BusterX: MLLM-Powered AI-Generated Video Forgery Detection and Explanation

कल्पना कीजिए कि इंटरनेट एक विशाल, हलचल भरा बाज़ार है। लंबे समय तक, एक इंसान द्वारा ली गई असली फोटो और कंप्यूटर द्वारा बनाई गई नकली फोटो के बीच अंतर करना आसान था। लेकिन हाल ही में, "डिजिटल जादूगर" (AI वीडियो जनरेटर) अपने करतबों में इतने माहिर हो गए हैं कि वे इतने वास्तविक वीडियो बना सकते हैं कि विशेषज्ञ भी उन्हें वास्तविकता से अलग नहीं पहचान पाते।

यह शोध पत्र "डिजिटल डिटेक्टिव्स" (डिजिटल जासूसों) की एक नई टीम पेश करता है जिसे BusterX कहा जाता है, साथ ही एक नया प्रशिक्षण मैदान और एक नियम पुस्तिका भी, जो इन नकली चीज़ों को पकड़ने में मदद करेगी।

यहाँ उनके मिशन का विवरण सरल रूप में दिया गया है:

1. समस्या: "जादू का खेल" बेहतर हो रहा है

पुराने AI वीडियो को एक बच्चे द्वारा बनाई गई बिल्ली की ड्राइंग की तरह समझें। आप आसानी से देख सकते थे कि कान गलत थे या पूंछ गायब थी। लेकिन आज का AI एक मास्टर इल्यूजनिस्ट (मायाजाल दिखाने वाला) की तरह है। यह किसी व्यक्ति के बात करने, चलने या नाचने का ऐसा वीडियो बना सकता है जो 100% असली दिखता है।

पुराने "डिटेक्टिव्स" (पिछले AI टूल्स) उन सुरक्षा गार्डों की तरह थे जिन्हें केवल बच्चों की ड्राइंग पहचानना आता था। जब मास्टर इल्यूजनिस्ट आए, तो गार्ड भ्रमित हो गए और नकली चीज़ों को अंदर जाने दिया। इसके अलावा, पुराने टूल्स "ब्लैक बॉक्स" थे—वे बिना कारण बताए बस "नकली!" कह देते थे, जिससे इंसानों के लिए उन पर भरोसा करना मुश्किल हो जाता था।

2. नया प्रशिक्षण मैदान: GenBuster-200K

बेहतर जासूसों को प्रशिक्षित करने के लिए, आपको बेहतर अभ्यास सामग्री की आवश्यकता होती है। लेखकों ने महसूस किया कि पुराने अभ्यास वीडियो बहुत आसान थे (जैसे किसी पुलिस कुत्ते को चोंचले खिलौने पर प्रशिक्षित करना)।

उन्होंने GenBuster-200K बनाया, जो 2,00,000 से अधिक वीडियो का एक विशाल पुस्तकालय है।

• मिश्रण: इसमें असली वीडियो और बेहद वास्तविक नकली वीडियो दोनों हैं।
• निष्पक्षता का नियम: उन्होंने सुनिश्चित किया कि यह लाइब्रेरी पक्षपाती न हो। जैसे एक वास्तविक शहर में सभी उम्र, लिंग और पृष्ठभूमि के लोग होते हैं, वैसे ही इस डेटासेट में हर कोई शामिल है। उन्होंने AI को केवल "सूट पहने युवा पुरुषों" पर प्रशिक्षित नहीं किया; उन्होंने इसे हर जगह के हर व्यक्ति पर प्रशिक्षित किया।
• "वाइल्ड" ज़ोन: उन्होंने इसमें वे वीडियो भी शामिल किए जिन्हें सोशल मीडिया (जैसे TikTok या YouTube) द्वारा कंप्रेस (दबाया) गया था, क्योंकि जब लोग चीज़ें साझा करते हैं, तो असली नकली वीडियो अक्सर पिक्सेलेटेड और दबे हुए रूप में होते हैं।

3. नई नियम पुस्तिका: GenBuster-Bench

जासूसों को केवल एक बड़ी परीक्षा देने के बजाय, लेखकों ने एक तीन-स्तरीय चुनौती पाठ्यक्रम बनाया:

• स्तर 1 (कक्षा): क्या जासूस उन टूल्स द्वारा बनाए गए नकली वीडियो को पहचान सकता है जिन्हें उसने पहले देखा है? (आसान मोड)।
• स्तर 2 (नया विलेन): क्या जासूस उन नए टूल्स द्वारा बनाए गए नकली वीडियो को पहचान सकता है जिन्हें उसने पहले कभी नहीं देखा? यह परीक्षण करता है कि क्या उन्होंने जालसाजी के सिद्धांतों को सीखा है या केवल पुराने तरीकों को रटा है।
• स्तर 3 (वास्तविक दुनिया): क्या जासूस एक ऐसे नकली वीडियो को पहचान सकता है जिसे सोशल मीडिया पर पोस्ट किया गया है, कंप्रेस किया गया है और सौ बार साझा किया गया है? यह सबसे कठिन परीक्षण है।

उन्होंने एक "जज" (एक अन्य AI) भी जोड़ा जो केवल यह नहीं देखता कि उत्तर सही है या नहीं, बल्कि यह भी ग्रेड देता है कि व्याख्या कैसी है। यदि जासूस कहता है, "यह नकली है क्योंकि आँखें अजीब हैं," तो जज चेक करता है: "क्या आपने वास्तव में आँखों को देखा, या आपने सिर्फ अंदाज़ा लगाया?"

4. स्टार डिटेक्टिव: BusterX

BusterX से मिलिए। पुराने गार्डों के विपरीत जो केवल "नकली!" या "असली!" चिल्लाते थे, BusterX एक रीज़निंग डिटेक्टिव (तर्क करने वाला जासूस) है।

• यह कैसे काम करता है: अंदाज़ा लगाने के बजाय, BusterX अपनी सोचने वाली टोपी पहनता है और एक चरण-दर-चरण रिपोर्ट लिखता है। यह वीडियो के हर फ्रेम को देखता है और सवाल पूछता है जैसे:
  • "क्या छाया सूरज के साथ चलती है?"
  • "क्या व्यक्ति के कपड़े चलते समय स्वाभाविक रूप से लहराते हैं?"
  • "क्या त्वचा की बनावट बहुत चिकनी है, जैसे प्लास्टिक?"
• गुप्त हथियार (रीइन्फोर्समेंट लर्निंग): लेखकों ने केवल BusterX को उत्तर नहीं सिखाए। उन्होंने रीइन्फोर्समेंट लर्निंग नामक तकनीक का उपयोग किया। एक कुत्ते के ट्रेनर की कल्पना करें: हर बार जब BusterX एक असली सुराग पाता है और अच्छी व्याख्या करता है, तो उसे एक "ट्रीट" (इनाम) मिलता है। यदि वह गलत अंदाज़ा लगाता है या खराब व्याख्या लिखता है, तो उसे एक कोमल "ना" मिलता है। समय के साथ, BusterX एक मानव फोरेंसिक विशेषज्ञ की तरह सोचना सीख जाता है।

5. परिणाम: यह क्यों मायने रखता है

जब उन्होंने BusterX को परखने के लिए टेस्ट किया:

• पुराने डिटेक्टिव्स: वे "वास्तविक दुनिया" के स्तर पर बुरी तरह विफल रहे, क्योंकि वे नए AI टूल्स से भ्रमित हो गए।
• बड़े AI मॉडल्स: कुछ विशाल AI मॉडल अंदाज़ा लगाने में अच्छे थे, लेकिन वे अक्सर गलत हो जाते थे क्योंकि वे पक्षपाती थे (उदाहरण के लिए, उन्हें लगा कि सब कुछ नकली है, या कुछ भी नकली नहीं है)।
• BusterX: यह जीत गया। इसने केवल अंदाज़ा नहीं लगाया; इसने कारण दिए। यह आपको बिल्कुल बता सकता था कि वीडियो नकली क्यों है (जैसे, "व्यक्ति का हाथ फ्रेमों के बीच झपकाता है"), और यह मैसे (अव्यवस्थित) या किसी नए AI जनरेटर वाले वीडियो के बावजूद सटीक और शांत रहा।

बड़ी तस्वीर

यह शोध पत्र एक मेटल डिटेक्टर से अपग्रेड होने जैसा है जो हर चीज़ पर बीप करता है, बजाय एक फोरेंसिक वैज्ञानिक के जो आवर्धक लेंस (magnifying glass) के साथ काम करता है।

एक ऐसी दुनिया में जहाँ AI डीपफेक बना सकता है जो प्रतिष्ठा खराब कर सकता है या झूठ फैला सकता है, हमें ऐसे उपकरणों की आवश्यकता है जो केवल यह न कहें कि "वह एक झूठ है," बल्कि स्पष्ट, तार्किक साक्ष्य के साथ इसे सिद्ध भी कर सकें। BusterX वही उपकरण है, जो डिजिटल जादू की दुनिया में सच्चाई को सुरक्षित रखने के लिए तैयार है।