Ulimwengu wa Akili Mnemba (Artificial Intelligence - AI) unazidi kupiga hatua kubwa, na safari hii watafiti kutoka Chuo Kikuu cha New York (NYU) wamefanya uvumbuzi ambao unaweza kubadilisha kabisa jinsi kompyuta zinavyotengeneza picha. Kwa muda sasa, programu nyingi za kuchora picha (kama zile tunazoziona zikitanda mitandaoni) zimekuwa zikitumia mfumo unaoitwa 'diffusion'.
Mifumo hii ni mizuri kwa kunakili maumbo na rangi, lakini ina udhaifu mkubwa: haiwezi kuelewa "maana" halisi ya kile inachokichora. Ni kama msanii anayeweza kuchora nakala ya simba kwa ustadi mkubwa, lakini hajui simba ni mnyama gani, anaishi wapi, au ana tabia gani.
Ili kutatua changamoto hii, watafiti hawa wamekuja na teknolojia mpya inayoitwa 'Representation Autoencoder (RAE)'. Tofauti na mifumo ya zamani ambayo ilikuwa inajifunza kwa kubahatisha au kukariri (brute-force), RAE inafanya kazi kama ubongo wa mwanadamu—inaanza kwa kuelewa maudhui na maana ya picha nzima kabla ya kuanza kuichora.
Fikiria unataka kompyuta ichore "soko lenye pilikapilika Kariakoo". Mifumo ya zamani inaweza kuchora watu wengi na vibanda, lakini inaweza kukosea muktadha halisi wa Kitanzania kwa sababu 'haielewi' soko la Kariakoo ni nini hasa. Mfumo huu mpya wa RAE unatumia 'akili' iliyokwishajengwa (kama vile mfumo wa DINO wa kampuni ya Meta) kuelewa kwanza "Hapa tunazungumzia soko, Afrika, biashara nyingi," na ndipo inapoanza kuchora. Hii inafanya picha zinazotoka ziwe na uhalisia zaidi na zisizo na makosa ya kijinga.
Matokeo ya majaribio ya mfumo huu ni ya kushangaza. Watafiti wamegundua kuwa RAE inafanya kazi kwa kasi ya ajabu—inaweza kujifunza hadi mara 47 haraka zaidi kuliko mifumo inayotumika sasa! Zaidi ya hayo, haihitaji nguvu kubwa sana ya kompyuta (computing power), jambo ambalo linaweza kupunguza gharama za uendeshaji kwa kiasi kikubwa. Kwenye vipimo vya ubora wa picha, mfumo huu umetoa matokeo ya juu sana, ukionyesha kuwa picha zake ni safi na zinaeleweka zaidi.
Huu ni mwanzo mpya katika teknolojia ya picha. Uvumbuzi huu unafungua milango ya kutengeneza video bora zaidi za AI, na hata kuunda mifumo mipya inayoweza kuelewa dunia tunayoishi kwa undani zaidi (world models). Kwa kifupi, tunaelekea kwenye zama ambapo kompyuta hazitaishia tu 'kuona' picha, bali zitaanza 'kuzielewa' kama sisi binadamu.