കഴിഞ്ഞ 2 ദിവസമായി സോഷ്യൽ മീഡിയയിലൊന്നടങ്കം നിറഞ്ഞ ഒന്നാണ് 80s ട്രെൻഡ്. പ്രമുഖർ മുതൽ ചെറിയ കുട്ടികൾ വരെ ഇന്ന് പുതിയ ട്രെൻഡിന് പുറകെയാണ്. ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്‍റലിജന്‍സിന്‍റെ സഹായത്തോടെ ഇന്നത്തെ ഫോട്ടോകള്‍ നല്‍കി പഴയകാലത്ത് നമ്മളെങ്ങനെയിരിക്കുമെന്ന് കണാനുള്ള ആകാംക്ഷകൊണ്ടാവും എല്ലാവരും ഇതിന് പിന്നിലെ പോവുന്നത്.

എന്നാൽ സംഭവം അത്രനിസാരമല്ല, കുറിച്ച് ജാഗ്രത ഉള്ളത് നല്ലതാണെന്ന പ്രതികരണവുമായി ഐടി വിദഗ്ധനും ഐസിഎഫ്ഒഎസ്എസ് ഡയറക്റ്ററുമായ ഡോ. സുനില്‍ തോമസ് തോണിക്കുഴിയില്‍ രംഗത്തെത്തിയിരിക്കുകയാണ്. ഇത് കൗതുകവും ഗൃഹാതുരത്വവുമുണർത്തുന്ന ഒരു അനുഭവത്തിനപ്പുറം ഇത് ഒരു ഡേറ്റ ശേഖരണമാവാമെന്നാണ് സുനില്‍ തോമസ് ഫെയ്സ് ബുക്കിൽ കുറിച്ചത്.

ഫെയ്സ് ബുക്ക് കുറിപ്പ് ഇങ്ങനെ...

എൺപതുകളിലെ നൊസ്റ്റാൾജിയയോ, അതോ വൻകിട AI കമ്പനികളുടെ ഡാറ്റാ ശേഖരണ ശ്രമമോ ?

ഇൻസ്റ്റാഗ്രാമിലും മറ്റ് സോഷ്യൽ മീഡിയ പ്ലാറ്റ്‌ഫോമുകളിലും ഇപ്പോൾ തരംഗമായിക്കൊണ്ടിരിക്കുന്ന ഒന്നാണ് "80s Look AI Trend". നമ്മുടെ ഇന്നത്തെ സെൽഫികൾ നൽകിയാൽ 1980-കളിലെ വസ്ത്രധാരണത്തിലും ഹെയർസ്റ്റൈലിലും റെട്രോ ലുക്കിലുമുള്ള ചിത്രങ്ങളാക്കി ജനറേറ്റീവ് എഐ (Generative AI) മാറ്റിത്തരുന്നു. പലർക്കും ഇത് കൗതുകവും ഗൃഹാതുരത്വവുമുണർത്തുന്ന ഒരു അനുഭവമാണ്.

എന്നാൽ, ഇതിനു പിന്നിൽ പ്രവർത്തിക്കുന്ന വൻകിട കമ്പനികളുടെ ലക്ഷ്യം വെറുമൊരു സോഷ്യൽ മീഡിയ വിനോദം മാത്രമല്ല. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലുകളെ പരിശീലിപ്പിക്കാനും വൻതോതിൽ ഉപയോക്തൃ വിവരങ്ങൾ ശേഖരിക്കാനുമുള്ള ഒരു ആസൂത്രിത ഡാറ്റാ ശേഖരണ ഉപാധിയായാണ് ഇത് പ്രവർത്തിക്കുന്നത്.

ഇതിനു പിന്നിലെ പ്രധാന സാങ്കേതിക വശങ്ങൾ പരിശോധിക്കാം:

1. മുഖത്തിന്‍റെ ബയോമെട്രിക് മാപ്പിംഗ് (Facial Recognition & Biometric Mapping)

പഴയകാല ഹെയർസ്റ്റൈലും റെട്രോ മേക്കപ്പും ചേരുമ്പോഴും ആ ചിത്രത്തിൽ നമ്മൾ തന്നെയാണ് എന്ന് തിരിച്ചറിയാൻ സാധിക്കുന്നത് എങ്ങനെയാണ്? AI നമ്മുടെ മുഖത്തിന്‍റെ ജ്യാമിതീയ ഘടന (facial geometry) കൃത്യമായി മാപ്പ് ചെയ്യുന്നുണ്ട്. കണ്ണുകൾ, മൂക്കിന്‍റെ ആകൃതി, താടിയെല്ല്, ചർമ്മത്തിന്റെ നിറം തുടങ്ങി ആയിരക്കണക്കിന് മൈക്രോ-പോയിന്‍റുകൾ സ്കാൻ ചെയ്താണ് മുഖത്തിന്റെ സൂക്ഷ്മമായ ഒരു ഡിജിറ്റൽ മാപ്പ് തയ്യാറാക്കുന്നത്. ഇതിന്‍റെ ഏകദേശ രുപം ചിത്രത്തിൽ കാണാം

2. സൗജന്യമായി നാം നൽകുന്ന പരിശീലനം (RLHF - Reinforcement Learning from Human Feedback)

നമ്മൾ ഒരു സെൽഫി അപ്‌ലോഡ് ചെയ്ത്, കിട്ടുന്ന ഔട്ട്പുട്ടുകളിൽ ഏറ്റവും മികച്ചത് തിരഞ്ഞെടുക്കുകയോ, ചിത്രം കൂടുതൽ പെർഫെക്റ്റ് ആക്കാൻ വീണ്ടും പ്രോംപ്റ്റുകൾ നൽകുകയോ ചെയ്യുമ്പോൾ നാം ചെയ്യുന്നത് AI-ക്ക് നൽകുന്ന പരിശീലനമാണ്. മനുഷ്യരുടെ സൗന്ദര്യബോധവും മുൻഗണനകളും (Human Preferences) തിരിച്ചറിയാൻ കോടിക്കണക്കിന് ഉപയോക്താക്കൾ യാതൊരു പ്രതിഫലവുമില്ലാതെ AI എൻജിനുകളെ പഠിപ്പിച്ചുകൊണ്ടിരിക്കുന്നു.

3. മൾട്ടി-മോഡൽ AI-കൾക്കുള്ള ഡാറ്റാ ക്ഷാമം പരിഹരിക്കൽ (Multi-Modal Training)

നിലവിൽ ഉയർന്ന നിലവാരമുള്ള ഡാറ്റയുടെ കുറവ് (data drought) വൻകിട AI കമ്പനികൾ നേരിടുന്നുണ്ട്. നിലവിലെ ഡിജിറ്റൽ ഫോട്ടോകളിലേക്ക് അനലോഗ് ഫിലിം ഗ്രെയിൻ, വിന്റേജ് ഫ്ലാഷ് ലൈറ്റിംഗ് തുടങ്ങിയ പഴയ വിഷ്വൽ ഘടകങ്ങൾ എങ്ങനെ സ്വാഭാവികമായി സംയോജിപ്പിക്കാം എന്ന് പഠിക്കാൻ നിയമപരമായ തടസ്സങ്ങളില്ലാത്ത, ഉപയോക്താക്കൾ സ്വയം നൽകുന്ന വൈവിധ്യമാർന്ന ചിത്രങ്ങൾ AI-ക്ക് അത്യാവശ്യമാണ്.

4. സിന്തറ്റിക് ഡാറ്റ നിർമ്മാണം (Synthetic Data Generation)

ഇത്തരം ട്രെൻഡുകളിലൂടെ ജനറേറ്റ് ചെയ്യപ്പെടുന്ന ദശലക്ഷക്കണക്കിന് ചിത്രങ്ങൾ ഭാവിയിലെ കമ്പ്യൂട്ടർ വിഷൻ മോഡലുകൾ വികസിപ്പിക്കാനും ടെസ്റ്റ് ചെയ്യാനുമുള്ള സിന്തറ്റിക് ഡാറ്റാ കാറ്റലോഗുകളായി മാറുന്നു. സ്റ്റോക്ക് ഇമേജുകളെ മാത്രം ആശ്രയിക്കാതെ വൈവിധ്യമാർന്ന മുഖഭാവങ്ങളും ചിത്രങ്ങളും സ്വന്തമാക്കാൻ കമ്പനികൾക്ക് ഇത് വഴി സാധിക്കുന്നു.

ഓർക്കുക:

ഡിജിറ്റൽ ലോകത്ത് ഒരു ഉൽപ്പന്നമോ സേവനമോ സൗജന്യമായി ലഭിക്കുന്നുണ്ടെങ്കിൽ, അവിടെ ഉൽപ്പന്നം നമ്മളും നമ്മുടെ സ്വകാര്യ വിവരങ്ങളുമാണ്. ഒരു നിമിഷത്തെ കൗതുകത്തിനായി നമ്മുടെ ബയോമെട്രിക് ഡാറ്റയും മുഖരൂപവും പങ്കുവെക്കുമ്പോൾ ഉണ്ടാകാവുന്ന ഡിജിറ്റൽ സുരക്ഷാ പ്രശ്നങ്ങളെക്കുറിച്ച് നാം ജാഗരൂകരായിരിക്കണം

ഇതൊക്കെ പറഞ്ഞാലും ഞാനും ഇത് ചെയ്തു .