कल्पना कीजिए कि आप एक हलचल भरे डिजिटल बाज़ार में घूम रहे हैं जहाँ कलाकार, फोटोग्राफर और कहानीकार अपना काम साझा करते हैं। वर्षों तक, यह स्थान वास्तविक कैमरों से ली गई तस्वीरों से भरा था। लेकिन हाल ही में, एक नए प्रकार का जादू आया है: ऐसे कंप्यूटर जो इतनी सटीक तस्वीरें बना सकते हैं कि वे बिल्कुल वास्तविक जीवन जैसी दिखती हैं। ये एआई-जनित (AI-generated) चित्र हैं। ये इतने अच्छे हैं कि हमारी आँखों को धोखा दे सकते हैं, जिससे फेक न्यूज़, डीपफेक और डिजिटल जालसाजी एक दैनिक वास्तविकता बन गई है। यह एक बड़ा सवाल खड़ा करता है: हम कैसे पहचानें कि क्या असली है और क्या कंप्यूटर की एक उत्कृष्ट कृति है?

इस समस्या को हल करने के लिए, वैज्ञानिक एक विशेष प्रकार के कंप्यूटर मस्तिष्क, जिसे मल्टीमॉडल लार्ज लैंग्वेज मॉडल (MLLM) कहा जाता है, का उपयोग करके "जासूस" बना रहे हैं। इन मॉडलों को एक सुपर-स्मार्ट छात्र के रूप में समझें जो एक तस्वीर को देख सकता है और यह समझाने के लिए एक लंबा निबंध लिख सकता है कि वह नकली क्यों हो सकती है। केवल "हाँ" या "ना" जैसा सरल उत्तर देने के बजाय, ये जासूस सुरागों के माध्यम से तर्क देने की कोशिश करते हैं, जैसे कि कोई जासूस रहस्य सुलझा रहा हो। हालाँकि, एक पेंच है: यहाँ तक कि सबसे स्मार्ट जासूस भी उन सूक्ष्म, बारीक सुरागों को मिस कर सकते हैं जो किसी नकली चीज़ को उजागर करते हैं। वे एक तस्वीर के बारे में कहानी लिखने में बहुत अच्छे हो सकते हैं, लेकिन वे हमेशा उन छोटी दरारों, अजीब बनावट (textures) या असंभव छायाओं को देखने में सक्षम नहीं होते जो सच्चाई को प्रकट करती हैं। यह शोध पत्र ठीक इसी समस्या पर प्रहार करता है: कि कैसे हमारे डिजिटल जासूसों को अपनी रिपोर्ट लिखना शुरू करने से पहले बेहतर देखना सिखाया जाए।

जासूस का नया चश्मा: VERITAS++

मिलिए VERITAS++ से, एक नया और बेहतर जासूसी ढांचा (framework) जिसे एआई-जनित छवियों को पकड़ने के लिए डिज़ाइन किया गया है। इसके पीछे के शोधकर्ताओं ने महसूस किया कि पिछले एआई जासूस उन छात्रों की तरह थे जो पेंटिंग के बारे में एक शानदार निबंध तो लिख सकते थे लेकिन उनकी दृष्टि (eyesight) बहुत खराब थी। वे बहुत ही विश्वसनीय तरीके से "कलात्मक शैली" या "प्रकाश व्यवस्था" के बारे में बात कर सकते थे, लेकिन वे अक्सर उन सूक्ष्म, भौतिक खामियों को मिस कर देते थे जो साबित करती हैं कि एक छवि नकली है।

यह शोध पत्र तर्क देता है कि एक महान जासूस होने के लिए, पहले आपको एक महान पर्यवेक्षक (observer) होना आवश्यक है। लेखकों ने पाया कि वर्तमान एआई मॉडल तीन विशिष्ट प्रकार की "दृष्टि" में संघर्ष करते हैं:

1. बारीक विवरण (Fine-grained details): छोटी वस्तुओं या अजीब बनावट को मिस करना।
2. सिमेंटिक विसंगतियाँ (Semantic anomalies): यह न देख पाना कि कुछ शारीरिक रूप से असंभव लग रहा है, जैसे कि छह उंगलियों वाला हाथ या एक ऐसी इमारत जिसका दरवाज़ा तर्कसंगत न हो।
3. पिक्सेल-स्तर के अंतर (Pixel-level differences): उन सूक्ष्म, दानेदार विसंगतियों को पहचानने में विफल होना जो तब होती हैं जब एक कंप्यूटर दो छवियों को आपस में मिलाने की कोशिश करता है।

इसे ठीक करने के लिए, टीम ने अपने एआई जासूस के लिए तीन चरणों वाला प्रशिक्षण शिविर बनाया।

चरण 1: एक साफ शुरुआत (हाई-क्वालिटी कोल्ड स्टार्ट)
इससे पहले कि जासूस जटिल मामलों को सुलझाना सीख सके, उन्हें एक साफ स्लेट की आवश्यकता होती है। शोधकर्ताओं ने देखा कि यदि वे एआई को अपने अभ्यास नोट्स खुद लिखने देते, तो वह कभी-कभी चीजें बना लेता (hallucinate), जिससे ऐसे फर्जी सुराग पैदा होते जो अस्तित्व में ही नहीं थे। इसलिए, उन्होंने मैन्युअल रूप से केवल सबसे अच्छे उदाहरण एकत्र किए जहाँ मनुष्यों ने पहले से ही वास्तविक सुरागों की ओर इशारा किया था। फिर उन्होंने इन सुरागों को एक स्पष्ट, तार्किक कहानी के प्रारूप में फिर से लिखा। इसने एआई को एक "लो-हैलुसिनेशन" आधार दिया, यह सुनिश्चित करते हुए कि वह सच्चाई से शुरुआत करे, न कि किसी मनगढ़ंत कहानी से।

चरण 2: देखना सीखना (परसेप्शन-ओरिएंटेड लर्निंग)
यही इस नई पद्धति का मूल है। केवल एआई से, "क्या यह छवि नकली है?" पूछने के बजाय, शोधकर्ताओं ने उसे विशिष्ट "विज़न टेस्ट" की एक श्रृंखला दी। उन्होंने एआई से विशिष्ट वस्तुओं को खोजने, यह जांचने के लिए कहा कि क्या हाथ सामान्य दिखता है, या पिक्सेल के सूक्ष्म अंतर खोजने के लिए दो छवियों की तुलना करने को कहा।

• उपमा: कल्पना कीजिए कि एक शिक्षक छात्र को परीक्षा दे रहा है। केवल यह पूछने के बजाय कि, "क्या आपने परीक्षा पास की?" (जो कि पुराना तरीका है), शिक्षक पूछता है, "क्या तुम इस तस्वीर में लाल गेंद ढूंढ सकते हो?" या "क्या इस व्यक्ति की बांह सही तरह से मुड़ी हुई है?"
• परिणाम: एआई को केवल तभी "पुरस्कार" मिलता है जब वह इन सूक्ष्म विवरणों को सही ढंग से पहचानता है। यह मॉडल को मजबूर करता है कि वह केवल समग्र 'वाइब' के आधार पर अनुमान लगाने के बजाय वास्तव में पिक्सेल और संरचनाओं को देखे। शोध पत्र दिखाता है कि यह चरण अंतराल को काफी कम करता है, जिससे एआई उन सूक्ष्म चीजों को पकड़ने में बहुत बेहतर हो जाता है जो आमतौर पर उसे चकमा दे देती हैं।

चरण 3: स्मार्ट शिक्षक (वैल्यू-अवेयर ऑन-पॉलिसी डिस्टिलेशन)
अब जब एआई बेहतर देख सकता है, शोधकर्ताओं को यह सिखाने की आवश्यकता थी कि वह अपने नए नेत्रों का उपयोग अंतिम निर्णय लेने के लिए कैसे करे। उन्होंने VaOPD (वैल्यू-अवेयर ऑन-पॉलिसी डिस्टिलेशन) नामक एक तकनीक का उपयोग किया।

• उपमा: कल्पना कीजिए कि एक छात्र भाषण का अभ्यास कर रहा है। एक सामान्य शिक्षक पूरे भाषण के लिए केवल "अच्छा काम किया" या "फिर से प्रयास करें" कह सकता है। लेकिन एक महान शिक्षक हर एक शब्द को ध्यान से सुनता है। यदि छात्र किसी विशिष्ट शब्द पर लड़खड़ाता है, तो शिक्षक उस पर ध्यान केंद्रित करता है। यदि छात्र एक पूरा पैराग्राफ सही बोलता है, तो शिक्षक उसे जाने देता है।
• यह कैसे काम करता है: एआई एक तर्क पथ (अपने जासूसी रिपोर्ट का एक मसौदा) तैयार करता है। एक "विशेषाधिकार प्राप्त शिक्षक" (एआई का एक स्मार्ट संस्करण) उस मसौदे को देखता है। शिक्षक केवल उत्तर को कॉपी-पेस्ट नहीं करता; वह यह पता लगाता है कि छात्र के तर्क का कौन सा हिस्सा गलत था और कौन सा हिस्सा शानदार था। फिर वह सीखने को उन गलतियों पर केंद्रित करता है, विशेष रूपकर उन पर जहाँ छात्र ने सुराग मिस कर दिया था। यह एआई को तेजी से सीखने और पुराने फakes को पहचानने की क्षमता खोए बिना नए प्रकार के फakes के अनुकूल होने में मदद करता है।

उन्होंने क्या पाया

इस नई प्रशिक्षण पद्धति के परिणाम काफी उत्साहजनक हैं। जब इसे विभिन्न चुनौतियों के विरुद्ध परखा गया—मानक नकली छवियों से लेकर सोशल मीडिया पर पाई जाने वाली "इन-द-वाइल्ड" तस्वीरों तक, और यहाँ तक कि उन ब्रांड-न्यू एआई जनरेटरों के विरुद्ध जिन्हें पहले नहीं देखा गया था—VERITAS++ ने पिछले तरीकों से बेहतर प्रदर्शन किया।

• बेहतर आँखें, बेहतर निर्णय: शोध पत्र सुझाव देता है कि एआई को सूक्ष्म विवरणों और संरचनात्मक खामियों को देखने के लिए स्पष्ट रूप से प्रशिक्षित करके, छवि वास्तविक है या नकली, इस पर अंतिम निर्णय बहुत अधिक सटीक हो जाता है। एआई केवल अनुमान लगाने में बेहतर नहीं हुआ; वह वास्तव में जो उसने देखा उसके आधार पर तर्क करने में बेहतर हुआ।
• भविष्य के अनुकूल होना: सबसे शानदार निष्कर्षों में से एक यह है कि यह विधि एआई को नए करतब जल्दी सीखने में मदद करती है। जब शोधकर्ताओं ने एआई को ब्रांड-न्यू प्रकार की नकली छवियों (जैसे कि नवीनतम GPT-Image-2 से) से परिचित कराया, तो मॉडल ने पुराने फakes को पहचानने की अपनी क्षमता खोए बिना खुद को अनुकूलित करने और अपने पता लगाने के कौशल में सुधार करने में सक्षम दिखाया। यह सुझाव देता है कि मॉडल एक अधिक लचीला और मजबूत जासूस बन रहा है।
• तर्क की गुणवत्ता: शोध पत्र ने यह भी देखा कि एआई अपने निर्णयों को कैसे समझाता है। नया मॉडल अपने निर्णयों के लिए अधिक ठोस, ग्राउंडेड कारण प्रदान करता है। केवल "यह अजीब लगता है क्योंकि यह नकली है" कहने के बजाय, यह बता सकता है कि "इस साइन पर लिखा टेक्स्ट धुंधला है और अक्षर पिघल रहे हैं," या "खिड़की में प्रतिबिंब कमरे से मेल नहीं खाता है।"

यह क्या नहीं है

यह ध्यान रखना महत्वपूर्ण है कि यह शोध पत्र क्या दावा नहीं करता है। शोधकर्ता सावधानी बरतते हुए कहते हैं कि हालांकि VERITAS++ एक मजबूत सुधार है, लेकिन यह सब कुछ हल करने वाली कोई जादुई छड़ी नहीं है।

• पूर्ण नहीं: शोध पत्र स्वीकार करता है कि अभी भी कुछ "विफलता मोड" (failure modes) मौजूद हैं। कभी-कभी, अजीब रोशनी वाली एक वास्तविक फोटो या एक उच्च-गुणवत्ता वाली नकली छवि जिसका बैकग्राउंड एकदम सटीक हो, मॉडल को चकमा दे सकती है। एआई "सिमेंटिक इल्यूजन" (वास्तविक चीजें जो असंभव लगती हैं) या उच्च-गुणवत्ता वाले फakes द्वारा धोखा खा सकता है जो एक यथार्थवादी संदर्भ में पूरी तरह से घुलमिल जाते हैं।
• तत्काल नहीं: शोध पत्र नोट करता है कि चूंकि इस मॉडल में जटिल तर्क (reasoning) का उपयोग होता है, इसलिए इसे चलाने में सरल डिटेक्टरों की तुलना में अधिक समय लगता है। यह अभी उन वास्तविक समय (real-time) अनुप्रयोगों के लिए तैयार नहीं है जहाँ गति ही एकमात्र महत्वपूर्ण चीज़ है।
• अंतिम समाधान नहीं: लेखक सुझाव देते हैं कि हालांकि उन्होंने "परसेप्शन" (अनुभूति) वाले हिस्से में सुधार किया है, लेकिन इन स्पष्टीकरणों का स्वचालित रूप से मूल्यांकन कैसे किया जाए और सिस्टम को और तेज़ कैसे बनाया जाए, इस पर अभी भी काम किया जाना बाकी है।

संक्षेप में, VERITAS++ यह सुझाव देता है कि यदि आप चाहते हैं कि एक कंप्यूटर एक अच्छा जासूस बने, तो आपको पहले उसे एक अच्छा पर्यवेक्षक बनना सिखाना होगा। एआई को डिजिटल दुनिया की सूक्ष्म दरारों को देखने के लिए बेहतर "चश्मे" देकर, पूरी प्रणाली को धोखा देना बहुत कठिन हो जाता है। यह एआई रचनाकारों और एआई डिटेक्टरों के बीच चल रहे बिल्ली-और-चूहे के खेल में एक कदम आगे है, जो यह सिद्ध करता है कि विवरणों को देखना ही सच्चाई खोजने की कुंजी है।