அப்படியானால், செயற்கை நுண்ணறிவு உருவாக்கிய முகத்தையும், உண்மையான மனிதரின் முகத்தையும் நம்மால் சரியாக அடையாளம் காண முடியுமா?

செயற்கை நுண்ணறிவு உருவாக்கிய முகத்தை அடையாளம் காண முடியாதது, நம் அனைவரையும் பாதிக்கும் நிஜ உலக விளைவுகளை ஏற்படுத்துகிறது என்று கூறும் ஏமி டாவெல், “கேட்ஃபிஷிங் , டேட்டிங் இணையதள மோசடிகள் அல்லது நமது வங்கிக் கணக்குகளை குறிவைக்கும் மோசடிகள் என பல்வேறு வடிவங்களில் இது நடக்கிறது”என்றும் குறிப்பிட்டார்.

ஜூன் மாதத்தில் பிஎன்ஏஎஸ் என்ற அறிவியல் இதழில் வெளியான ஆய்வில், ஆஸ்திரேலியா, கனடா மற்றும் ஸ்காட்லாந்தைச் சேர்ந்த ஆய்வாளர்களுடன் இணைந்து, மக்களுக்கு பயிற்சி அளிக்கும் புதிய அணுகுமுறையை ஏமி டாவெல் சோதித்திருந்தார்.

செயற்கை நுண்ணறிவுத் தொழில்நுட்பம் தொடர்ந்து மேம்பட்டு வருவதால், ஆரம்ப காலங்களில் இருந்த வெளிப்படையான தவறுகள் தற்போது பெரும்பாலும் சரிசெய்யப்பட்டுள்ளன. எனவே, குறைபாடுகள் உள்ள படங்களை மோசடிக்காரர்கள் பயன்படுத்த வாய்ப்பில்லை என்று ஏமி டாவெல் கூறுகிறார்.

பொருந்தாத காதணிகள் அல்லது சிதைந்த முகத்தோற்றம் போன்ற வெளிப்படையான குறைபாடுகளை கவனிக்கும்படி மக்களுக்கு கற்றுக்கொடுப்பதற்குப் பதிலாக, ஒவ்வொரு முகத்தையும் முழுமையாகப் பார்த்து இயல்பான உள்ளுணர்வின் அடிப்படையில் மதிப்பிடும் வகையில் ஆய்வாளர்கள் பயிற்சி அளித்தனர்.

“செயற்கை நுண்ணறிவு உருவாக்கிய முகங்கள் வித்தியாசமாக இருக்கும் என்று நாம் எதிர்பார்க்கிறோம். அது கடந்த கால அனுபவத்தின் அடிப்படையிலான எண்ணம்.

ஆனால் உண்மையில், மனிதர்களின் முகங்கள் தான் முழுமையான சீரான தன்மையுடன் இருப்பதில்லை. ஒவ்வொருவருக்கும் தனித்துவமான சிறிய வேறுபாடுகள் இருக்கும். அதனால் இப்போது நிலைமை தலைகீழாக மாறிவிட்டது” என்று ஏமி டாவெல் கூறுகிறார்.

ஏமி டாவெலின் ஆய்வகத்தில் முன்பு நடத்தப்பட்ட ஆய்வில், உண்மையான மனிதர்களின் முகங்களை விட, செயற்கை நுண்ணறிவு உருவாக்கிய முகங்களையே மக்கள் அதிகமாக மனித முகங்களாக கருதியது கண்டறியப்பட்டது. இந்த நிகழ்வுக்கு அவர்கள் ‘செயற்கை நுண்ணறிவு சார்ந்த மிகை-யதார்த்தம்‘ (AI Hyper-realism) என்று பெயரிட்டுள்ளனர்.

செயற்கை நுண்ணறிவு அல்காரிதம்கள், தங்களுக்குப் பயிற்சி அளிக்கப்பட்ட பல்லாயிரக்கணக்கான முகங்களின் கணித ரீதியான சராசரியை நோக்கிச் செயல்படுவதால், “செயற்கை நுண்ணறிவு உருவாக்கிய முகங்கள், மனிதர்களின் முகங்களை விட மிகவும் சராசரியான அல்லது ‘ஹைப்பர் சராசரி’ தோற்றத்தைக் கொண்டிருக்கின்றன” என்கிறார் ஏமி டாவெல்.

இதனால், “அந்த முகங்கள் உண்மையான மனிதர்களின் முகங்களை விட அதிக நம்பகத்தன்மை கொண்டதாகவும், கவர்ச்சிகரமாகவும், ஏற்கனவே பரிச்சயமானதாகவும் தோன்றுகின்றன” என்றும் அவர் கூறுகிறார்.

ஆனால், அந்த ஆய்வில் வெள்ளையினத்தவரின் செயற்கை நுண்ணறிவு உருவாக்கிய முகங்கள் மட்டுமே ஆய்வு செய்யப்பட்டன. செயற்கை நுண்ணறிவு அல்காரிதம்களுக்கு பெரும்பாலும் வெள்ளையினத்தவர்களின் முகங்களையே அதிகமாகப் பயன்படுத்தி பயிற்சி அளிக்கப்படுவதால், மற்ற இனத்தவர்களின் முகங்களை விட அவை மிகவும் இயல்பாகத் தோன்றக்கூடும் என்றும் ஆய்வாளர்கள் குறிப்பிடுகின்றனர்.

சமீபத்திய ஆய்வில், முதலில் 45 பேரிடம் செயற்கை நுண்ணறிவு உருவாக்கிய முகத்தை அவர்கள் எவ்வளவு துல்லியமாக அடையாளம் காண முடிகிறது என்பதை ஆய்வாளர்கள் சோதித்தனர்.

ஒரு சோதனையில், அவர்களுக்கு மூன்று முகங்கள் காட்டப்பட்டு, அவற்றில் செயற்கை நுண்ணறிவு உருவாக்கிய முகத்தை தேர்வு செய்யுமாறு கூறப்பட்டது. இதில் அவர்கள் சராசரியாக 41 சதவீதம் மட்டுமே சரியாக அடையாளம் கண்டனர்.

அதன் பின்னர், பங்கேற்பாளர்களுக்கு சுமார் ஒரு மணி நேரம் பயிற்சி அளிக்கப்பட்டது.

இந்தப் பயிற்சியில், சுமார் 100 முகங்கள் காட்டப்பட்டன. அவற்றில் பாதி உண்மையான மனிதர்களின் முகங்களும், மற்ற பாதி செயற்கை நுண்ணறிவு உருவாக்கிய முகங்களும் ஆகும்.

ஒவ்வொரு முகத்தையும் தனித்துவம், நினைவில் நிற்கும் தன்மை, உணர்வுகளை வெளிப்படுத்தும் திறன், சமச்சீரான அமைப்பு, விகிதாச்சாரம் மற்றும் கவர்ச்சி ஆகிய ஆறு அம்சங்களின் அடிப்படையில் மதிப்பிடுமாறு பங்கேற்பாளர்களிடம் கூறப்பட்டதாக ஏமி டாவெல் தெரிவித்தார்.

அவரது கூற்றுப்படி, மனிதர்களின் முகங்கள் பொதுவாக அதிக தனித்துவம், நினைவில் நிற்கும் தன்மை மற்றும் உணர்வுகளை வெளிப்படுத்தும் திறன் கொண்டதாக இருக்கும். அதே நேரத்தில், செயற்கை நுண்ணறிவு உருவாக்கிய முகங்கள் அதிக சீரான, விகிதாச்சாரமான மற்றும் கவர்ச்சிகரமான தோற்றத்தைக் கொண்டிருக்கும்.

“செயற்கை நுண்ணறிவு உருவாக்கிய முகங்கள் முழுமையாக சமச்சீரான தன்மை கொண்டிருக்கும் என்று நாங்கள் நேரடியாகக் கூறுவதில்லை. அவர்கள் சீரான தன்மையின் அடிப்படையில் மட்டுமே மதிப்பிடுகிறார்கள். ஒவ்வொரு முகமும் செயற்கை நுண்ணறிவு உருவாக்கியதா அல்லது மனிதருடையதா என்பதை அவர்களுக்குத் தெரிவிக்கிறோம். அந்த அனுபவத்தின் மூலம், மனித முகங்களிலிருந்து அவை எவ்வாறு வேறுபடுகின்றன என்பதை அவர்கள் புரிந்துகொள்கிறார்கள்” என்று ஏமி டாவெல் கூறினார்.

சராசரியாக, பயிற்சிக்குப் பிறகு மேற்கண்ட சோதனையில் தங்களின் துல்லியமாகக் கண்டறியும் தன்மையை, பங்கேற்பாளர்கள் சுமார் இருமடங்காக அதிகரித்து 81% ஆக உயர்த்திக்கொண்டனர்.

இந்த ஆய்வின் தொடர்ச்சியாக, கனடாவில் உள்ள ஆய்வாளர்கள் மற்றொரு தன்னார்வலர் குழுவினரிடமும் இதே பயிற்சியை நடத்தினர்.

“அவர்கள் அந்தத் தரவுகளை தனியாக ஆய்வு செய்தபோதும், இதேபோன்ற வலுவான பலன்கள் கிடைத்தன” என்று ஏமி டாவெல் தெரிவித்தார்.

இந்த ஆய்வில் பங்கேற்காத, பிரிட்டனின் போர்ன்மவுத் பல்கலைக்கழகத்தில் காட்சி உணர்திறன் குறித்து ஆய்வு செய்து வரும் உளவியலாளரும் மருத்துவருமான அலெஜாண்ட்ரோ எஸ்டுடில்லோ, இந்த ஆய்வை படித்தபோது ஆச்சரியமடைந்ததாக பிபிசியிடம் தெரிவித்தார்.

ஏனெனில், இந்த ஆய்வு இதற்கு முன்பு மற்ற ஆய்வாளர்கள் பயன்படுத்திய முறைகளுக்கு மாறுபட்ட அணுகுமுறையைப் பின்பற்றியுள்ளதாக அவர் கூறினார்.

ஆனால், இந்த புதிய அணுகுமுறையின் சிறப்பு என்னவென்றால், இது மனிதர்களின் இயல்பான உள்ளுணர்வைப் பயன்படுத்துகிறது என்று அவர் தெரிவித்தார்.

“மனிதர்கள் ஒரு முகத்தை அடையாளம் காணும்போது, அதன் ஒவ்வொரு தனிப்பட்ட அம்சத்தையும் தனித்தனியாக கவனிப்பதில்லை. அதற்கு பதிலாக, ‘ஒட்டுமொத்த செயலாக்கம்’ என்ற முறையைப் பயன்படுத்துகிறோம்” என விளக்கிய அவர், முகத்தின் அனைத்து அம்சங்களையும் ஒன்றாக இணைத்து, முழுமையான ஒரு முகமாகவே நாம் அடையாளம் காண்கிறோம் என்றார் அலெஜாண்ட்ரோ எஸ்டுடில்லோ.

உதாரணமாக, ஒரு முகத்தின் தனித்துவம் அல்லது சமச்சீரான தன்மையை மதிப்பிடும்போது, ஒரு குறிப்பிட்ட அம்சத்தை மட்டும் கவனிப்பதில்லை. மாறாக, முழு முகத்தையும் ஒரே நேரத்தில் கவனிக்க வேண்டும் என்று அவர் கூறினார்.

தொடர்ந்து பேசிய அவர்,”அன்றாட வாழ்வில் மனிதர்கள் இயல்பாக முகங்களை எப்படிப் புரிந்துகொள்கிறார்களோ, அதே முறையில் பங்கேற்பாளர்களை செயல்படச் சொல்வதே சிறந்த அணுகுமுறையாக இருக்கலாம் என்று இதுவரை யாரும் நினைத்ததில்லை” என்றும் மருத்துவர் அலெஜாண்ட்ரோ எஸ்டுடில்லோ தெரிவித்தார்.

இந்த ஆய்வுக்கு சில வரம்புகளும் உள்ளன.

இந்தப் பயிற்சி, மிகவும் இயல்பான செயற்கை நுண்ணறிவு முகங்களை உருவாக்கும் ஸ்டைல்கேன்3 (StyleGAN3) என்ற செயற்கை நுண்ணறிவு மாதிரிக்காக மிகவும் பயனுள்ளதாக இருப்பது நிரூபிக்கப்பட்டுள்ளது. ஆனால், இதே பயிற்சி மற்ற செயற்கை நுண்ணறிவு மாதிரிகளிலும் செயல்படுகிறதா என்பதை சோதிக்க வேண்டும் என்கிறார் ஏமி டாவெல்.

“எங்கள் ஆய்வில் பங்கேற்றவர்கள் அனைவரும் இளம் வயதினர் தான். எனவே, குழந்தைகள் மற்றும் வயதானவர்களிடமும் இந்தப் பயிற்சி இதேபோல் செயல்படுமா என்பது முக்கியமான கேள்வியாக உள்ளது. ஏனெனில், அவர்களும் மோசடிகளால் அதிகம் பாதிக்கப்படுகிறார்கள்” என்றும் அவர் கூறினார்.

ஆனால், செயற்கை நுண்ணறிவு தொழில்நுட்பம் தொடர்ந்து வேகமாக மேம்பட்டு வருவதுதான் உண்மையான சவால் என்று ஆய்வாளர்கள் கூறுகின்றனர்.

செயற்கை நுண்ணறிவு உருவாக்கிய உள்ளடக்கங்களை கண்டறிய அல்காரிதத்தின் அடிப்படையிலான தானியங்கி கருவிகள் தற்போது கிடைக்கின்றன. இருப்பினும், அவற்றுக்கும் சில வரம்புகள் உள்ளன.

அவை குறிப்பிட்ட சில செயற்கை நுண்ணறிவு மாதிரிகளில் உருவாக்கப்பட்ட உள்ளடக்கங்களை மட்டுமே கண்டறியக்கூடும். புதிய ஏஐ மாதிரிகள் உருவாகும்போதோ அல்லது படங்கள் திருத்தப்படும்போதோ, அவை துல்லியமாக செயல்படுவதில் சிரமம் ஏற்படலாம்.

எனவே, செயற்கை நுண்ணறிவு டீப்ஃபேக் உருவாக்கங்களை கண்டறியும் பணியில் மனிதர்களின் பங்கு தொடர்ந்து முக்கியமானதாக இருக்க வேண்டும் என்று ஆய்வாளர்கள் வலியுறுத்துகின்றனர்.

“இது பூனைக்கும் எலிக்கும் இடையிலான போட்டியைப் போன்றது. கணினி வைரஸ்கள் தொடர்ந்து மாறிக்கொண்டே இருப்பதைப் போல, அவற்றை சமாளிக்க நாமும் தொடர்ந்து மாறிக்கொண்டே இருக்க வேண்டும்” என்று ஏமி டாவெல் கூறுகிறார்.

இருப்பினும், இந்த ஆய்வின் முடிவுகள் “நம்பிக்கை கொள்வதற்கு நல்ல காரணத்தை வழங்குகின்றன” என்று அவர் கருதுகிறார்.

நிலையான முகங்களை மட்டுமல்லாமல், செயற்கை நுண்ணறிவு உருவாக்கிய குரல்கள் மற்றும் காணொளிகளையும் மக்கள் அடையாளம் காண உதவும் வகையில், இதுபோன்ற பயிற்சிகள் எதிர்காலத்தில் உருவாக்கப்படலாம் என்று கூறும் அவர்,

அதன் மூலம், காணொலி அழைப்புகளில் நாம் பேசுவது உண்மையான சக ஊழியர்களுடனா அல்லது செயற்கை நுண்ணறிவு உருவாக்கிய டீப்ஃபேக் உருவங்களுடனா என்பதை எளிதாகக் கண்டறியும் திறன் மக்களுக்கு கிடைக்கலாம் என்றும் தெரிவித்தார்.

-இது பிபிசிக்காக கலெக்டிவ் நியூஸ்ரூம் வெளியீடு