Blender Composite Nodes

Without a doubt, compositing is currently one of the hot topics in 3D computer graphics creation

, particularly because it enables efficient management and creative control of complex scenes and images. A typical 3D graphic can consist of many individual layers, each having a special filter or effect applied and combined into the final result. By pre-rendering such layers an artist can work much faster on fine-tuning the final lresult of an image.

In Blender, the Compositor is tightly integrated and aligned with the rendering pipeline. For this reason it is part of the Blender Scene, meaning there's only one "Composite" possible per Scene (but each file can have unlimited Scenes).

Compositing can also be used 'stand-alone; with only images read from disk as input, allowing you to render the Composite without having a 3D rendering invoked.

Node-based and layer-based compositing
There are two radically different digital compositing workflows: node-based compositing and layer-based compositing.
Node-based compositing represents an entire composite as a tree graph, linking media objects and effects in a procedural map, intuitively laying out the progression from source input to final output, and is in fact the way all compositing applications internally handle composites. This type of compositing interface allows great flexibility, including the ability to modify the parameters of an earlier image processing step "in context" (while viewing the final composite). Node-based compositing packages often handle keyframing and time effects poorly, as their workflow does not stem directly from a timeline, as do layer-based compositing packages. Software which incorporates a node based interface include Apple Shake, Blender, eyeon Fusion, and The Foundry's Nuke.
Layer-based compositing represents each media object in a composite as a separate layer within a timeline, each with its own time bounds, effects, and keyframes. All the layers are stacked, one above the next, in any desired order; and the bottom layer is usually rendered as a base in the resultant image, with each higher layer being progressively rendered on top of the previously composited of layers, moving upward until all layers have been rendered into the final composite. Layer-based compositing is very well suited for rapid 2D and limited 3D effects such as in motion graphics, but becomes awkward for more complex composites entailing a large number of layers. A partial solution to this is some programs' ability to view the composite-order of elements (such as images, effects, or other attributes) with a visual diagram called a flowchart to nest compositions, or "comps," directly into other compositions, thereby adding complexity to the render-order by first compositing layers in the beginning composition, then combining that resultant image with the layered images from the proceeding composition, and so on. An example of this exists in the Adobe program After Effects

WEEK9

خصائص واسترا تيجيات الذكاء الاصطناعي
· التمثيل الرمزي من العالم الحقيقي .
· الاستدلال من خلال الحقائق والقواعد والخطوات .
· ايجاد الحل الختامي من خلال التجربه .
· وبما انه غير حسابي اي بمعنى اخر ان الجواب ليس ثابت من خلال قواعد ثابته , لذالك اجرائته اكثر تعقيدا .
سؤال :- هل يمكن للآله ان تفكر ؟ صراحتا هذا ليس سؤالي بالاصل بل هو سؤال آلن تيورنغ عام 1950 م
انا بنظري فالله هو الاعلم .
تقنيات الذكاء الاصطناعي
expert system ------ knowledge based system - -- neural network ----- data mining -----
fuzzy logic intelligent agent ------- genetic algorithm ----- natural language processing ---- machine learning

* تطبيقات الذكاء الصناعي :-

يتم استخدام علم الذكاء الصناعي في العديد من التطبيقات ومنها على سبيل المثال لا الحصر :-

* ألعاب الحاسوب: معظمنا جرب استخدام ألعاب الحاسوب و رأى كيف يعمل الذكاء الصناعي في تلك الألعاب، فباستخدام الذكاء الصناعي أصبح الحاسوب نداَ قد يصعب التغلب عليه أحياناَ في كثير من الألعاب.


* النظم الخبيرة: وهي نظم حاسوبية معقدة تقوم على تجميع معلومات متخصصة (أي في مجال محدد فقط) من الخبراء البشريين، و وضعها في صورة تمكن الحاسوب من تطبيق تلك المعلومات (أو بالأحرى الخبرات) على مشكلات مماثلة.

* معالجة اللغة البشرية: أو معالجة اللغة الطبيعية و هو ما يختص بتطوير برامج و نظم لها القدرة على فهم أو توليد اللغة البشرية، أي أن مستخدم هذه البرامج يقوم بإدخال البيانات بصورة طبيعية و الحاسوب يقوم بفهمها و الاستخلاص منها.

* التعلم الآلي: أو تعلم الآلة، و هو جعل الحاسوب يتعلم كيفية حل المشاكل بنفسه وذلك يتم إما بالتعلم من اكتساب الخبرات السابقة أو من خلال تحليل الحلول الصحيحة واستنباط طريقة الحل منهاأو حتى من التعلم من خلال الأمثلة.

* الإنسان الآلي أو الروبو


* مفهوم النظم الخبيره :-

ويمكن وضع تعريف النظم الخبيره على انها تصف نظام المعلومات المبنى على الحاسبات الذى يعمل على ميكنة الدور الذى يقوم بة الخبراء البشريين فى مجال محدد بهذة الصفة فاِن النظام الخبير يعمل على دعم المستخدمين و اِرشادهم فى حل المشكلات و اِتخاذ القرارات من أهم تطبيقات الذكاء الاصطناعى فى وضعة الراهن هي نظم معالجة اللغات الطبيعية ، نظم أدراك السلوك أو الهيئة ، نظم الأنسان الألى ، نظم الرؤية الذكية ، النظم الخبيرة.

الذكاء الاصطناعي : يمكن تعريف الذكاء الاصطناعي للحاسب الآلي بأنه القدرة على تمثيل نماذج محاسبية ( Computer Models ) لمجال من مجالات الحياة وتحديد العلاقات الأساسية بين عناصره ، ومن ثم استحداث ردود الفعل التي تتناسب مع أحداث ومواقف هذا المجال ، فالذكاء الاصطناعي بالتالي مرتبط أولاً بتمثيل نموذج محاسبي لمجال من المجالات ، ومن ثم استرجاعه وتطويره ، ومرتبط ثانياً بمقارنته مع مواقف وأحدث مجال البحث للخروج باستنتاجات مفيدة ، ويتضح أن الفرق بين تعريفي الذكاء الاصطناعي والإنساني المذكورين أعلاه هو أولاً القدرة على استحداث النموذج فالإنسان قادر على اختراع وابتكار هذا النموذج ، في حين أن النموذج المحاسبي هو تمثيل لنموذج سبق استحداثه في ذهن الإنسان ، وثانياً في أنواع الاستنتاجات التي يمكن استخلاصها من النموذج فالإنسان قادر على استعمال أنواع مختلفة من العمليات الذهنية مثل الابتكار ( Innovation ) والاختراع ( Creativity ) والاستنتاج بأنواعه ( Reasoning ) في حين أن العمليات المحاسبية تقتصر على استنتاجات محدودة طبقاً لبديهيات وقوانين متعارف عليها يتم برمجتها في البرامج نفسها.
ويتركز أصل علم الذكاء الاصطناعي في أبحاث بحتة ونظرية تدرس أساليب تمثيل النماذج في ذاكرة الحاسب الآلي ( Model Representation ) وطرق البحث والتطابق بين عناصرها ( Search & Match Methods ) واختزال أهداف بها ( Goal reduction ) وإجراء أنواع الاستنتاجات المختلفة (Reasoning ) مثل الاستنتاج عن طريق المنطق ( Logic ) أو عن طريق المقارنة ( Analogy ) أو عن طريق الاستقراء ( Induction ).
ومن أهم أساليب تمثيل هذه النماذج هو استخدام القوانين ( Rules ) التي تحكم مجالا من المجالات ، فلو كانت أنواع الفاكهة مثلاً هي مجال بحثنا فإنه يمكننا كتابة القانون التالي إذا كان النبات فاكهة وكان لونها أحمر فهي غالباً تفاح ويحتوي هذا القانون على قسمين : القسم الشرطي (Premise ) المتمثل في " إذا كان النبات فاكهة وكان لونها أحمر والقسم الاستنتاجي أو الفعلي ( Action ) المتمثل في فهي غالباً تفاح.
وباستخدام عدد كبير من هذه القوانين عن موضوع معين فإننا ننشئ نموذجاً ضمنياً يخزن الحقائق عن موضوع البحث ، ويمكن استخدامه في التعامل مع الأحداث والخروج باستنتاجات عن موضوع البحث ، ويعتبر هذا النوع من التمثيل من الأساليب الشائعة نظراً لسهولة تطبيقه إلا أنه يعتبر تمثيلاً بسيطاً ولكن يعجز في كثير من الأحيان عن تمثيل جميع أنواع النماذج واستخراج جميع أنواع الاستنتاجات المعروفة.
ويعتبر أسلوب شبكات المعاني ( Semantic Networks ) أيضاً من الأساليب الشائعة في تمثيل النماذج وهو يتخلص في إنشاء شبكة من العلاقات بين عناصر النموذج. أما ثالث أنواع أساليب التمثيل الشائعة فهو ما يسمى بتمثيل الإطارات (frame Representation ) والذي يمكن اعتباره نوعاً خاصاً من تمثيل شبكات المعاني.

ونتج من معامل أبحاث الذكاء الاصطناعي تقنيات عديدة مازال بعضها في الأطوار الأولى من الدراسة والبحث ، في حين وصل البعض الآخر إلى نضج نسبي أدى إلى تطوير أنظمة جديدة عملية تعالج مشاكل واقعية كان يعتبر من المستحيل معالجتها بأساليب البرمجة التقليدية ، ويعتبر مجال " الذراع الآلية الذكية ( Smart Robot ) وأنظمة الخبراء ( Expert Systems ) أهم مجالين من هذه المجالات وفيما يلي نبذة مبسطة لهاتين التقنيتين وإمكاناتهما:

الذراع الآلية الذكية : استخدمت الذراع الآلية مؤخراً في المصانع للقيام بالأعمال الروتينية التي تحتاج إلى قوة عضلية ولا تتطلب عمليات أو أنشطة ذهنية معقدة مثل عمليات اللحام والدهان في مصانع السيارات. وقد اعتمد تشغيل هذه الأذرعة على دقة وسرعة أنظمة التحكم ( Control Systems ) التي تعمل بواسطة أجهزة الحاسب الآلي ، وكان اليابانيون أول من استعمل هذه الأذرعة بصورة موسعة في صناعة السيارات والذي نتج عنه غزو اليابان للأسواق العالمية بسيارات ذات جودة عالية وأسعار منافسة.
ولا تستخدم الأذرعة الآلية في التصنيع فوائد عديدة فهي لا تطالب بإجازات أسبوعية أو سنوية أو عرضية ولاتكل ولا تتعب من العمل ولا تتوقف إلا لفترات الصيانة ، كما أنها تستطيع العمل في مصانع غير مكيفة أو مضاءة إضاءة غير قوية ، وفي هذا توفير للطاقة ، ثم إنها لا ترفع الدعاوي ، ولا تطالب بتعويضات إذا تعرضت خطأ أو عمداً إلى غازات سامة أو مواد كيماوية ضارة ، وأخيراً فهي لا تحتاج إلى مرافق مساندة مثل دور الحضانة وصالات الطعام والصالات الرياضية وغيرها مما يطالب به العمال ، وليس من الصعب طبعاً ترجمة كل هذه المزايا إلى توفير كبير في تكلفة الإنتاج وفي السيطرة على الطاقة الإنتاجية للمصانع بحيث تتناسب مع قوى العرض والطلب للسوق ، وذلك بدون اللجوء إلى تسريح العمال لبضعة أسابيع أو شهور أو في وضع ورديات إضافية.

ومع تطور أنظمة التحكم الآلية وازدياد قدرة الحاسبات الآلية التي تشغلها ازدادت قدرات الذراع الآلية وأصبحت تقوم بأعمال دقيقة ومركبة كصنع شرائح الميكرو كمبيوتر وغيرها من الأعمال التي تتطلب أنظمة تحكم معقدة وصعبة ، إلا أن هذه الأعمال كانت محدودة بما يمكن إنجازه باستخدام أساليب البرمجة التقليدية وقد أدى إدخال أساليب الذكاء الاصطناعي في برمجة هذه الأذرع إلى فتح أفاق جديدة لم تكن ممكنة من قبل ، فأصبحنا اليوم نتكلم عن أذرع تستعمل الرؤية الإلكترونية ( Electronic Vision ) في فرز المنتجات وفي تحريك الذراع ( أو عدة أذرع ) في حيز ضيق بأسلوب مرن يتناسب مع متغيرات البيئة التي يعمل بها . ويتلخص أسلوب الرؤية الإلكترونية في تحويل الصورة الإلكترونية المكونة من نقاط ( Pixels ) سوداء أو بيضاء إلى خطوط وأضلاع متصلة لتكوين صورة ، ثم مقارنة خصائص الصورة الناتجة بالنماذج المخزونة سابقاً في الجهاز. ويمكن بهذه الطريقة التعرف مثلاً على صورة الطائرة من أجنحتها وذيلها ، وتمييز المطار بمدرجات إقلاع الطائرات ، والمسجد من مئذنته وهكذا وتتمثل صعوبة الرؤية الإلكترونية في اختلاف الصورة مع اختلاف الإضاءة المسلطة على الجسم ووقوع الظل على أجزاء منه ، ولتقنية الرؤية الإلكترونية تطبيقات عديدة في مجالات توجيه الصواريخ والطائرات والتوابع ( الأقمار الصناعية ) ومجالات التجسس بالإضافة طبعاً لمجال الأذرع الآلية.

ومن أشهر الأنظمة التي تستعمل الرؤية الإلكترونية في المجال الصناعي هو نظام كون سيت Consight المستخدم الآن في شركة جنرال موتورز للسيارات بكندا والذي يسمح للذراع الآلية الذكية بفرز قوالب محركات السيارة " Engine Casts " أثناء مرورها أمامه على الحزام المتحرك تحت إضاءة معينة . وبعد تحليل الضوء تقوم الذراع باستخراج القوالب التي لاتتفق والمواصفات المطلوبة.

ويمثل استعمال أكثر من ذراع واحدة في حيز ضيق صعوبة فنية كبيرة نظراً لخطورة اصطدام بعضها ببعض ، كما أن التنسيق بينها في التعاون على إنجاز عمل ما له مشاكله الفنية نظراً لضرورة متابعة كل ذراع وما يقوم به من عمل بالإضافة إلى ما أنجز غيره من أعمال . وقد أقتصر استعمال الأذرع الآلية إلى عهد قريب على استخدام كل ذراع على حدة ، حيث أن استخدام أكثر من زراع واحدة في إنجاز مهمة مركبة يحتاج إلى أنظمة آلية جديدة ومعقدة تقوم برسم الخطة العامة للحركة وتقوم باستنتاج الخطوات المنطقية التي يجب أن تنفذها كل ذراع ، وبالتالي فهي أنظمة تحتاج إلى الذكاء الاصطناعي وأساليبه في استحداث نماذج محاسبية للبيئة وتخزين قوانين وأسس الحركة المطلوبة ورغم ظهور بعض الأنظمة الآلية تمكن الذراع الآلية من الحركة الذاتية مثل نظام " ستربس Strips " إلا أن معظم هذه الأنظمة ما زال في أطوار البحث والتطوير

الذكاء الاصطناعي, هو سلوك وخاصيات معينة تتسم بها البرامج الحاسوبية تجعلها تحاكي القدرات الذهنية البشرية وأنماط عملها. من أهم هذه الخاصيات القدرة على التعلم والاستنتاج ورد الفعل على أوضاع لم تبرمج في الآلة. إلا أن هذا المصطلح إشكالي نظرا لعدم توفر تعريف محدد للذكاء. الذكاء الاصطناعي فرع من علم الحاسوب.كما تعرف الكثير من الكتب الذكاء الاصطناعي على انه " دراسة وتصميم العملاء الأذكياء" والعميل الذكي هو نظام يستوعب بيئته ويتخذ المواقف التي تزيد من فرصته في النجاح في تحقيق مهمته أو مهمة فريقه.^[1] جون ماكارثي، الذي صاغ هذا المصطلح في عام 1956، ^[2] عرفه بأنه "علم وهندسه صنع آلات ذكيه".^[3]
اسس هذا المجال علي افتراض أن ملكة الذكاء يمكن وصفها بدقة بدرجة تمكن الآله من محاكاتها.^[4] هذا يثير جدل فلسفي حول طبيعة العقل البشري وحدود المناهج العلميه، وهى قضايا تم تناولها أسطوريا، خياليا وفلسفيا منذ القدم.^[5] كما يدور جدل عن ماهية الذكاء وأنواع الذكاء التي يمتلكها الإنسان وكيفية محاكاتها من الآلة. كان وما زال الذكاء الاصطناعي سببا لحالة من التفاؤل الشديد، ولقد عانى نكسات فادحة[20] واليوم، أصبح جزءا أساسيا من صناعة التكنولوجيا، حاملا عبء ثقيل من أصعب المشاكل في علوم الكمبيوتر.^[6]
ان بحوث الذكاء الاصطناعي من الأبحاث عاليه التخصص والتقنيه، لدرجة أن بعض النقاد ينتقدون "تفكك" هذا المجال.^[7] تتمحور المجالات الفرعية للذكاء الاصطناعي حول مشاكل معينة، وتطبيق ادوات خاصة وحول اختلافات نظريه قديمة في الاراء.المشاكل الرئيسية للذكاء الاصطناعي تتضمن قدرات مثل التفكير المنطقى والمعرفة والتخطيط والتعلم والتواصل والادراك والقدرة علي تحريك وتغيير الأشياء.^[8] الذكاء العام (أو "الذكاء الاصطناعى القوى")، ما زال هدفا بعيد المدى لبعض الأبحاث.