توليد أشكال ثلاثية الأبعاد على مستوى الأجزاء مدفوع باستدلال نوايا المستخدم مع تحسين بايزي تفضيلي

لماذا تهم أدوات التصميم الثلاثي الأبعاد الأذكى

كل من حاول بناء شيء ثلاثي الأبعاد—سواء قطعة أثاث في تطبيق تصميم منزلي أو شخصية في لعبة—يعرف كم يمكن أن تصبح الخيارات مربكة بسرعة. يمكن للذكاء الاصطناعي الحديث توليد أشكال ثلاثية الأبعاد مذهلة من مطالبات بسيطة، لكنه نادراً ما يفهم بالضبط ما الذي يعجب الشخص في التصميم. يعرض هذا البحث نظام BOgen الجديد، الذي يساعد المصممين على إنشاء كراسي عن طريق مزج ومطابقة الأجزاء، بينما يتعلم الذكاء الاصطناعي بهدوء تفضيلاتهم ويوجههم نحو خيارات أفضل.

من مطالبات نصية إلى اختيارات ثلاثية الأبعاد ذات معنى

يمكن للتطورات الحديثة في الذكاء الاصطناعي التوليدي تحويل أوصاف نصية مثل «كرسي طعام خشبي مع مسند ظهر منحني» إلى نماذج ثلاثية الأبعاد مفصلة. ومع ذلك، تركز هذه الأدوات بشكل أساسي على عامل الإبهار البصري. فهي تقدم القليل لدعم القرارات الفوضوية والتكرارية التي يتخذها المصممون فعلياً، خاصة عندما يريدون استبدال أجزاء محددة—مثل دمج أرجل كرسي مع مسند ظهر من كرسي آخر. يجادل المؤلفون بأن النظام المفيد يجب أن يعطي أولوية لنوايا المصمم أكثر من المظاهر الجذابة ويجب أن يعمل على مستوى الأجزاء، وليس فقط على مستوى الجسم الكامل. يتعامل BOgen مع هذا الجمع بين مولد شكل ثلاثي الأبعاد قوي وواجهة تتيح للمستخدمين اختيار ومقارنة وإعادة تركيب أجزاء الكرسي بينما يتتبع النظام ما يفضّلونه.

تحويل كون أشكال معقد إلى خريطة بسيطة

وراء كل كرسي ثلاثي الأبعاد مولد يوجد رمز عالي البعد يصف هيكله العام وأجزائه. البحث مباشرة في هذا الفضاء الضخم سيكون بطيئاً للغاية لأداة تفاعلية. لحل ذلك، يدرب المؤلفون مشفراً تباينياً ذاتياً (VAE) لضغط معلومات البنية لكل كرسي—وخاصة ترتيب الأجزاء—إلى رقمَين فقط. يضع هذان الرقمان كل كرسي ممكن على «خريطة استكشاف» مسطحة. النقاط القريبة تمثل كراسي ذات أشكال عامة متشابهة، بينما النقاط البعيدة تمثل أنواعاً مختلفة تماماً، من كراسي طعام بسيطة إلى قطع زخرفية أو غير معتادة. تتيح هذه الخريطة للمصممين التجول في كون تصميمي معقد كما لو كانوا يتصفحون أطلساً ثنائي الأبعاد للاحتمالات الممكنة للكرسي.

السماح للذكاء الاصطناعي باستنتاج التفضيل من أفعال بسيطة

BOgen لا يكتفي بعرض الخيارات؛ بل يتعلم من تصرفات المستخدمين. عندما يعلّم المصمم كرسيًا مفضلاً، أو يمر بمؤشر الفأرة فوق أمثلة على الخريطة، أو يطلب المزيد من التصاميم «مماثلة لهذا»، يتعامل النظام مع هذا الاختيار كدلالة على ما يهم—ربما مسند ظهر مدوّر، أرجل نحيلة، أو مساحة أرضية مدمجة. تقنية تسمى التحسين البايزي التفضيلي تُنمذج هذه الإشارات كتفضيلات نسبية بدلاً من درجات صريحة. تُقدّر هذه التقنية أي مناطق من خريطة الاستكشاف من المرجح أن تحتوي على تصاميم سيحبها المستخدم وأي مناطق تبقى غير مؤكدة. باستخدام هذا التقدير، يختار النظام نقاطاً جديدة على الخريطة لعينة، موازناً بين الخيارات الآمنة التي تطابق الذوق الحالي والاقتراحات المخاطِرة التي قد تكشف عن اهتمامات جديدة.

التصميم عن طريق تبديل ودمج الأجزاء

داخل واجهة BOgen، يمكن للمستخدمين اختيار كرسي «رئيسي» وكرسي «فرعي» وتركيب تصميم جديد مباشرة عن طريق استيفاء أجزاءهما—على سبيل المثال، دمج مسند ظهر من كرسي مع أرجل كرسي آخر. يعيد المولد الثلاثي الأبعاد القائم على الوعي بالأجزاء بناء نموذج ثلاثي الأبعاد كامل من هذه المكونات المدمجة. يتم وضع كل تصميم جديد مرة أخرى على خريطة الاستكشاف، حتى يرى المصممون موقعه بالنسبة إلى الخيارات الأخرى. مع مرور الوقت، ومع تكرار دورة الاستكشاف وتبديل الأجزاء، يصقل النظام فهمه لأي التركيبات واعدة ويقدّم اقتراحات أكثر استهدافاً، متشاركاً بفعالية في الإبداع مع المصمم بدلاً من الاكتفاء بالاستجابة لمطالبات منفصلة.

اختبار BOgen مع مصممين حقيقيين

لتقييم BOgen، طلب الباحثون من 30 مصمماً مدرّباً أو ممارساً إكمال مهام تصميم كرسي في مراحل مبكرة باستخدام أداتين: واجهة «UIonly» الأساسية ونظام BOgen الكامل. كلا النظامين يمكنهما توليد وإعادة تركيب الكراسي من مطالبات نصية، لكن BOgen وحده احتوى على خريطة الاستكشاف وتوصيات موجهة بالتفضيل. أظهرت المقاييس الكمية أن BOgen أصبح أكثر ثقة بشأن تفضيلات المستخدم، وحدد التصاميم المفضلة بشكل أكثر اعتمادية، وشجع المستخدمين على استكشاف مساحة تصميم أوسع وأكثر تنوعاً. كرّت الاستبيانات والمقابلات هذه النتائج: شعر المصممون أن BOgen أوضح أهدافهم بشكل أفضل، وأبرز اقتراحات مفيدة، ومكّنهم من اكتشافات لم يكونوا ليصلوا إليها بالمطالبات النصية وحدها.

ما الذي يعنيه هذا لأدوات التصميم اليومية

ببساطة، تُظهر الدراسة أنه لا يكفي أن يكون الذكاء الاصطناعي نحاتاً ثلاثي الأبعاد موهوباً؛ بل يجب أن يعمل أيضاً كمساعد مدروس. يبيّن BOgen كيف أن ضغط الخيارات الثلاثية الأبعاد المعقدة إلى خريطة بسيطة ونمذجة اختيارات المستخدمين إحصائياً يمكن أن يحول التوليد المفتوح إلى بحث موجه يتناسب مع ذوق كل شخص. بينما يركّز هذا العمل على الكراسي ويُحسّن فقط الجاذبية البصرية، يمكن تكييف نفس المعادلة—خرّط الفضاء، راقب ما يختاره المستخدمون، واقترح خيارات جديدة وفقاً لذلك—لأنواع كثيرة من الأصول ثلاثية الأبعاد، من المركبات إلى الشخصيات. ومع نضوج هذه الأنظمة وبدء مراعاة قيود العالم الحقيقي مثل القوة والقابلية للتصنيع، يمكن أن تجعل التصميم الثلاثي الأبعاد المتقدم أكثر سهولة وكفاءة وإبداعية للمحترفين وغير المتخصصين على حد سواء.

الاستشهاد: Lee, S.W., Choi, J. & Hyun, K.H. Part-level 3D shape generation driven by user intention inference with preferential Bayesian optimization. Sci Rep 16, 7715 (2026). https://doi.org/10.1038/s41598-026-38916-7

الكلمات المفتاحية: التصميم التوليدي ثلاثي الأبعاد, التحسين البايزي, استكشاف التصميم, الذكاء الاصطناعي المرتكز على المستخدم, النمذجة المعتمدة على الأجزاء