काठमाडौँ । ‘द नेचर ट्रेल्स’ नामक टिकटक अकाउन्टबाट केही दिनअघि एउटा भिडिओ पोस्ट भयो, जसको क्याप्सनमा ‘Yeti Revealed’ अर्थात् ‘यतिको खुलासा’ लेखिएको थियो । भिडिओमा एक प्रस्तोता भन्छिन्, “यतिको नामले सामाजिक सञ्जालमा चर्चित व्यक्ति को हुन्, हेर्नुहोस् ।”
त्यसपछि यति पात्र बोल्न थाल्छ, “नमस्ते सबैलाई । मेरो नाम छिरिङ हो । मेरो घर सङ्खुवासभा हो । सबैले मलाई यति भन्छन् ।”
लगत्तै यतिको भेषमा रहेका ती व्यक्तिले आफ्नो मुकुट खोल्छन् र भन्छन्, “तर, त्यस्तो केही होइन । वास्तवमा म एउटा भिडिओ बनाउने कम्पनीमा काम गर्छु ।”
यो सामग्री तयार पार्दासम्म उक्त भिडिओ १४ लाखभन्दा बढी पटक हेरिएको छ । त्यसमा झन्डै ८२ हजार लाइक, ८०० भन्दा बढी कमेन्ट र ५४०० भन्दा बढी शेयर भएको देखिन्छ । अधिकांश कमेन्ट अस्मिता, सुस्मिता, सुनिता, अनिता, सिर्जना, कल्पना, सीता जस्ता नाम भएका युवतीहरूले गरेका छन् ।
उनीहरूले कमेन्ट गर्नुको कारण थियो- यति पात्रले बारम्बार उनीहरूको नाम लिएर भिडिओ बनाउनु । कमेन्ट सेक्सनमा ‘मेरो नाम लिने मान्छे यिनी पो रहेछन् ?’, ‘अबदेखि मेरो नाम नलिनू है !’, ‘किन सबै भिडिओमा मेरो नाम लिन्छौ ?’ जस्ता प्रतिक्रिया थिए । केहीले सङ्खुवासभा घर भनेकाले ‘मेरै गाउँको रहेछ’ भनेर पनि लेखेका छन् ।
यसले भिडिओलाई लिएर अधिकांश प्रयोगकर्ता भ्रममा परेको भन्ने देखाउँछ । वास्तवमा त्यसअघि सामाजिक सञ्जालमा यतिले माथि उल्लेख गरिएका युवतीको नाम बारम्बार लिएर बनाइएका भिडिओ क्लिप भाइरल बनेका थिए । त्यसैलाई जोडेर कतिपयले यति बनेर आफ्नो नाम लिने व्यक्ति ‘यो’ रहेछ भन्ने अड्कल काटे र, त्यसो नगर्न सुझाव दिए ।
यो भ्रमको पछाडि गुगलको नयाँ प्रविधिको भूमिका छ । गुगलले २० मेमा ‘भिओ थ्री’ (VEO 3) नामक एआई टुल सार्वजनिक गर्यो, जसले शब्दमा लेखेर दिएको निर्देशनको भरमा आवाजसहितको साँच्चिकै जस्तो लाग्ने भिडिओ बनाइ दिन्छ । सुरुमा अमेरिकाका सीमित प्रयोगकर्ताका लागि मात्र उपलब्ध यो टुल पछि सस्तो मूल्य र एक महिनाको निःशुल्क परीक्षणका लागि पनि खुला गरियो ।
त्यसपछि डलर कार्ड वा अन्तर्राष्ट्रिय भुक्तानीको सुविधा भएका नेपाली प्रयोगकर्ताले पनि यो प्रविधि प्रयोग गरेर भिडिओ बनाउन थाले । विशेषगरी नेपालको हिमाली भेगमा पाइने विश्वास गरिएको मिथकीय प्राणी ‘यति’सँग सम्बन्धित भिडिओ धेरै बने र रुचाइए । स्पष्ट नेपाली लवज र उच्चारणका कारण ती भिडिओ सक्कली जस्तै देखिए । केहीले भने त्यही टुल प्रयोग गरेर यतिले अपाच्य, छाडा र अश्लील अर्थ लाग्ने विषय बोलेको देखाए ।
यस्तै एआईबाट बनाइएका वृद्ध नेपाली महिलाले अङ्ग्रेजीमा भ्लग बनाएका भिडिओ पनि भाइरल भए । एआईबारे जानकारी नभएका सामान्य प्रयोगकर्ताले ती भिडिओलाई साँच्चिकै ठाने र आफ्नो अङ्ग्रेजी कमजोर भएकोमा पछुतो गरे । पानी पर्दा सडकका खाल्डोमा मानिस र गाडी खसेका भिडिओ पनि यसैगरी भाइरल भए ।
केही प्रयोगकर्ताले यी भिडिओ एआईले बनाएको हो भनेर चिनेको भए पनि अधिकांशले भने तिनलाई वास्तविक नै ठानेका छन् । सामाजिक सञ्जाल प्लेटफर्मले एआई निर्मित सामग्री (फोटो, भिडिओ, टेक्स्ट) मा एआईले बनाएको अर्थ लाग्ने लेबल ‘AI Info’ लगाउने सुविधा दिएका छन् । त्यस्तै क्याप्सन र कमेन्टमा पनि भिडिओको वास्तविकता खुलाउने सुविधा हुन्छ ।
तर, नेपालका सन्दर्भमा सामाजिक सञ्जालमा भ्रम फैलाउने मनसायले एआई ट्याग लगाउने विषय त परै जाओस्, कसैले कमेन्टमा ‘एआईले बनाएको हो’ भनेको छ भने पनि त्यसलाई प्रतिकार गरेर वास्तविक हो भनेर उल्टै झुटो दाबी गरिएका छन् । अर्थात यस्ता भिडिओ बनाउने क्रियटरले रिच, लाइक, कमेन्ट, शेयर र फलोअर पाउने लोभले जानाजान भ्रम फैलाइरहेका छन् ।
भिडिओको वास्तविकता बुझ्ने केही प्रयोगकर्ताले मनोरञ्जनका लागि पनि भिडिओ वास्तविक नै भएको जसरी कमेन्ट लेख्ने गरेका छन् । यसले गर्दा भिडिओको वास्तविकता नबुझ्ने प्रयोगकर्तालाई एआई निर्मित सामग्री वास्तविक नै हो भन्ने भ्रम परेको देखिन्छ ।
त्यसो भए कसरी छुट्याउने एआई निर्मित सामग्री ? भिडिओ वा अडियो एआई सिर्जित हो वा होइन भन्ने पत्ता लगाउने तरिका बारे आज हामी तपाईँलाई बताउँदै छौँ ।
कसरी छुट्याउने एआई-सिर्जित भिडिओ ?
एआईले भिडिओ तयार पार्ने प्रविधिमा ठुलो प्रगति गरे पनि मानव व्यवहारको सूक्ष्मता र भौतिक विज्ञानका नियमलाई पूर्ण रूपमा नक्कल गर्न अझै सङ्घर्ष गरिरहेको छ । यहाँ केही महत्त्वपूर्ण सङ्केतहरू छन्, जसले एआई-सिर्जित भिडिओलाई वास्तविक भिडिओबाट छुट्याउन मद्दत गर्छ ।
१. आँखाको अनौठो चाल
मानिसको आँखाको चाल निकै जटिल हुन्छ । वास्तविक मानिसहरूले कुरा गर्दा, वरपर हेर्दा वा सोच्दा स्वाभाविक रूपमा आफ्ना आँखा यताउति घुमाउँछन्, झिम्क्याउँछन् र एकै ठाउँमा केन्द्रित गर्छन् । एआई-सिर्जित भिडिओमा भने यो स्वाभाविक चाल हराउन सक्छ । तपाईँले भिडिओमा देखिने पात्रको आँखाको चालमा अनियमितता, अप्राकृतिक स्थिरपन वा असङ्गति भेट्टाउन सक्नुहुन्छ । कहिलेकाहीँ तिनीहरूले आँखा सामान्य भन्दा कम वा बढी झिम्क्याउन सक्छन् वा आँखाको नानी स्थिर देखिन सक्छ ।
यो एआई भिडिओ पत्ता लगाउने सबैभन्दा सजिलो तरिकामध्ये एक हो । तर, तपाईँलाई आँखाको चाल स्वभाविक लाग्यो भन्दैमा वास्तविक भिडिओ नै हो भन्ने पनि हुँदैन । आँखाको चालसँगै अन्य पक्षको पनि विश्लेषण गर्नुपर्ने हुन्छ ।
२) अजीव भिडिओ भाइब्स र ‘अनक्यानी भ्याली’
जापानी रोबोटिक्सका वैज्ञानिक मासाहिरो मोरीले सन् १९७० को दशकमा अनक्यानी भ्याली (Uncanny Valley) को अवधारणा प्रस्तुत गरेका थिए । उनले के पत्ता लगाए भने ‘जब रोबोटहरू मानिस जस्तै देखिन थाल्छन्, तब मानिसहरू तिनीहरूसँग सहज महसुस गर्न थाल्छन् । तर जब तिनीहरू वास्तविक मानिससँग निकै नजिक तर पूर्ण रूपमा समान हुँदैनन्, त्यतिबेला मानिसले असहज वा डरलाग्दो महसुस गर्ने गर्छन् ।
यसरी एक्कासी सहजतामा आउने गिरावटलाई ‘अनक्यानी भ्याली’ भनिन्छ । एआई-निर्मित भिडिओमा पनि यस्तै अनुभूति हुन सक्छ । एआई क्यारेक्टरको अनुहारमा विशेष गरी आँखामा, कहिलेकाहीँ यस्तो असहजता वा विकृति देखिन्छ, जुन हेर्दा डरलाग्दो वा अस्वाभाविक लाग्न सक्छ ।
उदाहरणका लागि कुनै भिडिओमा एक व्यक्तिले फराकिलो मुस्कान दिएको देखिन्छ, तर अनुहारको बाँकी भाग, विशेष गरी आँखा, स्थिर नलाग्ने र डर अनुभव गरिरहेको जस्तो हुन सक्छ । यस्तो कुरा तपाईँको आफ्नै अनुभूति र महसुसमा पनि भर पर्छ । यदि तपाईँलाई केही अस्वाभाविक लागिरहेको छ भने त्यो सामग्री एआईले बनाएको हुन सक्छ ।
३) हातमा ध्यान दिने
‘हात’ एआई भिडिओ पत्ता लगाउने अर्को महत्त्वपूर्ण माध्यम हो । मानव हात र औँलाको चाल, अन्तरक्रिया र उपस्थिति जटिल तथा परिवर्तनशील किसिमको हुन्छ । यी चाल अवस्था अनुसार फरक फरक हुने भएकाले एआईलाई नक्कल गर्न गाह्रो हुन्छ ।
एआई-निर्मित भिडिओमा हातमा धेरै वा थोरै औँला देखिन सक्छन् वा तिनीहरूको आकार अजीब हुन सक्छ । औँलाको चाल पनि अप्राकृतिक देखिन सक्छ । कहिलेकाहीँ बोलिरहेको पात्रको शारीरिक हाउभाउ उ बोल्ने शब्दसँग मेल नखाएको, औँला एकअर्कामा मिसिएको वा असम्भव तरिकाले रूप परिवर्तन गरेको देख्न सकिन्छ ।
यसबाट पनि भिडिओ एआई सिर्जित हो वा होइन भनेर छुट्याउन सकिन्छ । भिडिओका केही फ्रेममा औँला स्वभाविक र प्राकृतिक देखिन सक्छन् । तर, यसलाई विश्लेषण गर्दा सबै फ्रेमहरू एक एक गरी हेर्नु आवश्यक हुन्छ ।
४) अर्थहीन काम
वास्तविक जीवनमा मानिसले पेन टोक्ने, चस्मा मिलाउने वा आफ्नो पाखुरा कन्याउने जस्ता अनगिन्ती अर्थहीन काम गर्छन् । यी सामान्य र अपेक्षित व्यवहार हुन्, जसलाई अङ्ग्रेजीमा ‘एडप्टर्स’ भनिन्छ । यी प्रायः अवचेतन रूपमा देखिने बानी हुन् । यस्ता बानीले मानिसलाई डर, तनाव वा असहज महसुस कम गर्न र ध्यान केन्द्रित गर्न सहयोग गर्छन् ।
एआई-निर्मित भिडिओमा भने यस्ता ‘एडप्टर्स’ को अभाव हुन सक्छ । यसले गर्दा पात्रलाई अस्वाभाविक रूपमा स्थिर वा रोबोटिक देखाउँछ । एआईलाई यस्ता सूक्ष्म, अवचेतन कामको नक्कल गर्न कठिन हुने भएकाले ती भिडिओमा क्यारेक्टरको हाउभाउ ‘अस्वाभाविक’ देखिन्छ । यसबाट पनि भिडिओलाई एआई-निर्मित हो कि भनेर शङ्का गर्न सकिन्छ ।
५) वस्तु एकअर्काबाट पार भएको देखिन सक्छ
दुई ओटा ठोस वस्तुहरू एउटै समयमा एउटै स्थानमा रहन सक्दैनन्, किनभने उनीहरूको भौतिक अस्तित्व एकअर्कासँग ठोक्किन्छ । यो विज्ञानको सामान्य नियम हो ।
यदि तपाईँले भिडिओमा वस्तु वा शरीरका भागहरू पर्खाल, फर्निचर वा अरू मानिसबाट पार भइरहेको देख्नुभयो भने त्यो भूत नभई एआई-निर्मित भिडिओ हुन सक्छ । उदाहरणका लागि भिडिओमा कसैको हात बक्सबाट पार भएको देखिन सक्छ, आकाशमा चरा एकाएक बिलाउन सक्छ । जुन स्पष्ट रूपमा एआईले बनाएको सङ्केत हो ।
६) गुरुत्वाकर्षण र संवेगको उल्लङ्घन
गुरुत्वाकर्षण र संवेगले वस्तु कसरी चल्छ भन्ने निर्धारण गर्छन् । जब कुनै व्यक्ति वा वस्तु उफ्रन्छ, त्यसले एउटा अनुमानित पथ (चाप) बनाउँछ र निश्चित समयमा अवतरण गर्छ । यदि कुनै वस्तु अप्राकृतिक रूपमा तैरिरहेको देखियो, सतहमा धेरै सजिलै चलिरहेको पाइयो वा खसिरहेको वस्तु कुनै भौतिक कारणबिना हावामा सुस्त भयो भने तपाईँ सम्भवतः एआई-सिर्जित फुटेज हेर्दै हुनुहुन्छ ।
७) वस्तु र मानिसको अन्तरक्रिया
एआई-निर्मित भिडिओमा मानिस वा दृश्यका अन्य तत्वसँग प्रायः वस्तुले स्वाभाविक रूपमा अन्तरक्रिया गर्न नसक्ने देखिन्छ । एआईलाई वास्तविक जीवनमा देखिने कारण र परिणाम (cause-and-effect) को सम्बन्धलाई सही रूपमा नक्कल गर्न गाह्रो हुने भएकाले यस्तो अवस्था आउँछ ।
उदाहरणका लागि खाना खाने दृश्यमा काँटा मुखभित्र स्वाभाविक रूपमा जाँदैछ कि छैन, खाना कडा, बनावटी वा अस्वाभाविक देखिन्छ कि भन्ने जस्ता विवरणमा ध्यान दिनुहोस् । यस्ता त्रुटिले सिनलाई कृत्रिम बनाउँछ । वास्तविक जीवनमा वस्तु र मानिसबिचको अन्तरक्रिया सहज, विश्वसनीय र प्रतिक्रियात्मक हुन्छ । तर एआईले बनाएको भिडिओमा, वस्तुहरू प्रायः छुट्टाछुट्टै संसारका भाग झैँ देखिन्छन्, जसले वास्तविकताको अनुभूति दिँदैन ।
८) ‘मोर्फिङ’ वा आकार परिवर्तन
एआईले कहिलेकाहीँ मानिसले समातेको वस्तु ठिकसँग देखाउन सक्दैन । एआईले हात वा शरीरमा भएको वस्तु छुट्याउन गाह्रो मान्ने भएकाले नै यस्तो हुन्छ । जब वस्तु हातसँग मिलेको जस्तो देखिन्छ, एआईले त्यो वस्तुलाई शरीरकै भाग जस्तो बनाएर आकार बदलिदिन्छ । वस्तु चलिरहेको छ वा अलिकति लुकेको छ भने यस्तो अवस्था देख्न सकिन्छ ।
एआईले अनुहार र शरीरमा बढी ध्यान दिन्छ, तर हातमा समातिएका चिजमा त्यति राम्रो काम गर्न सक्दैन । त्यसैले कहिलेकाहीँ समातिएका वस्तु विकृत, पग्लिएको वा अवास्तविक देखिन्छन् । यिनै कुरालाई आधार मानेर भिडिओ एआईले बनाएको हो वा होइन भन्ने छट्याउन सकिन्छ ।
अहिले बजारमा उपलब्ध एआई भिडिओ बनाउने टुलमा यस्तै किसिमका कमजोरी छन् । दिनानुदिन अत्याधुनिक हुँदै गएका यस्ता टुलले भोलि यो कमजोरी सुधार्न सक्छन् । तर, अबको केही समयसम्म यस्ता कमजोरी पहिचान गरेर भिडिओ एआईले बनाएको हो वा होइन भनी छुट्याउन भने सकिन्छ ।
९) ओठको चाल
हाम्रो कान र आँखा मिलेर काम गर्छन् । हामीले सुनेका र देखेका कुरा दिमागले जोडेर बुझ्छ । त्यसैले कसैले बोल्दा ओठको चाल देखिन्छ र हामीलाई उसले के भनेको हो भन्ने बुझ्न सजिलो हुन्छ ।
उदाहरणका लागि लिप सिङ्क (आवाज र औठको चाल) एक सेकेन्डको दसौँ भाग मात्रैले फरक छ भने पनि सजिलै देखिन्छ । कहिलेकाहीँ लिपसिंक नमिलेका भिडिओ झट्ट हेर्दा हामीलाई अस्वाभाविक लाग्छ ।
त्यसैलाई आधार मान्ने हो भने पनि एआईले बनाएको भिडिओ चिन्न सजिलो हुन्छ । भिडिओमा बोल्दाको आवाज र ओठको चाल मेल नखाएको जस्तो लागेमा त्यो एआईले बनाएको हुन सक्छ ।
एआईले बनाएको अडियो कसरी छुट्याउने ?
एआईबाट तयार पारिएको आवाज पहिले सजिलै छट्याउन सकिन्थ्यो । खासगरी मानव जस्तै देखिने रोबोटबाट निस्किने आवाजलाई हामी सरल ढङ्गले एआई निर्मित हो भन्न सक्थ्यौँ । आवाज एआईले बनाएको हो भनेर चिनाउन पनि पहिले वास्तविक आवाजका प्राविधिक पक्ष तोडमोड गरी कठोर र अप्राकृतिक किसिमको बनाइन्थ्यो ।
त्यतिबेला एआईले बनाएकै अडियोको पनि गति ठिक हुँदैनथ्यो । मानिसको वास्तविक स्वरमा जुन किसिमको माधुर्य वा भावना हुन्थ्यो, त्यसको कमी रहन्थ्यो । तर अहिले अवस्था त्यस्तो छैन । एआई निर्मित पडकास्ट र भिडिओमा आवाज शङ्का गर्नै नसकिनेगरी परिष्कृत भएको छ ।
केही आवाज त यति विश्वासिलो लाग्छन् कि तिनीहरूले सामान्य श्रोतालाई झुक्याउन सक्छन् । यद्यपि जतिसुकै अत्याधुनिक भए पनि एआईलाई अझै वास्तविक मानव बोलीको जटिलतासँग पूर्ण रूपमा मेल खान सङ्घर्ष गर्नैपर्छ । त्यसैले अझै पनि कुनै पनि अडियो वा आवाजलाई विभिन्न पक्षबाट नियालेर वास्तविक हो वा एआई सिर्जित हो भन्ने पहिचान गर्न सकिन्छ । त्यसका प्रमुख तरिकाबारे यहाँ चर्चा गरिएको छ ।
१) आवाजको गुणस्तर र मौलिकता
एआईले तयार पारेका आवाजमा धेरै कुरा सुधार भएको छ । अहिलेका एआई आवाज धेरै नै सहज, स्पष्ट र प्रभावशाली भएर मान्छेले बोकेको जस्तै सुनिन्छ । ‘पडकास्टल’ र ‘नोटबुकएलएम’ जस्ता एप प्रयोग गरेर जोकोहीले पनि सामान्य कुरा गरे जस्तो लाग्ने एआई आवाज बनाउन सक्छ ।
तर, प्रविधि जति अगाडि पुगे पनि एआई आवाज र वास्तविक मान्छेको आवाज छुट्याउने केही साना सङ्केत भने सधैँ भेटिन्छन् । यसमा आवाजको गुणस्तर र त्यो कति प्राकृतिक सुनिएको छ भन्ने पक्ष विश्लेषण गरि वास्तविक हो कि होइन भन्ने छुट्याउने आधार हुन सक्छ ।
२) सूक्ष्म सङ्केत
मानव बोलीमा हुने स्वाभाविक उतारचढाव र लय एआई आवाजमा हराउन सक्छ । वाक्य बीचको विराम, शब्दको जोड वा समग्र प्रवाह अप्राकृतिक लाग्न सक्छ ।
केही विशिष्ट शब्दहरू वा अक्षरहरूको उच्चारणमा एआईलाई समस्या हुन सक्छ । केही शब्द अस्पष्ट वा अस्वाभाविक रूपमा उच्चारित हुन सक्छन् । बीचमा तपाईँले कहिल्यै नसुनेको शब्द एआईले उच्चारण गर्न सक्छ । प्रायः प्रयोगमा नआएका शब्दहरू अडियोमा बढी प्रयोग भएका छन् भने त्यसलाई एआई निर्मित हो भनेर शङ्का गर्न सकिन्छ ।
एआईले खुसी, रिस, दुःख जस्ता मुख्य भावना नक्कल गर्न सक्छ । तर यसलाई सानो भावनात्मक फेरबदल, गहिरो भावना वा बोलेका शब्द र भित्रको भावनाबिचको असली सम्बन्ध देखाउन गाह्रो हुन्छ । मानिसको आवाजमा हुने भावना र अभिव्यक्ति एआईको आवाजमा प्रायः कमजोर हुन्छ ।
भिडिओ जस्तै अडियोमा पनि ‘अनक्यानी भ्याली’ को अनुभूति हुन सक्छ । यदि आवाज सुन्दा ठिकै भए पनि केही अस्वाभाविक वा असहज महसुस लागेमा त्यो एआई सिर्जित हुन सक्छ ।
एआई अडियो र भिडिओ छट्याउने टुलहरू
मानव विश्लेषणबाट पनि कहिलेकाहीँ एआई सिर्जित अडियो वा भिडिओ पहिचान नहुन सक्छन् । वा, शङ्का लागेकै भरमा कसरी भिडिओ र अडियोलाई एआई सिर्जित ठहर्याउने भन्ने प्रश्न पनि आउन सक्छ । माथि चर्चा गरिएका विभिन्न पक्षबाट पनि मान्छेको विवेकले भिडिओ वास्तविक ठान्न सक्छ । यस्तोमा एआई सिर्जित अडियो र भिडिओ पत्ता लगाउने टुल उपयोगी हुन सक्छन् ।
एआई सिर्जित फोटो पत्ता लगाउन हाइभ मोडरेसन, साइट इन्जिन, वाज इट एआई र एआई अर नट जस्ता टुल प्रयोग गर्न सकिन्छ । त्यस्तै एआई सिर्जित भिडिओ र अडियो पत्ता लगाउन डिपवेयर र हाइभ मोडरेसन जस्ता टुलहरू उपलब्ध छन् ।
पछिल्लो अध्यावधिक: असार २४, २०८२ १६:०
सामाग्री श्रोत :
टेक पाना
