مع انتشار أدوات توليد الصور بالذكاء الاصطناعي (Text to Image) مثل DALL·E 3، Midjourney، Stable Diffusion، Flux، Imagen 3، وGroq Image Generation، أصبح بإمكان أي شخص إنشاء صور احترافية من وصف نصي بسيط.
لكن عندما يكون الوصف باللغة العربية، تظهر المشكلة بوضوح: النتائج غالبًا ما تكون مشوهة، غير دقيقة ثقافيًا، أو تحمل تحيزات واضحة.
في 2026، ورغم التحسينات الكبيرة في النماذج متعددة اللغات، لا تزال اللغة العربية تواجه فجوة كبيرة مقارنة بالإنجليزية، مما يحد من فائدتها للمستخدمين العرب.
الأسباب الجذرية للمشكلة
1. نقص البيانات العربية الموسومة (Captioned Arabic Data)
معظم مجموعات البيانات الكبرى المستخدمة في تدريب نماذج Text toImage (مثل LAION-5B، DataComp، CommonPool) تعتمد بشكل شبه كامل على الصور الموسومة بالإنجليزية.
نسبة النصوص العربية في هذه المجموعات لا تتجاوز 0.3–0.8% حسب تقديرات 2024–2025 من Common Crawl وW3Techs، مما يعني أن النموذج لم يرَ ما يكفي من الأوصاف العربية المرتبطة بصور دقيقة.
2. الترجمة الداخلية غير الدقيقة
معظم النماذج الحديثة (حتى متعددة اللغات) تترجم المدخل العربي داخليًا إلى الإنجليزية قبل معالجته، وهذه الترجمة تخسر الكثير من السياق الثقافي والدلالات الدقيقة (مثل الكوفية الفلسطينية قد تُترجم إلى keffiyeh دون فهم الرمزية السياسية والثقافية).
3. التحيزات الثقافية والنمطية (Cultural Bias & Stereotyping)
البيانات الإنجليزية الغالبة تحتوي على صور نمطية عن العالم العربي (صحراء، جمال، رجال ملتحون، نساء محجبات في سياقات محدودة)، فتولد النماذج صورًا متحيزة عند طلب “رجل أعمال عربي” أو “امرأة عربية في المدينة”.
4. مشكلة النصوص العربية داخل الصور
أحد أكثر المشكلات وضوحًا وإحباطًا للمستخدم العربي هو فشل نماذج توليد الصور في إنتاج نصوص عربية مفهومة داخل الصورة نفسها.
عندما يطلب المستخدم وصفًا يتضمن كتابة عربية مثل “لافتة مكتوب عليها مرحبا بكم في تونس” أو “غلاف كتاب بعنوان الثورة التونسية بالخط العربي”، تظهر النتيجة غالبًا حروفًا عربية مشوهة، مقلوبة، مختلطة، أو مجرد رموز تشبه الحروف العربية لكنها خالية من أي معنى (ما يُسمى garbled Arabic text أو pseudo-Arabic).
هذه الظاهرة ناتجة عن تدريب النماذج بشكل أساسي على الأبجدية اللاتينية، مع وجود كمية ضئيلة جدًا من الصور التي تحتوي على نصوص عربية واضحة وموسومة بشكل صحيح.
تقارير من مجتمع Hugging Face واختبارات مستخدمين عرب في 2025–2026 تُظهر أن نسبة النجاح في إنتاج نص عربي مقروء لا تتجاوز 10–20% في أفضل الحالات، حتى مع أحدث النماذج مثل Flux.1 وImagen 3.
هذا العيب يجعل الأداة غير عملية تمامًا للمصممين، المعلمين، أصحاب المشاريع، أو أي شخص يحتاج إلى محتوى بصري يحتوي على كتابة عربية دقيقة.
أمثلة واقعية على فشل الذكاء الاصطناعي للصور مع اللغة العربية
- الوصف الثقافي: طلب “مسجد تاريخي في القاهرة” قد ينتج صورة لمسجد الأقصى أو بناء غربي مع مآذن مشوهة، بسبب نقص الصور الموسومة بالعربية.
- الكتابة العربية: محاولة توليد شعار مع نص عربي غالبًا ما ينتج حروفًا مشوهة أو مقلوبة، لأن النماذج تدربت على خطوط إنجليزية أكثر.
- التحيزات: وصف “امرأة عربية ناجحة” قد يولد صورة نمطية (محجبة في منزل)، بدلاً من تنوع مهني (طبيبة أو رائدة أعمال).
التأثير على المستخدم العربي
- فجوة رقمية إبداعية: المصممون، المسوقون، والطلاب العرب يضطرون إلى كتابة الوصف بالإنجليزية أولاً، مما يفقد الدقة الثقافية ويقلل من كفاءة العمل.
- تعزيز الصور النمطية: يساهم في ترسيخ صورة نمطية سلبية أو غير دقيقة عن العرب والمسلمين في عقول المستخدمين العالميين.
- صعوبة الاستخدام اليومي: في تونس ومصر والخليج، حيث يعتمد الكثيرون على هذه الأدوات للتسويق والتعليم، يؤدي الفشل إلى إهدار وقت وجهد.
الحلول المتاحة في 2026 لمشاكل الذكاء الاصطناعي للصور مع اللغة العربية
1) استخدام نماذج مخصصة أو معدلة عربيًا
- Arabic Diffusion و AraGen (متوفرة على Hugging Face)
- Flux.1-dev مع LoRA عربية (Fine-tuned على بيانات عربية)
- نماذج محلية مثل تلك التي تطورها شركات سعودية (SDAIA) أو إماراتية (TDRA-supported models).
2) كتابة الوصف بالإنجليزية مع تفاصيل دقيقة
مثال: بدل من “رجل تونسي في سوق تونس”، اكتب: “Tunisian man in his 30s wearing traditional jebba, standing in the medina souk of Tunis, colorful market stalls, realistic photo style”.
3) استخدام أدوات تدعم اللغة العربية بشكل أفضل
- Microsoft Designer (Bing Image Creator) – تحسن كبير في 2025–2026.
- Leonardo.Ai مع دعم متعدد اللغات.
- Groq + Flux (أداء سريع ونتائج جيدة نسبيًا مع العربية).
4) التحرير اللاحق
استخدام أدوات مثل Photoshop Generative Fill أو Canva Magic Studio لتصحيح الحروف العربية أو تعديل التفاصيل الثقافية.
5) توليد الصورة بدون نصوص
في تجربتنا كفريق موقع الركن الرقمي مع الذكاء الإصطناعي للصور، نواجه مشاكل عند تصميم صور توضيحية تدعم المقال.
الحل الذي وجدناه هو توليد الصورة بدون نصوص بعدها وضع النصوص بشكل يدوي عبر فوتوشوب أو كانفا.
الذكاء الإصطناعي يساعد على تقوية تجربة المستخدم للصور داخل المقال. بدلا من ادخال نصوص الانفوجرافيك مثلا لأداة مثل نانو بانانا أو أي أداة أخرى لتوليد الصور عبر الذكاء الإصطناعي، حاول أن تولد الصورة بدون نصوص ثم أضف النصوص يدويا عبر أي أداة تعديل صور يدوية.
الخاتمة
مشكلة توليد الصور بالذكاء الاصطناعي مع اللغة العربية ليست مجرد خلل تقني، بل نتيجة فجوة في البيانات والتدريب.
في 2026، رغم التقدم، لا تزال النتائج غير مرضية للمستخدم العربي الذي يريد تمثيلًا دقيقًا لثقافته ولغته.
الحل يبدأ من زيادة المحتوى العربي الموسوم، تطوير نماذج محلية، ووعي المستخدم بكيفية صياغة الوصف. حتى ذلك الحين، الذكاء البشري لا يزال يتفوق في فهم السياق الثقافي العربي.
المصادر والمراجع:
تقييم نماذج الرؤية واللغة العربية في برنامج Hugging Face
SDAIA: تقارير تطوير نماذج الذكاء الاصطناعي بالعربية (2025)
حيّزات نماذج الذكاء الاصطناعي في توليد الصور من النص
Broken Letters, Broken Narratives: تحليل مشكلة الخط العربي في DALL‑E 3
Hidden Bias in the Machine: التحيّزات المتكررة في نماذج Text‑to‑Image
الفجوة العربية في الذكاء الاصطناعي ‑ دراسة مقارنة
