجتها دون إغراق ذاكرة متصفحك. هذا يمنع علامة تبويب المتصفح من الانهيار حتى عند التعامل مع الصور الكبيرة. قاعدتهم الأكثر أهمية؟ «حلل الأداء قبل أن تلمس أي شيء» – وهذا يعني أنهم يختبرون بدقة دائماً لمعرفة ما الذي يبطئ الأمور بالفعل قبل محاولة التحسين. إنها خطوة عملاقة إلى الأمام للذكاء الاصطناعي المستند إلى الويب، حيث توفر لكم أدوات قوية في متناول أيديكم دون الحاجة إلى رفع الملفات أو أجهزة خاصة.
