مجموعة بيانات الحد الأدنى من المحتوى الدلالي (MSC): مورد كبير ومتوازن لأبحاث الجماليات الحاسوبية

لماذا قياس الجمال في الصور أصعب مما يبدو

لماذا تبدو بعض الصور جميلة لدينا بينما تبدو أخرى مملة أو قبيحة؟ قد تظن أن العلماء يمكنهم الإجابة عن ذلك بقياس الألوان والتباين أو الأنماط في الصورة. لكن هناك مشكلة: استجاباتنا متشابكة مع ما تُظهره الصورة—أشخاص، أماكن، رموز، وذكريات. تُقدم هذه المقالة مجموعة صور جديدة مصممة بعناية تحاول إزالة تلك المشتتات حتى يتمكن الباحثون من التركيز على كيفية استجابة العين والدماغ للمظهر الخام للصورة نفسها.

إخراج القصة من الصورة

تُبنى معظم قواعد البيانات الشائعة المستخدمة في البحث من مواقع مشاركة الصور والمسابقات على الإنترنت. هذه المصادر تحمل عناوين ومواضيع وإشارات ثقافية توجه بهدوء كيفية تقييم الناس لها. نكتة ذكية تناسب موضوع مسابقة يمكن أن تجعل صورة متواضعة تفوز. رموز قوية مثل الأعلام قد تحصل على درجات عالية لأسباب ثقافية أكثر من أسباب بصرية. علاوة على ذلك، نادراً ما ينشر الناس صوراً سيئة حقاً، لذلك قواعد البيانات الحالية مزدحمة بصورٍ جيدة أو أفضل. مجتمعة، يصعّب ذلك معرفة ما إذا كان التقييم المرتفع ناتجاً عن طريقة بناء الصورة—ألوانها وملمسها وأشكالها—أم عن معناها.

بناء عالم من المشاهد الهادئة

لمعالجة ذلك، أنشأ المؤلفون قاعدة بيانات الحد الأدنى من المحتوى الدلالي (MSC): أكثر من عشرة آلاف صورة مختارة لتكون غنية بصرياً لكنها منخفضة «القصة» قدر الإمكان. بدأوا بصور في الملكية العامة ومجموعات شخصية، ثم أزالوا أي صور تحتوي على أشخاص أو حيوانات أو مبانٍ أو كتابة أو عناصر رمزية قوية. كما تجنبوا المشاهد ذات طابع البطاقات البريدية التي من المحتمل أن تثير ذكريات أو عواطف قوية. ما تبقى هي في الغالب قطع من الطبيعة—أوراق، لحاء، صخور، سحب، أسطح مائية، وأرضيات غابية. هذه المشاهد ليست بلا معنى تماماً، لكنها أكثر تجانساً في الموضوع. وهذا يجعل اختلافات أحكام الناس أكثر احتمالاً أن تنتج عن خصائص بصرية مثل اللون والضوء والتركيب بدلاً من من أو ما يتم تصويره.

اختراع أداة لصنع الجمال والقبح عند الطلب

حتى مع هذا الفرز الدقيق، كانت المجموعة الأولية ما تزال تميل إلى صور ذات مظهر لطيف. للحصول على فهم علمي جيد للجمال، يحتاج الباحثون أمثلة منتشرة بالتساوي من القبيح جداً إلى الجميل جداً. لذلك بنى الفريق برنامج تحرير بسيط أطلقوا عليه لقب «المقبح». استخدمه أربعون متطوعاً لدفع صور مختارة في اتجاهين: جعلها جميلة قدر الإمكان أو قبيحة قدر الإمكان، عن طريق ضبط منزلقات السطوع والتباين ومزيج الألوان والحدة والضوضاء والقص وبعض التحولات المتقدمة. كما سجّل الباحثون بعض وصفات التحرير هذه وطبقوها تلقائياً على صور أخرى، مضيفين دفعة كبيرة من النسخ «القبيحة» الآلية. أنتج ذلك مزيجاً واسعاً من الصور الأصلية والمزيدة جمالاً والمقحمة والنسخ المقحمة تلقائياً.

طلب التصويت من آلاف الأشخاص بعينهم

بعد ذلك، لجأ المؤلفون إلى منصة تمويل جماعي مدمجة في لعبة على الإنترنت، جاذبين أكثر من عشرة آلاف لاعب حول العالم. عُرضت كل صورة في مجموعة MSC على مئة مشاهد غير خبير مختلف، قيّموا جمالها بمقياس بسيط من خمس درجات من قبيح جداً إلى جميل جداً. ساعدت أمثلة تدريبية عند النهايات الناس على استخدام نطاق المقياس بالكامل. أزالت فحوص الجودة الدقيقة اللاعبين الذين بدا أنهم ينقرون عشوائياً. النتيجة النهائية هي مجموعة صور يدعم كل مشهد فيها تاريخ تقييم غني، وممثلة حيث الصور القبيحة والمتوسطة والجميلة موجودة جميعها بشكل جيد بدلاً من تجمعها في المنتصف.

ما الذي تكشفه هذه البيانات عن الجمال والتركيب البصري

بوجود مجموعة متوازنة بين يديهم، فحص الفريق كيف ترتبط العشرات من خصائص الصورة الأساسية—مثل التباين، وتغير اللون، وكثافة الحواف، والتناظر، والملمس الشبيه بالكسور—بتقييمات الجمال. وجدوا أنه عندما تتوزع الدرجات بالتساوي عبر نطاق القبيح–الجميل، تصبح الروابط بين هذه الخصائص منخفضة المستوى وأحكام الناس أوضح وغالباً أقوى. في بعض الحالات، ينعكس اتجاه العلاقة مقارنة بما يُرى في قواعد البيانات القديمة المتحيزة. كما تحققوا مما إذا كان «المقبح» قد أنتج نوعاً ضيقاً وصناعياً من القبح؛ بدل ذلك، تبين أن الصور المحررة تشترك في إحصائيات أساسية مماثلة مع النسخ الأصلية منخفضة التقييم طبيعياً، ما يشير إلى أن التعديلات التقطت ميولات بصرية حقيقية بدلاً من تطرفات كرتونية.

لماذا هذا مهم لفهم الذوق

بالنسبة للقارئ العادي، الخلاصة هي أن العلماء يمكنهم الآن دراسة الذوق البصري بطريقة أنظف. تقدم قاعدة بيانات MSC عالماً من المشاهد الهادئة، وغالباً الطبيعية، حيث يعتمد الجمال والقبح أساساً على المظهر لا على من أو ما يُمثّل. هذا يجعلها منصة اختبار قوية لعلم النفس وعلوم الأعصاب والذكاء الاصطناعي التي تهدف للتنبؤ بالتفضيلات الجمالية من بنية الصور وحدها. لاحقاً يمكن إعادة إضافة المعنى والسياق الثقافي الأكثر تعقيداً. بالبدء بصور تقول القليل للغاية وتبدو مختلفة بشدة، يساعد مشروع MSC على توضيح مدى اعتماد إحساسنا بالجمال على العين قبل أن تضيف العقل قصصه.

الاستشهاد: Penacchio, O., Javed, A., Raducanu, B. et al. The Minimum Semantic Content (MSC) Dataset: A Large, Balanced Resource for Computational Aesthetics Research. Sci Data 13, 470 (2026). https://doi.org/10.1038/s41597-026-06816-0

الكلمات المفتاحية: الجماليات البصرية, قاعدة بيانات الصور, تقييمات جماعية, الجمال الحاسوبي, الأنسجة الطبيعية