कृत्रिम बुद्धिमत्ता से छवि निर्माण का विरोधाभास

छवि की गुणवत्ता में सुधार करने के बजाय, कई एआई मॉडल यथार्थता बढ़ाने के लिए सक्रिय रूप से शोर, खराब रोशनी और दृश्य विकृति का अनुकरण करते हैं।

गूगल के नैनो बनाना प्रो की इमेज क्वालिटी काफी हद तक वास्तविक लगती है। फोटो: मैशेबल ।

कृत्रिम बुद्धिमत्ता (एआई) इमेजिंग तकनीक के शुरुआती वर्षों में, परिणामी उत्पादों को अक्सर आसानी से नकली के रूप में पहचाना जा सकता था। बहुत अधिक उंगलियां, विकृत शरीर के विवरण या अवास्तविक प्रकाश व्यवस्था जैसी छवियां आम तौर पर नकली छवियों की पहचान होती थीं।

हालांकि, वह युग अब समाप्त हो रहा है। कृत्रिम बुद्धिमत्ता (AI) द्वारा संचालित छवि निर्माण उपकरण, छवि को पूर्ण रूप से परिष्कृत करके नहीं, बल्कि जानबूझकर ऐसी खामियों को शामिल करके जो वास्तविक तस्वीरों की नकल करती हैं, अधिक विश्वसनीय होते जा रहे हैं।

एआई इमेज क्रिएशन में रुझान

ओपनएआई ने अपना डीएएलएल-ई इमेज जनरेशन टूल लगभग पांच साल पहले लॉन्च किया था। पहले संस्करण से केवल 256 x 256 पिक्सल के रिज़ॉल्यूशन वाली छवियां ही बनाई जा सकती थीं, जिससे यह व्यावहारिक होने के बजाय प्रायोगिक अधिक था। डीएएलएल-ई 2 के साथ, रिज़ॉल्यूशन को बढ़ाकर 1024 x 1024 पिक्सल कर दिया गया, जिसके परिणामस्वरूप काफी अधिक यथार्थवादी छवियां प्राप्त हुईं। हालांकि, अभी भी कुछ विसंगतियां दिखाई देती हैं, जैसे धुंधली सतहें और ऐसी वस्तुएं जिन्हें दृष्टिगत रूप से समझाना मुश्किल है।

इसी दौरान, मिडजर्नी और स्टेबल डिफ्यूजन ने भी रचनात्मक समुदाय का ध्यान आकर्षित किया। अगले कुछ वर्षों में, मॉडलों में लगातार सुधार किया गया, जिससे ज्यामितीय त्रुटियां कम हुईं और टेक्स्ट की दृश्यता बढ़ी। हालांकि, एआई का अधिकांश भाग अभी भी "अत्यधिक परिपूर्ण" प्रतीत होता था, जिसमें प्रकाश व्यवस्था, संरचना और सहजता वास्तविक तस्वीरों की तुलना में चित्रों से अधिक मिलती-जुलती थी।

कई एआई मॉडल ऐसी छवियां बनाते हैं जो वास्तविक जीवन के लिए बहुत यथार्थवादी लगती हैं। फोटो: ब्लूमबर्ग ।

यह चलन बदल रहा है। डेवलपर्स यथार्थवाद की ओर बढ़ रहे हैं, आम उपकरणों, विशेष रूप से फोन कैमरों से ली गई तस्वीरों में निहित खामियों को हूबहू दोहराने की कोशिश कर रहे हैं।

2025 के उत्तरार्ध में, Google ने Gemini ऐप में Nano Banana इमेज क्रिएशन मॉडल पेश किया, जिसके बाद Nano Banana Pro के साथ और भी अपग्रेड किए गए। सर्च दिग्गज के अनुसार, यह अब तक का सबसे यथार्थवादी इमेज मॉडल है, जो वास्तविक दुनिया के ज्ञान का उपयोग करने और टेक्स्ट को अधिक प्रभावी ढंग से प्रदर्शित करने की क्षमता रखता है।

खास बात यह है कि इस मॉडल द्वारा ली गई कई तस्वीरें कंट्रास्ट और परिप्रेक्ष्य से लेकर प्रकाश और तीक्ष्णता तक, स्मार्टफोन से ली गई तस्वीरों से काफी मिलती-जुलती हैं।

स्मार्टफोन कैमरों से ली गई तस्वीरों की अपनी एक अनूठी शैली होती है। सेंसर और लेंस के आकार की सीमाओं के कारण, स्मार्टफोन बेहतर छवि गुणवत्ता के लिए मल्टी-फ्रेम प्रोसेसिंग का उपयोग करते हैं। इससे ऐसी तस्वीरें बनती हैं जिनमें गहरे रंग उभरकर आते हैं, बारीक विवरण स्पष्ट होते हैं और छोटी स्क्रीन पर प्रदर्शन के लिए अनुकूलित होती हैं। इस शैली को सीखने वाली कृत्रिम बुद्धिमत्ता (AI) तस्वीरों को दर्शकों के लिए अधिक परिचित बनाती है, जिससे कृत्रिमता का आभास कम हो जाता है।

यथार्थवादी छवियों का विरोधाभास

गूगल इकलौता उदाहरण नहीं है। एडोब फायरफ्लाई में "इमेज एन्हांसमेंट" का विकल्प मौजूद है, जिससे उपयोगकर्ता कृत्रिम छवियों की गुणवत्ता को कम करके उन्हें वास्तविक तस्वीरों के करीब ला सकते हैं। मेटा में भी "स्टाइलिंग" स्लाइडर है, जिससे उपयोगकर्ता यथार्थता के स्तर को समायोजित कर सकते हैं।

वीडियो के क्षेत्र में, ओपनएआई के सोरा या गूगल के वीओ जैसे टूल का उपयोग कम गुणवत्ता वाले, दानेदार क्लिप बनाने के लिए किया जाता है जो सुरक्षा कैमरों से ली गई छवियों की नकल करते हैं, जो इतने "खराब" होते हैं कि विश्वसनीय लगें।

कृत्रिम बुद्धिमत्ता (एआई) का उपयोग करके निर्मित वीडियो पहले से कहीं अधिक यथार्थवादी होते जा रहे हैं। फोटो: ब्लूमबर्ग ।

कुछ फोटोग्राफी विशेषज्ञों के अनुसार, AI की परिचित खामियों को अनुकरण करने की क्षमता मॉडलों को "असामान्य घाटी" में गिरने से बचा सकती है, एक ऐसी स्थिति जहां छवियां वास्तविकता से काफी मिलती-जुलती हैं लेकिन फिर भी दर्शक के मन में बेचैनी पैदा करती हैं। वास्तविकता को हूबहू बनाने के बजाय, AI को केवल यह अनुकरण करने की आवश्यकता है कि मनुष्य अपनी सभी अंतर्निहित सीमाओं और अशुद्धियों के साथ छवियों को कैसे कैप्चर करते हैं।

इस विकास से असली और नकली छवियों के बीच अंतर करने की क्षमता के लिए एक महत्वपूर्ण चुनौती खड़ी हो गई है। जैसे-जैसे कृत्रिम बुद्धिमत्ता से बनी छवियां पारंपरिक तस्वीरों से मिलती-जुलती होती जा रही हैं, उनके स्रोत की पहचान करना और भी मुश्किल होता जा रहा है। इसी को ध्यान में रखते हुए, छवियों में क्रिप्टोग्राफिक हस्ताक्षर जोड़ने के लिए C2PA कंटेंट क्रेडेंशियल्स मानक को लागू किया जा रहा है, जिससे निर्माण के समय से ही उनकी पहचान करना संभव हो सकेगा।

वर्तमान में, स्मार्टफ़ोन से ली गई अधिकांश तस्वीरों में प्रमाणीकरण की जानकारी नहीं होती है, जबकि डिजिटल रूप से संपादित छवियों और पूरी तरह से कृत्रिम बुद्धिमत्ता द्वारा बनाई गई छवियों के बीच की रेखा धुंधली होती जा रही है। जब तक हार्डवेयर और शेयरिंग प्लेटफ़ॉर्म पर समान रूप से मानक लागू नहीं हो जाते, उपयोगकर्ताओं को डिजिटल स्पेस में छवियों के संबंध में आवश्यक सावधानी बरतने की आवश्यकता है।

स्रोत: https://znews.vn/nghich-ly-cua-ai-tao-anh-post1612058.html