ಕ್ಯಾನ್‌ಬೆರಾ (ಆಸ್ಟ್ರೇಲಿಯಾ): ಮಿಡ್‌ಜರ್ನಿ, ಸ್ಟೇಬಲ್ ಡಿಫ್ಯೂಷನ್ ಮತ್ತು DALL-E 2 ನಂತಹ ಜನರೇಟಿವ್ AI ಪರಿಕರಗಳು ಉತ್ಕೃಷ್ಟ ಚಿತ್ರಗಳನ್ನು ಕೆಲವೇ ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯದಿಂದ ನಮ್ಮನ್ನು ಬೆರಗುಗೊಳಿಸಿವೆ. ಆದಾಗ್ಯೂ, ಅವುಗಳ ಈ ಸಾಧನೆಗಳ ಹೊರತಾಗಿಯೂ, AI ಇಮೇಜ್ ಜನರೇಟರ್‌ಗಳು ಏನನ್ನು ಉತ್ಪಾದಿಸಬಹುದು ಮತ್ತು ಅವುಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ನಾವು ಏನು ಮಾಡಬಹುದು ಎಂಬುದರ ನಡುವೆ ದೊಡ್ಡ ಮಟ್ಟದ ಅಸಮಾನತೆ ಉಳಿದಿದೆ.
ಉದಾಹರಣೆಗೆ, ವಸ್ತುಗಳನ್ನು ಎಣಿಸುವುದು ಮತ್ತು ನಿಖರವಾದ ಪಠ್ಯ ಉತ್ಪಾದಿಸುವಂತಹ ಸರಳ ಕೆಲಸಗಳನ್ನು ಸಹ ಕೆಲವೊಮ್ಮೆ ಸರಿಯಾಗಿ ಮಾಡುವುದಿಲ್ಲ. ಸೃಜನಾತ್ಮಕ ಅಭಿವ್ಯಕ್ತಿಯಲ್ಲಿ ಜನರೇಟಿವ್ AI ಅಂಥ ಅಭೂತಪೂರ್ವ ಎತ್ತರಕ್ಕೆ ತಲುಪಿದ್ದರೂ, ಪ್ರಾಥಮಿಕ ಶಾಲಾ ವಿದ್ಯಾರ್ಥಿಯೂ ಸಹ ಪೂರ್ಣಗೊಳಿಸಬಹುದಾದ ಕೆಲಸ ಮಾಡಲು ಅದು ಅಷ್ಟೇಕೆ ಕಷ್ಟ ಪಡುತ್ತದೆ? AI ಯ ಸಂಕೀರ್ಣ ಸಂಖ್ಯಾತ್ಮಕ ಸ್ವರೂಪ ಮತ್ತು ಅದರ ಸಾಮರ್ಥ್ಯಗಳ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸದ ಮೇಲೆ ಆಧಾರವಾಗಿರುವ ಕಾರಣಗಳನ್ನು ಅನ್ವೇಷಿಸುವುದು ಈ ಸಮಸ್ಯೆಯ ಮೇಲೆ ಬೆಳಕು ಚೆಲ್ಲಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಬರವಣಿಗೆಯ ವಿಷಯದಲ್ಲಿ AI ನ ಲಿಮಿಟ್ಸ್: ವಿವಿಧ ಫಾಂಟ್‌ಗಳು ಮತ್ತು ಕೈಬರಹದಲ್ಲಿ ಬರೆಯಲಾದ ಪಠ್ಯ ಚಿಹ್ನೆಗಳನ್ನು (ಅಕ್ಷರಗಳು, ಸಂಖ್ಯೆಗಳು ಮತ್ತು ಅಕ್ಷರಗಳಂತಹ) ಮಾನವರು ಸುಲಭವಾಗಿ ಗುರುತಿಸಬಹುದು. ನಾವು ವಿವಿಧ ಸಂದರ್ಭಗಳಲ್ಲಿ ಪಠ್ಯವನ್ನು ಉತ್ಪಾದಿಸಬಹುದು ಮತ್ತು ಸಂದರ್ಭವು ಹೇಗೆ ಅರ್ಥವನ್ನು ಬದಲಾಯಿಸಬಹುದು ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದು. ಪ್ರಸ್ತುತ AI ಇಮೇಜ್ ಜನರೇಟರ್‌ಗಳು ಈ ಅಂತರ್ಗತ ತಿಳಿವಳಿಕೆಯನ್ನು ಹೊಂದಿಲ್ಲ. ಯಾವುದೇ ಪಠ್ಯ ಚಿಹ್ನೆಗಳು ಏನನ್ನು ಅರ್ಥೈಸುತ್ತವೆ ಎಂಬುದರ ಬಗ್ಗೆ ಅವುಗಳಿಗೆ ನಿಜವಾದ ಗ್ರಹಿಕೆ ಇಲ್ಲ.
ಈ ಜನರೇಟರ್‌ಗಳನ್ನು ಬೃಹತ್ ಪ್ರಮಾಣದ ಇಮೇಜ್ ಡೇಟಾದ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದ ಕೃತಕ ನರಮಂಡಲದ ಮೇಲೆ ನಿರ್ಮಿಸಲಾಗಿದೆ. ಇದರಿಂದ ಅವು ಸಂಯೋಜನೆಗಳನ್ನು ಕಲಿಯುತ್ತವೆ ಮತ್ತು ವಿಚಾರಗಳನ್ನು ಊಹಿಸುತ್ತವೆ. ತರಬೇತಿ ನೀಡುವಾಗ ಚಿತ್ರಗಳಲ್ಲಿನ ಆಕಾರಗಳ ಸಂಯೋಜನೆಗಳು ವಿವಿಧ ಘಟಕಗಳೊಂದಿಗೆ ಸಂಬಂಧ ಹೊಂದಿವೆ. ಉದಾಹರಣೆಗೆ, ಸಂಧಿಸುವ ಎರಡು ಒಳಮುಖ ರೇಖೆಗಳು ಪೆನ್ಸಿಲ್‌ನ ತುದಿಯನ್ನು ಅಥವಾ ಮನೆಯ ಮೇಲ್ಛಾವಣಿಯನ್ನು ಪ್ರತಿನಿಧಿಸಬಹುದು.
ಪಠ್ಯದಿಂದ ಇಮೇಜ್ ಮಾದರಿಗಳಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ, ಪಠ್ಯ ಚಿಹ್ನೆಗಳು ಕೇವಲ ರೇಖೆಗಳು ಮತ್ತು ಆಕಾರಗಳ ಸಂಯೋಜನೆಗಳಾಗಿವೆ. ಪಠ್ಯವು ಹಲವು ವಿಭಿನ್ನ ಶೈಲಿಗಳಲ್ಲಿ ಬರುವುದರಿಂದ ಮತ್ತು ಅಕ್ಷರಗಳು ಮತ್ತು ಸಂಖ್ಯೆಗಳನ್ನು ತೋರಿಕೆಯಲ್ಲಿ ಅಂತ್ಯವಿಲ್ಲದ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಬಳಸುವುದರಿಂದ ಮಾದರಿಯು ಪಠ್ಯವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪುನರುತ್ಪಾದಿಸುವುದು ಹೇಗೆ ಎಂದು ಕಲಿಯುವುದಿಲ್ಲ. ಇದಕ್ಕೆ ಮುಖ್ಯ ಕಾರಣ ಸಾಕಷ್ಟು ತರಬೇತಿ ಡೇಟಾ. AI ಇಮೇಜ್ ಜನರೇಟರ್‌ಗಳಿಗೆ ಪಠ್ಯ ಮತ್ತು ಪ್ರಮಾಣಗಳನ್ನು ನಿಖರವಾಗಿ ಪ್ರತಿನಿಧಿಸಲು ಇತರ ಕಾರ್ಯಗಳಿಗಾಗಿ ಮಾಡುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ತರಬೇತಿ ಡೇಟಾ ಅಗತ್ಯವಿರುತ್ತದೆ.
AI ಹ್ಯಾಂಡ್ಸ್ ಸಮಸ್ಯೆ: ಕೈಗಳ ಚಿತ್ರಗಳಂಥ ಸಂಕೀರ್ಣವಾದ ವಿವರಗಳ ಅಗತ್ಯವಿರುವ ಸಣ್ಣ ವಸ್ತುಗಳೊಂದಿಗೆ ವ್ಯವಹರಿಸುವಾಗ ಸಹ ಸಮಸ್ಯೆಗಳು ಉದ್ಭವಿಸುತ್ತವೆ. ತರಬೇತಿ ಚಿತ್ರಗಳಲ್ಲಿ, ಕೈಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಚಿಕ್ಕದಾಗಿರುತ್ತವೆ, ವಸ್ತುಗಳನ್ನು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುತ್ತವೆ ಅಥವಾ ಇತರ ಅಂಶಗಳಿಂದ ಭಾಗಶಃ ಅಸ್ಪಷ್ಟವಾಗಿರುತ್ತವೆ. ಐದು ಬೆರಳುಗಳೊಂದಿಗೆ ಮಾನವ ಕೈಯ ನಿಖರವಾದ ಪ್ರಾತಿನಿಧ್ಯದೊಂದಿಗೆ ಕೈ ಪದವನ್ನು ಸಂಯೋಜಿಸಲು AI ಗೆ ಸವಾಲಾಗಿದೆ.
ಪರಿಣಾಮವಾಗಿ, AI-ಉತ್ಪಾದಿತ ಕೈಗಳು ಸಾಮಾನ್ಯವಾಗಿ ತಪ್ಪಾಗಿ ಕಾಣುತ್ತವೆ, ಹೆಚ್ಚುವರಿ ಅಥವಾ ಕಡಿಮೆ ಬೆರಳುಗಳನ್ನು ಹೊಂದಿರುತ್ತವೆ, ಅಥವಾ ತೋಳುಗಳು ಅಥವಾ ಪರ್ಸ್‌ಗಳಂತಹ ವಸ್ತುಗಳಿಂದ ಕೈಗಳನ್ನು ಭಾಗಶಃ ಮುಚ್ಚಲಾಗುತ್ತದೆ. ಪ್ರಮಾಣಗಳಿಗೆ ಬಂದಾಗ ನಾವು ಇದೇ ರೀತಿಯ ಸಮಸ್ಯೆಯನ್ನು ನೋಡುತ್ತೇವೆ. AI ಮಾದರಿಗಳು ಪ್ರಮಾಣಗಳ ಸ್ಪಷ್ಟ ತಿಳಿವಳಿಕೆಯನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ.
AI ಗೆ ಎಂದಾದರೂ ಬರೆಯಲು ಮತ್ತು ಎಣಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆಯೇ?: ಪಠ್ಯದಿಂದ ಚಿತ್ರಕ್ಕೆ ಮತ್ತು ಪಠ್ಯದಿಂದ ವೀಡಿಯೊ ಪರಿವರ್ತನೆಯು AI ನಲ್ಲಿ ತುಲನಾತ್ಮಕವಾಗಿ ಹೊಸ ಪರಿಕಲ್ಪನೆಯಾಗಿದೆ ಎಂದು ನೆನಪಿಟ್ಟುಕೊಳ್ಳುವುದು ಬಹಳ ಮುಖ್ಯ. ಪ್ರಸ್ತುತ ಜನರೇಟಿವ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು ನಾವು ಭವಿಷ್ಯದಲ್ಲಿ ಏನನ್ನು ನಿರೀಕ್ಷಿಸಬಹುದು ಎಂಬುದರ ಕಡಿಮೆ-ರೆಸಲ್ಯೂಶನ್ ಆವೃತ್ತಿಗಳಾಗಿವೆ. ತರಬೇತಿ ಪ್ರಕ್ರಿಯೆಗಳು ಮತ್ತು AI ತಂತ್ರಜ್ಞಾನದಲ್ಲಿ ಪ್ರಗತಿಯನ್ನು ಮಾಡಲಾಗುತ್ತಿದೆ. ಭವಿಷ್ಯದ AI ಇಮೇಜ್ ಜನರೇಟರ್‌ಗಳು ನಿಖರವಾದ ದೃಶ್ಯೀಕರಣಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ಹೆಚ್ಚು ಸಮರ್ಥವಾಗಿರುತ್ತವೆ.
ಇದನ್ನೂ ಓದಿ : El Nino ಛಾಯೆ; ಮಳೆ ಕೊರತೆ, ಉಷ್ಣಾಂಶ ಏರಿಕೆ: ಬರಗಾಲ ಸಾಧ್ಯತೆ
