5 سبتمبر 2026
أيدٍ مشوّهة ونصّ غير مقروء: لماذا يفشل الذكاء الاصطناعي في هذين الأمرين وكيف تتدبّر أمرك
السبب التقني الحقيقي وراء الأصابع الستة والكلمات المخترعة، النماذج التي تكتب بشكل صحيح اليوم، وطريقة التأطير والتنقيح التي تحلّ معظم الحالات دون إطلاق عشر عمليات توليد أخرى.
Frank Houbreمؤسس Imaginode
العيبان اللذان يفضحان صورة الذكاء الاصطناعي في ثانية واحدة
اليدان والنصّ يفشلان لسببين متعاكسين: اليد أكثر تغيّرًا من أن تُتعلَّم بنظافة، والنصّ يتطلّب دقّة رمزية لا يمارسها النموذج.
تُري أحدهم صورتك. جميلة، الإضاءة جيدة، الشخصية واقفة. ثم ينظر الشخص إلى اليد، يعدّ الأصابع، ثم يقرأ لافتة المتجر في الخلفية حيث كُتب شيء مثل «مخبزه» بدل «مخبز».
هذان العيبان هما أوضح توقيعَين لتوليد الصور، وقد صارا الاختبار الذي يطبّقه الجميع. المحبط أنهما يتعايشان مع صور ممتازة من كل ناحية أخرى: بورتريه بحبيبات مثالية، يفسده كفّ بستة أصابع.
الخبر الجيد أن للمشكلتين أسبابًا مختلفة وبالتالي حلولًا مختلفة. وأنه في 2026 صارت إحداهما محلولة إلى حد بعيد إن اخترت النموذج الصحيح. سنرى لماذا يخفق، ثم ماذا نفعل بالضبط.
لماذا تفشل اليدان: ما تعلّمه النموذج فعلًا
لليد أكثر من عشرين مفصلًا، وتظهر ضئيلة ومحجوبة جزئيًا في معظم صور التدريب، وتتخذ أشكالًا شديدة الاختلاف حسب الزاوية: تعلّم منها النموذج متوسطًا ضبابيًا.
الوجه عينان وأنف وفم، دائمًا بالترتيب نفسه، وشبه دائمًا من الأمام أو بثلاثة أرباع، وغالبًا أكبر عنصر في الصورة. يرى النموذج ذلك مئات ملايين المرات في ظروف متشابهة. يتعلّمه جيدًا جدًا.
اليد عكس ذلك في كل النقاط. أكثر من عشرين مفصلًا، فينفجر عدد الأوضاع الممكنة. وهي صغيرة داخل الكادر، وغالبًا مشوّشة لأنها تتحرك، ومحجوبة بانتظام خلف غرض أو ثوب أو اليد الأخرى. وحسب الزاوية، تعطي اليد نفسها ظلالًا لا علاقة لبعضها ببعض.
النتيجة أن النموذج يُخرج متوسط الأيدي، كما يُخرج لك متوسط التنانين حين تطلب تنينًا. إلا أن متوسط التنانين يبقى مقنعًا، فلم يرَ أحد تنينًا، بينما متوسط الأيدي يقفز إلى عين أي كان. ولا شيء في طريقة عمله يقول له إن إصبعًا زائدًا خطأ: ليست لديه قواعد، لديه احتمالات.
لماذا يفشل النصّ: النموذج يرسم ولا يتهجّى
نموذج الصورة ينتج أشكالًا معقولة بكسلًا بكسل، من دون تمثيل للحروف بوصفها رموزًا: فيصنع شيئًا يشبه الكتابة بدل الكتابة.
النصّ مشكلة من طبيعة أخرى. نموذج الصورة لا يعرف الأبجدية. لا يعرف أن الباء باء وأنها تسبق التاء. رأى مليارات الصور التي تحتوي مناطق تشبه النص، فتعلّم أن ينتج مناطق تشبه النص.
لذلك تأخذ الإخفاقات هذا الشكل المميّز: ليست أبدًا هذيانًا كاملًا، بل تكاد تكون صحيحة. النسب سليمة، والتباعد بين الحروف سليم، والخط سليم، وحرفان مخترعان في الوسط. لقد نجح النموذج تمامًا فيما كان يفعله حقًا، أي رسم نسيج طباعي.
أضف أن النصّ في الصورة غالبًا ضئيل مقارنة بالباقي. يوزّع النموذج انتباهه على ما يملأ الكادر. لافتة بارتفاع عشرين بكسلًا لا تنال العناية التي تستحقها، وهناك بالضبط تفقد كلمة «مخبز» حرفًا في الطريق.
ما تغيّر فعلًا في مسألة النصّ
النماذج الحديثة المدرَّبة بفهم لغوي قوي تكتب النصوص القصيرة بشكل صحيح وموثوق: مشكلة النصّ اليوم مشكلة اختيار نموذج.
هذه هي النقطة التي لم يحدّثها كثيرون، لأنهم كوّنوا رأيًا في 2023 ولم يعيدوا فتحه قط. النصّ داخل الصورة يعمل الآن، شرط أن تُخرج النموذج الصحيح.
النماذج التي هي أولًا نماذج لغوية ثم ترسم بعد ذلك تملك ميزة بنيوية: تعرف ما الكلمة قبل أن ترسمها. يستند Nano Banana Pro إلى Gemini 3 Pro ويتولّى النصّ داخل الصورة والتنضيد الدقيق. وGPT Image 2 له الملمح نفسه تمامًا: قوته ليست الملمس بل الطاعة، ويكتب النصوص القصيرة بنظافة.
إلى جانبهما، يأتي Recraft V4.1 من عالم التصميم ويدمج النصّ القصير بنظافة في تركيب بصري، ما يجعله ردّ الفعل الأول لملصق أو شعار. وFlux 2 Max يحمل النصّ درجة فوق Flux 2 Pro حين تحتاج واقعية فوتوغرافية مع لافتة مقروءة داخلها.
النماذج التي لا تُستعمل حين يوجد نصّ
النماذج السريعة والرخيصة تنتج صورًا ممتازة من دون أن تعرف الكتابة: Flux Schnell بنقطة واحدة يبقى لا يُقهر للاستكشاف، وغير صالح لبصريّة تحمل كلمة.
نتيجة الفقرة السابقة، وهي التي تُهدر أكثر النقاط. Flux Schnell بنقطة واحدة مثالي لاستكشاف تركيب، واختبار تأطير، وتثبيت أجواء. لن يكتب شعارك بشكل صحيح، وإعادة الإطلاق خمس عشرة مرة لن تغيّر شيئًا.
ردّ الفعل الذي يكلّف غاليًا هو الإصرار على نموذج البداية. أنت في التوليد الثاني عشر، أنفقت اثنتي عشرة نقطة بلا شيء، بينما كان الانتقال إلى نموذج يعرف الكتابة سيحلّ المشكلة من أول مرة مقابل 8 أو 19 نقطة.
لا تعِد إطلاق النموذج نفسه أكثر من ثلاث مرات أمام عيب في النصّ. إن لم تصل ثلاث محاولات، فالنموذج لا يعرف كيف، وليس أنك طلبت بشكل سيئ. غيّر النموذج، هذا كل شيء.
كيف تكتب التعليمة ليخرج النصّ صحيحًا
ضع النصّ الدقيق بين علامتَي اقتباس، واشترط صراحةً أن يظهر بهذا الإملاء تحديدًا وألّا تظهر أي كلمة أخرى، واكتفِ ببضع كلمات.
الصياغة لا تقلّ أهمية عن النموذج. اكتب النصّ الدقيق بين علامتَي اقتباس داخل موجّهك، ثم أضف جملة تقفل الباب: يجب أن يظهر، بهذا الإملاء بالضبط، مقروءًا تمامًا، ولا كلمة أخرى. من دون هذه الجملة، يضيف النموذج بطيب خاطر عبارة ترويجية من اختراعه تحت عنوانك.
القاعدة الثانية: ابقَ قصيرًا. اسم علامة، شعار من خمس كلمات، تاريخ. فقرة كاملة داخل صورة لن ينجزها أي نموذج بنظافة اليوم، وهي أصلًا ليست فكرة جيدة بصريًا. النصّ الطويل يُوضع في المونتاج أو في برنامج تنضيد، لا في التوليد.
القاعدة الثالثة: امنحه مساحة. اطلب صراحةً أن يشغل النصّ منطقة واسعة وعالية التباين. النموذج المطالَب بكتابة ستة حروف على لافتة في آخر الشارع سيفشل حيث ينجح في عنوان يملأ الكادر. المنطق نفسه ينطبق على أي تعليمة، والموضوع يُعالَج بتوسّع أكبر في كتابة موجّه ناجح.
اليدان: ثلاثة خيارات تأطير تحسم الجوهر
أطّر فوق اليدين، أو اشغلهما بغرض، أو أخرجهما من مستوى الوضوح: هذه القرارات الثلاثة تزيل معظم الإخفاقات من دون أن تكلّف نقطة واحدة.
في مسألة اليدين، لا أحد يملك حلًّا سحريًا ولن أخترع لك واحدًا. النماذج الحديثة تتدبّر أمرها أفضل بكثير مما كانت قبل عامين، لكن لا واحد منها يضمن خمسة أصابع في كل مرة. ما ينفع هو ألّا تطلب منها أصعب تمرين.
الخيار الأول: التأطير. لقطة صدرية أو لقطة قريبة للوجه تلغي المشكلة بنيويًا. انظر إلى التصوير الإعلاني المحترف، فهو يقطع فوق اليدين أكثر بكثير مما يُظنّ. تتيح لك عقدة الكاميرا تثبيت هذا التأطير بنظافة بدل انتظاره.
الخيار الثاني: اشغل اليد. يد تمسك فنجانًا أو هاتفًا أو قلمًا أو مقود سيارة، لا فرق، هي يد يقيّد الغرضُ وضعيتَها، والنماذج تنجح في هذه التكوينات أفضل بكثير من يد مفتوحة في الفراغ. الخيار الثالث: أخرجها من منطقة الوضوح. فتحة f/1.4 في عقدة الكاميرا تضع اليدين في ضبابية الخلفية، والإصبع الضبابي لا يُعدّ.
صف الفعل بدل التشريح
عدّ الأصابع في الموجّه لا ينفع: النموذج لا يعدّ، بل يجب وصف الحركة، وما تمسكه اليد وكيف تمسكه.
ردّ الفعل الشائع هو كتابة «خمسة أصابع» في الموجّه. هذا لا ينفع ولن ينفع، لأن النموذج لا يملك أي آلية عدّ. يمكنك أن تكتب «خمسة أصابع بالضبط، يد صحيحة تشريحيًا»، ليست لديه قاعدة يطبّقها.
ما ينفع هو وصف المشهد بحيث تكون الوضعية ضمنية. اليدان مسطّحتان على الطاولة. يد مطبقة حول مقبض فنجان. الذراعان متقاطعتان. اليدان في الجيبين. أنت تصف تكوينًا رآه النموذج ملايين المرات في وضعية مستقرة، فيعيد إنتاجه.
المبدأ نفسه ينطبق على كل شيء آخر في الحقيقة: تحصل على أكثر بكثير بوصف موقف ملموس منه بإعطاء النموذج تعليمات مجرّدة. وصف فعل، يعرفه. اتّباع قيد عددي، لا يعرفه.
الإصلاح بدل إعادة الإطلاق: التحرير الموجَّه
نموذج التحرير يأخذ صورتك ولا يغيّر إلا ما تصفه: تصحيح يد يكلّف بضع نقاط مقابل توليد جديد كامل وتأطير جديد يحتاج تحققًا من جديد.
هذه هي العادة التي تغيّر كل شيء، وهي التي لا يملكها المبتدئون. حين تكون الصورة جيدة بنسبة 95 بالمئة، لا نعيد الإطلاق. نصلح.
Flux Kontext بستّ نقاط لا ينطلق أبدًا من الصفر: يشترط صورة مدخلة ويحوّلها بحسب التعليمة، محافظًا على ما كانت نماذج التوليد الصرف ستعيد تركيبه عشوائيًا. تعطيه صورتك وتصف فقط ما يجب أن يتغيّر: صحّح اليد اليسرى، يجب أن تمسك الفنجان من المقبض، ولا تغيّر أي شيء آخر.
Nano Banana 2 بعشر نقاط يؤدي العمل نفسه مع فهم للتعليمات المركّبة، وGPT Image Mini بنقطتين هو الخيار الأرخص في الكتالوج لتنقيح بسيط. في كل الحالات، يجب أن يعدّد النصف الثاني من تعليمتك ما لا يتحرك: الوجه، الوضعية، التأطير، الضوء، الديكور. من دون هذه القائمة، يعيد إليك النموذج صورة أخرى، ممتازة، لكن أخرى.
التكبير قبل التسليم، المراجعة التي يقفزها الجميع
العيوب تُرى عند مئة بالمئة لا على مصغَّرة: تكبير الصورة قبل تسليمها يكلّف 12 نقطة ويتجنّب الخطأ الذي يُكتشف عند الطباعة.
يُنظر إلى الصورة المولَّدة على مصغَّرة في اللوحة، تُعتمد، ثم تُرسل. بعد ثلاثة أسابيع تكون مطبوعة بقياس A2 واليد فيها ستة أصابع. حدث لي هذا، ومرة واحدة تكفي لاكتساب العادة.
المراجعة تستغرق دقيقتين. تفتح الصورة بحجم كبير وتمسح ثلاث مناطق بالترتيب: اليدان، وكل ما يحتوي نصًّا بما في ذلك الخلفيات، ثم العينان والأسنان. هذه التمريرات الثلاث تلتقط شبه كل العيوب.
لبصريّة موجّهة إلى الطباعة، تكبّر عقدة التحسين مع Topaz Precision بـ12 نقطة بنظافة وتكشف في الطريق ما كانت الدقة المنخفضة تخفيه. إنها الأداة نفسها الموصوفة في جعل صورة أوضح، وتخدم كعدسة تفتيش بقدر ما تخدم ككبّر.
التفاصيل الأخرى التي تفضح صورة الذكاء الاصطناعي
أسنان منتظمة أكثر من اللازم، حليّ تتضاعف، نقوش أقمشة غير متّسقة، انعكاسات لا تطابق شيئًا: الأسباب نفسها تنتج عيوبًا أخرى، أقل شهرة لكن بالوضوح نفسه.
اليدان والنصّ يتصدّران المشهد، لكن الآلية نفسها تنتج إخفاقات أخرى. الأسنان، كثيرة ومنتظمة أكثر من اللازم في الغالب، لأنها صغيرة ومتكررة. الحليّ والنظارات، تتضاعف عند الذراعين. نقوش الأقمشة، خطوط أو مربعات، تمضي في اتجاه ثم في آخر في منتصف الثوب.
الانعكاسات حالة خاصة ودالّة جدًا: في مرآة أو واجهة، يرسم النموذج شيئًا يشبه انعكاسًا من دون التحقق من مطابقته للمشهد. انظر إلى الزجاج خلف شخصياتك، ستجد فيه بانتظام أشياء لا وجود لها في أي مكان من الصورة.
وكذلك الحشود، حيث تصبح الوجوه في الخلفية مقلقة بمجرد التكبير. وهنا أيضًا ردّ الفعل نفسه: تأطير يتجنّب المشكلة، أو تحرير موجَّه يصلحها. هذه بالضبط النقاط التي أستعرضها في أخطاء المبتدئين في الذكاء الاصطناعي التوليدي.
الخطوات باختصار
اختر نموذجًا يكتب حين يوجد نصّ، وأطّر لتفادي اليدين المفتوحتين، وأصلح بالتحرير بدل إعادة الإطلاق، وراجع بحجم كبير قبل التسليم.
في النصّ، المشكلة محلولة وهي مسألة نموذج: Nano Banana Pro أو GPT Image 2 أو Recraft للأعمال البصرية، وFlux 2 Max حين تلزم واقعية فوتوغرافية مع نصّ داخلها. النصّ الدقيق بين علامتَي اقتباس، جملة إقفال، بضع كلمات كحد أقصى.
في اليدين، لا نموذج مثالي، والجواب في الإخراج: التأطير من فوق، شغل اليد بغرض، أو إخراجها من مستوى الوضوح. صف الحركة، ولا تذكر أبدًا عدد الأصابع. وحين تكون الصورة جيدة بنسبة 95 بالمئة، أصلحها بنموذج تحرير بدل البدء من الصفر.
لاختبار هذا كله من دون إحراق ميزانية، استكشف بنقطة واحدة عند Flux Schnell ولا تنتقل إلى نموذج بـ8 أو 19 نقطة إلا على التركيب المعتمَد. السعر الدقيق يظهر على الزر قبل كل نقرة، والجدول الكامل هنا.