कल्पना कीजिए कि आप एक जादुई, अदृश्य कलाकार को आपके द्वारा दिए गए विवरण के आधार पर एक चित्र बनाने के लिए सिखाने की कोशिश कर रहे हैं। आप कहते हैं, "एक लाल कालीन पर बैठी एक बिल्ली का चित्र बनाओ," और वह कलाकार एक उत्कृष्ट कृति (मास्टरपीस) बनाता है। लेकिन फिर आप बिल्कुल उन्हीं शब्दों के साथ दूसरे चित्र के लिए पूछते हैं, और अचानक, बिल्ली नीली हो जाती है, कालीन गायब हो जाता है, और बिल्ली अंतरिक्ष में तैर रही होती है। यह "इमेज-टू-वीडियो" (Image-to-Video) AI की वर्तमान वास्तविकता है। ये शक्तिशाली कंप्यूटर प्रोग्राम हैं जो एक एकल फोटो और एक वाक्य को चलते-फिरते वीडियो में बदल सकते हैं। ये सपनों की मशीनों की तरह हैं, जो कुछ भी बनाने में सक्षम हैं जिसकी आप कल्पना कर सकते हैं। हालाँकि, वे अविश्वसनीय रूप से अप्रत्याशित भी हैं। वे थोड़े भाग्य पर काम करते हैं, जिसका अर्थ है कि यदि आप एक छोटी सी सेटिंग बदलते हैं या बस "जनरेट" बटन दबाने से एक सेकंड अधिक प्रतीक्षा करते हैं, तो परिणाम पूरी तरह से अलग हो सकता है। उन पेशेवर रचनाकारों के लिए जिन्हें किसी फिल्म या विज्ञापन के लिए एक विशिष्ट दृश्य बनाने की आवश्यकता होती है, यह "पासा फेंकने" (roll the dice) वाला दृष्टिकोण एक बुरा सपना है। वे केवल अच्छी चीज़ होने की उम्मीद नहीं कर सकते; उन्हें यह जानने की आवश्यकता है कि AI हर बार ठीक वही करेगा जो वे उससे कह रहे हैं।

यह शोध पत्र इन जंगली डिजिटल कलाकारों को वश में करने का एक नया तरीका पेश करता है। केवल AI को तब तक "दोबारा प्रयास करने" के लिए कहने के बजाय जब तक कुछ अच्छा न हो जाए (एक प्रक्रिया जिसे ट्रायल-एंड-एरर कहा जाता है), लेखकों ने एक स्मार्ट, आत्म-सुधार करने वाली प्रणाली बनाई है जिसे वे "एजेंटिक सेल्फ-इम्प्रूवमेंट" (Agentic Self-Improvement) कहते हैं। इसे एक AI को एक बहुत ही सख्त, सुपर-स्मार्ट संपादक और एक GPS देने के रूप में समझें। यह प्रणाली केवल अनुमान नहीं लगाती; यह योजना बनाती है। यह आपके अनुरोध को विशिष्ट प्रश्नों की एक चेकलिस्ट में तोड़ देती है, अपने द्वारा बनाए गए वीडियो की उस चेकलिस्ट के विरुद्ध जांच करती है, और फिर अपनी गलतियों को ठीक करने के लिए आपके अनुरोध को फिर से लिखती है या सेटिंग्स में बदलाव करती है। यह एक लूप (चक्र) में ऐसा करता है, और तब तक बेहतर होता जाता है जब तक कि वीडियो आपके विजन (दृष्टिकोण) से पूरी तरह मेल न खा जाए। परिणाम स्वरूप, यह विधि वीडियो निर्माण को संयोग के खेल से बदलकर एक विश्वसनीय, चरण-दर-चरण प्रक्रिया में बदल देती है, जिससे बिना घंटों का कंप्यूटर समय बर्बाद किए ठीक वैसा ही वीडियो प्राप्त करना बहुत आसान हो जाता है जैसा आप चाहते हैं।

समस्या: "पासा फेंकने वाला" वीडियो निर्माता

कल्पना कीजिए कि आप एक निर्देशक हैं जो एक इमारत की सीढ़ियों पर तीन महिलाओं के बैठने का दृश्य फिल्माने की कोशिश कर रहे हैं। आपके पास इमारत की एक फोटो है और आपने एक प्रॉम्प्ट टाइप किया है: "एक इमारत की सीढ़ियों पर बैठी महिलाओं का एक समूह।" आप बटन दबाते हैं, और AI एक वीडियो जनरेट करता है। लेकिन जब आप देखते हैं, तो कुछ गलत होता है। शायद एक महिला की छह उंगलियां हैं, या वीडियो के बीच में इमारत की दीवार का रंग बदल जाता है, या महिलाएं भूतों की तरह गायब होकर फिर से प्रकट हो जाती हैं।

ऐसा इसलिए होता है क्योंकि वर्तमान AI वीडियो मॉडल "ब्लैक बॉक्स" हैं। वे शक्तिशाली हैं, लेकिन वे "स्टोकेस्टिक" (stochastic) भी हैं, जो एक फैंसी शब्द है जिसका अर्थ है "रैंडम" या अनिश्चित। भले ही आप बिल्कुल वही शब्द टाइप करें और उसी फोटो का उपयोग करें, AI आपको हर बार एक पूरी तरह से अलग वीडियो दे सकता है क्योंकि इसमें "सीड्स" (seeds) और "गाइडेंस स्केल्स" (guidance scales) नामक सूक्ष्म, अदृश्य सेटिंग्स होती हैं। एक आदर्श वीडियो पाने के लिए, रचनाकारों को वर्तमान में एक "ब्रूट-फोर्स" पद्धति का उपयोग करना पड़ता है: वे दर्जनों या सैकड़ों वीडियो जनरेट करते हैं, इस उम्मीद में कि उनमें से कोई एक सही होगा। यह एक विशाल चाबियों के ढेर में एक विशिष्ट चाबी खोजने की कोशिश करने जैसा है, जहाँ आप बस एक-एक करके चाबियाँ उठा रहे हैं। इसमें बहुत समय लगता है, कंप्यूटर पावर की बहुत लागत आती है, और यह बेहद निराशाजनक है।

समाधान: "एजेंटिक" जासूस

इस शोध पत्र के लेखक एक स्मार्ट तरीका प्रस्तावित करते हैं। अंधाधुंध वीडियो जनरेट करने के बजाय, उन्होंने एक ऐसी प्रणाली बनाई है जो एक जासूस या कोच की तरह कार्य करती है। वे इसे "एजेंटिक सेल्फ-इम्प्रूवमेंट" फ्रेमवर्क कहते हैं। यह दो मुख्य चरणों में काम करता है, वीडियो को पूर्ण करने के लिए एक दो-चरणीय नृत्य की तरह।

चरण 1: प्रॉम्प्ट ऑप्टिमाइज़र (संपादक)
सबसे पहले, सिस्टम आपके मूल अनुरोध और आपकी फोटो को देखता है। यह एक सुपर-स्मार्ट AI (जिसे मल्टीमॉडल लार्ज लैंग्वेज मॉडल या mLLM कहा जाता है) का उपयोग एक संपादक के रूप में करता है। यह संपादक केवल आपके शब्दों को पढ़ता ही नहीं; बल्कि उन्हें प्रश्नों की एक विशिष्ट चेकलिस्ट में तोड़ देता है।

• "DSG" प्रश्न: ये एक लॉजिक पहेली की तरह हैं। यदि आपने कहा "सीढ़ियों पर बैठी महिलाएं," तो AI पूछता है: "क्या महिलाएं मौजूद हैं?" "क्या वे बैठी हैं?" "क्या वे सीढ़ियों पर हैं?" "क्या वहां एक इमारत है?"
• "CMQ" प्रश्न: ये उन अजीब गलतियों को पकड़ते हैं जो AI अक्सर करता है। यह पूछता है: "क्या महिलाओं के चेहरे एक जैसे रहते हैं?" "क्या उनके हाथ वास्तविक हैं?" "क्या वे गायब होकर फिर से प्रकट होते हैं?"

सिस्टम एक वीडियो जनरेट करता है, फिर "संपादक" AI उसे देखता है और इन प्रश्नों का "हाँ" या "नहीं" के साथ उत्तर देता है। यदि AI "क्या महिलाएं बैठी हैं?" का उत्तर "नहीं" में देता है, तो सिस्टम को पता चल जाता है कि कुछ गलत है। इसके बाद यह आपके प्रॉम्प्ट को अधिक स्पष्ट बनाने के लिए उसे फिर से लिखता है, जैसे "महिलाओं के बैठने" को बदलकर "सीढ़ियों पर मजबूती से बैठी तीन महिलाएं" कर देना। यह प्रक्रिया दोहराता रहता है—जनरेट करना और जांचना—जब तक कि वीडियो सभी प्रश्नों को पास न कर ले।

चरण 2: हाइपरपैरामीटर ऑप्टिमाइज़र (ट्यूनर)
एक बार जब प्रॉम्प्ट एकदम सही हो जाता है, तो सिस्टम को अभी भी AI मशीन पर चलाने के लिए सही "नॉब्स" (knobs) या नियंत्रणों को खोजने की आवश्यकता होती है। ये नॉब्स रैंडम "सीड" (जो विशिष्ट यादृच्छिक विवरण तय करता है) और "CFG स्केल" (जो यह तय करता है कि AI आपके निर्देशों का कितनी सख्ती से पालन करता है) हैं।
इन नंबरों का अनुमान लगाने के बजाय, सिस्टम बेयसियन ऑप्टिमाइज़ेशन (Bayesian Optimization) नामक एक गणितीय तकनीक का उपयोग करता है। कल्पना कीजिए कि आप समुद्र तट पर सबसे गर्म स्थान खोजने की कोशिश कर रहे हैं। एक रैंडम सर्च में आप बस अंधेरे में इधर-उधर दौड़ेंगे। बेयसियन ऑप्टिमाइज़ेशन एक ऐसे मानचित्र की तरह है जो आपके द्वारा उठाए गए हर कदम से सीखता है। यदि बिंदु A पर पानी ठंडा है, तो मानचित्र आपको बिंदु B के करीब देखने के लिए कहता है। सिस्टम इसका उपयोग सीड और सेटिंग्स के सही संयोजन को कुशलतापूर्वक खोजने के लिए करता है जो सबसे अच्छा वीडियो बनाता है, जिससे खराब संयोजनों पर समय बर्बाद नहीं होता।

उन्होंने इसका परीक्षण कैसे किया: मानव वोट

यह देखने के लिए कि क्या यह वास्तव में काम करता है, शोधकर्ताओं ने एक बड़ा परीक्षण किया। उन्होंने 100 अलग-अलग फोटो-और-प्रॉम्प्ट जोड़े लिए और अपने "एजेंटिक" सिस्टम को वीडियो बनाने के लिए कहा। उन्होंने इन वीडियो की तुलना पुराने "रैंडम सर्च" पद्धति से बने वीडियो से की।

उन्होंने केवल गुणवत्ता के लिए कंप्यूटर पर भरोसा नहीं किया; उन्होंने वास्तविक मनुष्यों को वीडियो देखने और विजेता चुनने के लिए कहा। परिणाम स्पष्ट थे:

• जब सिस्टम को 100 बार प्रयास करने की अनुमति दी गई (एक "100-जेनरेशन बजट"), तो उनके स्मार्ट सिस्टम द्वारा बनाए गए वीडियो रैंडम वीडियो की तुलना में 69% बार मनुष्यों द्वारा पसंद किए गए।
• केवल 10 प्रयासों के छोटे बजट के साथ भी, उनका सिस्टम 47% बार जीत गया, जबकि रैंडम पद्धति के लिए यह केवल 14% था।

शोधकर्ताओं ने यह भी जांचा कि क्या "संपादक" AI गलतियों को पकड़ने में वास्तव में अच्छा है। उन्होंने 100 वीडियो क्लिप्स पर AI के उत्तरों की तुलना मानव उत्तरों से की। लॉजिक वाले प्रश्नों (जैसे "क्या महिला मौजूद है?") पर AI 92% सटीक था और जटिल मोशन (गति) वाले प्रश्नों पर 82% सटीक था। इस उच्च स्तर की सहमति ने साबित कर दिया कि AI विश्वसनीय रूप से एक जज के रूप में कार्य कर सकता है।

इसका क्या अर्थ है

यह शोध पत्र सुझाव देता है कि वीडियो निर्माण को एक लक्ष्य-निर्देशित अनुकूलन समस्या (goal-directed optimization problem) के रूप में मानकर—जहाँ AI लगातार अपने काम की जांच करता है और खुद को सुधारता है—हम वीडियो जेनरेशन के वर्तमान "अनुमान लगाने" (speculative) वाले चरण से आगे बढ़ सकते हैं। केवल एक भाग्यशाली परिणाम की उम्मीद करने के बजाय, रचनाकार इस फ्रेमवर्क का उपयोग विश्वसनीय, उच्च-गुणवत्ता वाले वीडियो प्राप्त करने के लिए कर सकते हैं जो उनके मूल विजन से मेल खाते हों।

लेखक सावधानीपूर्वक यह नोट करते हैं कि यह कोई जादू की छड़ी नहीं है जो हर समस्या को तुरंत हल कर देती है। सिस्टम को लूप चलाने में अभी भी समय और कंप्यूटर पावर की आवश्यकता होती है। साथ ही, "संपादक" AI अभी भी जटिल गति और समय को समझने के मामले में वर्तमान कंप्यूटरों की क्षमता तक सीमित है। हालाँकि, यह अध्ययन दिखाता है कि यह "एजेंटिक" दृष्टिकोण एक महत्वपूर्ण प्रगति है। यह AI वीडियो बनाने की अराजक, ट्रायल-एंड-एरर प्रक्रिया को एक संरचित, नियंत्रणीय वर्कफ़्लो में बदल देता है, जिससे ये शक्तिशाली उपकरण फिल्म निर्माण और विज्ञापन जैसे वास्तविक दुनिया के कामों के लिए बहुत अधिक उपयोगी बन जाते हैं।