Assessing the Geographic Diversity of AI's Platial Representations in Image Generation
यह शोध पत्र पारिस्थितिक प्रजाति विविधता के मापों को अनुकूलित करके एआई इमेज जनरेशन की भौगोलिक विविधता का मूल्यांकन करता है, जिससे यह पता चलता है कि पुराने मॉडल और प्रॉम्प्ट संशोधन अक्सर नए मॉडलों की तुलना में अधिक विविधता प्रदान करते हैं, जबकि यह भी उजागर करता है कि वर्तमान प्रणालियाँ विशिष्ट स्थानों का रूढ़िबद्ध तरीके से प्रतिनिधित्व करने में कितनी चिंताजनक एकरूपता दिखाती हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास बहुत बुद्धिमान, बहुत रचनात्मक रोबोटों का एक समूह है। आप उनसे किसी विशिष्ट शहर, जैसे वियना (Vienna), का चित्र बनाने के लिए कहते हैं। आप उम्मीद कर सकते हैं कि यदि आप 30 अलग-अलग रोबोटों से पूछते हैं, तो आपको 30 अलग-अलग दृश्य मिलेंगे: कुछ में पार्क होगा, कुछ में संग्रहालय, कुछ में व्यस्त सड़क, और कुछ में कोई प्रसिद्ध चर्च।
लेकिन यह शोध पत्र पूछता है: क्या होगा अगर वे सभी बिल्कुल एक जैसा ही चित्र बनाएं?
इस अध्ययन के लेखकों ने इसे परखने का निर्णय लिया। इसके लिए उन्होंने विभिन्न AI मॉडलों (जैसे DALL·E और GPT-4o) से वियना की छवियां बनाने के लिए कहा। उन्होंने केवल चित्रों को नहीं देखा; उन्होंने चित्रों के पीछे के विचारों को देखा ताकि यह पता चल सके कि क्या AI रचनात्मक हो रहा है या बस एक टूटे हुए रिकॉर्ड की तरह बार-बार वही दोहरा रहा है।
यहाँ उनके निष्कर्षों का विवरण दिया गया, सरल उपमाओं का उपयोग करते हुए:
1. "टूरिस्ट ब्रोशर" (पर्यटक पुस्तिका) की समस्या
जब शोधकर्ताओं ने AI से वियना का चित्र बनाने को कहा, तो लगभग हर एक मॉडल ने तुरंत सेंट स्टीफन कैथेड्रल के बारे में सोचा। ऐसा लग रहा था जैसे हर रोबोट के दिमाग में एक ही टूरिस्ट ब्रोशर भरा हुआ है।
- निष्कर्ष: AI मॉडल अविश्वसनीय रूप से "रूढ़िवादी" (stereotypical) थे। उन्होंने पूरे शहर को नहीं दिखाया; उन्होंने केवल सबसे प्रसिद्ध, प्रतिष्ठित स्थलों (जैसे ओपेरा हाउस या सिटी हॉल) को दिखाया।
- उपमा: कल्पना कीजिए कि आप 100 लोगों से एक जंगल का वर्णन करने के लिए कहते हैं। यदि उनमें से 90 लोग केवल सबसे ऊंचे पाइन के पेड़ का उल्लेख करते हैं और फर्न, नदियों और चट्टानों को अनदेखा कर देते हैं, तो वे वास्तव में जंगल का वर्णन नहीं कर रहे हैं; वे केवल एक पाइन के पेड़ के "विचार" का वर्णन कर रहे हैं। AI वियना के साथ भी यही कर रहा था।
2. "पुराना बनाम नया" का आश्चर्य
आमतौर पर, हम सोचते हैं कि नई तकनीक हमेशा बेहतर होती है। हम मानते हैं कि नवीनतम AI मॉडल सबसे अधिक रचनात्मक और विविध होगा।
- निष्कर्ष: लेखकों ने एक विरोधाभासी बात पाई। पुराने AI मॉडल (जैसे DALL·E 2) वास्तव में नए मॉडलों की तुलना में अधिक विविध चित्र बना रहे थे। नवीनतम मॉडल वास्तव में अपने तरीकों में अधिक अटके हुए थे, जो उन्हीं कुछ प्रसिद्ध स्थलों पर केंद्रित थे।
- उपमा: यह एक संगीत प्लेलिस्ट की तरह है। आप उम्मीद कर सकते हैं कि संगीत ऐप के "प्रीमियम 2026" संस्करण में सबसे अधिक विविधता होगी। लेकिन इस मामले में, "प्रीमियम" संस्करण केवल शीर्ष 3 हिट गानों को बार-बार बजा रहा था, जबकि "बेसिक 2022" संस्करण वास्तव में गानों का एक व्यापक मिश्रण बजा रहा था।
3. "शब्द बनाम चित्र" का अंतर
अध्ययन ने प्रक्रिया के दो चरणों को देखा:
- प्रॉम्प्ट (Prompt): वह टेक्स्ट जो AI यह वर्णन करने के लिए लिखता है कि वह क्या बनाने जा रहा है।
- चित्र (Image): वह वास्तविक चित्र जो वह बनाता है।
- निष्कर्ष: AI विवरण लिखने के समय अधिक विविध था, लेकिन चित्र बनाने के समय नहीं।
- उपमा: एक ऐसे शेफ की कल्पना करें जो मेनू में 20 अलग-अलग विदेशी व्यंजनों (प्रॉम्प्ट) के साथ लिखता है, लेकिन जब वह वास्तव में खाना पकाता है, तो वह केवल तीन बुनियादी व्यंजन ही परोसता है (चित्र)। "विचार" विविध था, लेकिन "वास्तविकता" नहीं थी।
4. सेब और संतरे की गिनती (गणित वाला भाग)
इस "विविधता" को मापने के लिए, शोधकर्ताओं ने पारिस्थितिकी (प्रकृति के अध्ययन) से एक उपकरण उधार लिया।
- पुराना तरीका (हिल नंबर - Hill Number): यदि आपके पास 10 पेड़ हैं और वे सभी अलग-अलग प्रजातियों के हैं, तो वह उच्च विविधता है। यदि आपके पास 10 पेड़ हैं और उनमें से 9 पाइन के हैं और 1 ओक का है, तो वह कम विविधता है।
- नया तरीका (लेन्स्टर-कोबल्ड नंबर - Leinster-Cobbold Number): लेखकों ने महसूस किया कि केवल "अलग" चीजों को गिनना पर्याप्त नहीं है। क्या होगा यदि आपके पास 10 पेड़ हैं, लेकिन 5 पाइन के हैं और 5 स्प्रूस के हैं? वे अलग प्रजातियां हैं, लेकिन वे एक-दूसरे के बहुत समान हैं।
- अंतर्दृष्टि: जब उन्होंने इस "समानता" वाले गणित का उपयोग किया, तो विविधता स्कोर और भी कम हो गया। यह सामने आया कि भले ही AI ने अलग-अलग स्थलों को चुना, वे अक्सर एक ही प्रकार की इमारत के अलग-अलग संस्करण थे (जैसे, विभिन्न चर्च)।
- उपमा: यदि आप एक बच्चे को 5 अलग-अलग फल चुनने के लिए कहते हैं, और वह एक ग्रेनी स्मिथ, एक फुजी और एक गाला सेब चुनता है, तो वह कह सकता है, "मैंने 3 अलग-अलग फल चुने हैं!" लेकिन एक विशेषज्ञ जानता है कि वे सभी केवल सेब ही हैं। AI "अलग" स्थलों को चुन रहा था जो वास्तव में केवल अलग "सेब" थे।
5. हमें इसकी परवाह क्यों करनी चाहिए?
लेखकों का तर्क है कि यह केवल एक तकनीकी त्रुटि नहीं है; यह पूर्वाग्रह (bias) का एक रूप है।
- यदि AI किसी शहर के बारे में पूछने पर हमेशा आपको वही कुछ चुनिड़े स्थल दिखाता है, तो यह उस स्थान के प्रति एक संकीर्ण और रूढ़िवादी दृष्टिकोण बनाता है।
- यह शहर के बाकी हिस्सों (स्थानीय पड़ोस, छोटे पार्क, अद्वितीय स्थानीय वास्तुकला) को अदृश्य बनाने का जोखिम उठाता है।
- निष्कर्ष: जैसे-जैसे AI चित्र बनाने में बेहतर होता जा रहा है, यह वास्तव में दुनिया के वास्तविक, जटिल और विविध स्वरूप को दिखाने में खराब होता जा रहा है। यह एक "दर्पणों का गलियारा" बनता जा रहा है जो केवल सबसे प्रसिद्ध चीजों को ही वापस दिखाता है।
संक्षेप में: यह शोध पत्र चेतावनी देता है कि हमारे AI इमेज जनरेटर भूगोल के लिए "इको चैंबर" (प्रतिध्वनि कक्ष) बनते जा रहे हैं। वे भीड़ का अनुसरण करने में इतने कुशल होते जा रहे हैं कि वे हमें दुनिया के अनूठे, विविध और कम प्रसिद्ध हिस्सों को दिखाना भूल रहे हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।