Evolution & Foundation: AI Shares Creative Control
यह शोध पत्र एक ऐसे ढांचे को प्रस्तुत करता है जो जेनेटिक एल्गोरिदम को मल्टीमॉडल एआई फाउंडेशन मॉडल्स के साथ एकीकृत करता है ताकि कलाकार की भूमिका को प्रत्यक्ष चयन से बदलकर सिस्टम डिज़ाइन में परिवर्तित किया जा सके, जिससे एआई सौंदर्य संबंधी तर्क (aesthetic reasoning) द्वारा निर्देशित जटिल 3D जैविक रूपों के तीव्र विकास को सक्षम बनाया जा सके और साथ ही पारदर्शी ऑडिट ट्रेल एवं इंटरैक्टिव विज़ुअलाइज़ेशन टूल्स भी प्रदान किए जा सकें।
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 आप एक कुशल मूर्तिकार हैं, लेकिन मिट्टी और छेनी के बजाय, आप "डिजिटल क्ले" (digital clay) के साथ काम कर रहे हैं जो अपना आकार खुद बदल सकती है। अतीत में, एक विशिष्ट आकार (जैसे एक मुर्गी या फूल) बनाने के लिए, आपको सैकड़ों यादृच्छिक डिजिटल आकृतियों को देखना पड़ता था, उनमें से उन आकृतियों को चुनना पड़ता था जो आपके वांछित आकार के सबसे करीब दिखती थीं, और फिर कंप्यूटर को बताना पड़ता था कि "इस एक के जैसा और बनाओ।" यह एक धीमा और दोहराव वाला काम था।
यह शोध पत्र एक नया तरीका पेश करता है जिसे "इवोल्यूशन एंड फाउंडेशन" (Evolution & Foundation - EvolF) कहा जाता है। इसे ऐसे समझें जैसे आपने आकृतियों को चुनने का भारी काम करने के लिए एक बहुत ही स्मार्ट, कलात्मक रोबोट सहायक को काम पर रखा है, जबकि आप, मानव, केवल एक उच्च-स्तरीय निर्देश देते हैं जैसे, "कुछ ऐसा बनाओ जो मुर्गी जैसा दिखता हो।"
यह प्रणाली कैसे काम करती है, इसे सरल भागों में यहाँ दिया गया है:
1. दो मुख्य पात्र
- "ऑर्गेनिक" सिस्टम (मूर्तिकार): यह एक पुराना, भरोसेमंद कंप्यूटर प्रोग्राम है जिसे कलाकारों और गणितज्ञों द्वारा बनाया गया है। यह नियमों के एक सेट (जैसे एक डिजिटल जेनेटिक कोड) से यादृच्छिक 3D आकृतियाँ उत्पन्न करता है। यह हजारों अजीब, अमूर्त और जैविक दिखने वाले रूप बना सकता है।
- "जेमिनी" मॉडल (क्यूरेटर): यह एक शक्तिशाली AI है जो छवियों को देख सकता है और भाषा को समझ सकता है। केवल गणित के नियमों का पालन करने के बजाय, यह एक चित्र को देख सकता है और कह सकता है, "यह थोड़ा पक्षी के सिर जैसा दिखता है," या "यह बहुत अस्त-व्यस्त है।"
2. नया वर्कफ़्लो: माली से वास्तुकार तक
पुराने दिनों में, मानव कलाकार को एक "माली" बनना पड़ता था, जिसे लगातार खराब पौधों को उखाड़ना पड़ता था और एक-एक करके सबसे अच्छे पौधों को चुनना पड़ता था।
इस नई प्रणाली में, मानव एक वास्तुकार (Architect) बन जाता है। आप AI को बताते हैं, "मुझे एक मुर्गी चाहिए।" AI फिर माली की भूमिका संभाल लेता है। यह एक बार में दो यादृच्छिक डिजिटल आकृतियों को देखता है, उनकी तुलना करता है, और निर्णय लेता है कि कौन सी आकृति मुर्गी के अधिक करीब है। यह विजेता को चुनता है, उसकी एक थोड़ी बदली हुई प्रति (म्यूटेशन) बनाता है, और इस प्रक्रिया को हजारों बार दोहराता है जब तक कि एक पहचानने योग्य मुर्गी उभर न आए।
3. "टेस्ट ऑफ टेस्ट" (बाइनरी टूर्नामेंट्स)
शोधकर्ताओं ने पाया कि यदि वे AI को एक साथ 16 आकृतियाँ दिखाते, तो AI भ्रमित हो जाता या बस पहले कुछ आकृतियों को ही चुन लेता। इसलिए, उन्होंने रणनीति बदल दी।
उन्होंने "वन-ऑन-वन" टूर्नामेंट्स आयोजित किए। AI दो आकृतियों को अगल-बगल देखता है और खुद से पूछता है: "इन दोनों में से कौन सी मुर्गी के अधिक करीब है?"
यह सुनिश्चित करने के लिए कि AI वास्तव में सोच रहा है न कि केवल अनुमान लगा रहा है, हम उसे अपने चुनाव को ज़ोर से समझाने के लिए कहते हैं (जैसे, "मैंने इसे इसलिए चुना क्योंकि इसमें एक लाल ऊपरी हिस्सा है जो कलगी जैसा दिखता है")। यह AI के विचारों का एक विस्तृत "ऑडिट ट्रेल" या डायरी बनाता है, ताकि मनुष्य देख सकें कि AI अपने अंतिम परिणाम तक कैसे पहुँचा।
4. चीजों को दिलचस्प बनाए रखना ("पिक्सेलस्कोर" ट्रिक)
कभी-कभी, AI एक जगह अटक जाता है। वह एक ही उबाऊ आकृति बार-बार बना सकता है क्योंकि उसे लगता है कि मुर्गी बनाने का यही सबसे अच्छा तरीका है। इसे "एक ही ढर्रे में फंसना" (getting stuck in a rut) कहा जाता है।
इसे ठीक करने के लिए, सिस्टम में एक सुरक्षा वाल्व है। हर 20 पीढ़ियों के बाद, यह एक "रचनात्मक व्यवधान" (creative disruption) पैदा करता है। यह एक क्षण के लिए "मुर्गी" के लक्ष्य को अनदेखा कर देता है और AI को उस आकृति को चुनने के लिए कहता है जो सबसे अधिक जटिल और विस्तृत है (जिसे PixelScore नामक मीट्रिक का उपयोग करके मापा जाता है)। यह सिस्टम को नई, अजीब चीजें आज़माने के लिए मजबूर करता है, जिससे यह सुनिश्चित होता है कि विकास उबाऊ या स्थिर न हो जाए।
5. परिणाम: विकास की एक कहानी
यह शोध पत्र केवल अंतिम मुर्गी को ही नहीं दिखाता; यह पूरी कहानी भी दिखाता है। क्योंकि AI ने हर एक चुनाव के लिए अपने तर्क लिखे हैं, शोधकर्ता एक वर्णनात्मक सारांश तैयार कर सकते हैं।
उदाहरण के लिए, AI रिपोर्ट कर सकता है: "शुरुआत में, हम एक गोल शरीर की तलाश में थे। फिर, हमने एक सिर की संरचना पर ध्यान केंद्रित करना शुरू किया। अंत में, हमने पैरों को परिष्कृत किया।"
यह कंप्यूटर कोड को एक पठनीय कहानी में बदल देता है कि कैसे एक जटिल 3D रूप एक यादृच्छिक धब्बे से विकसित होकर एक पहचानने योग्य रूप में बदला।
सारांश
शोध पत्र का दावा है कि एक पुराने स्कूल के विकासवादी कला तंत्र को आधुनिक, भाषा-समझने वाले AI के साथ जोड़कर, मनुष्य आकृतियों को चुनने के थकाऊ काम को बंद कर सकते हैं। इसके बजाय, मनुष्य लक्ष्य निर्धारित करते हैं, और AI एक रचनात्मक साथी के रूप में कार्य करता है जो जटिल 3D कला को विकसित करता है, अपने विकल्पों की व्याख्या करता है, और बिना रुके आगे बढ़ने के लिए प्रक्रिया को संचालित करता है। परिणाम एक पारदर्शी, कथात्मक यात्रा है—अमूर्त डिजिटल शोर से एक विशिष्ट, पहचानने योग्य रूप तक का सफर।
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।