AI फोटो में चीजों को पहचान लेता है, फिर साफ तस्वीर में भी गलती क्यों करता है?

आप फोन में किसी फोटो को देखकर तुरंत बता सकते हैं कि उसमें एक कुर्सी, कुत्ता, कार या पेड़ है। लेकिन यही काम AI से करवाने पर कभी-कभी वह बेहद स्पष्ट चीज को भी कुछ और बता देता है। यह बात पहली नजर में अजीब लगती है, क्योंकि AI कुछ तस्वीरों में इतनी बारीकी से वस्तुओं को पहचान लेता है कि वह उनके स्थान तक बता सकता है। असल में AI तस्वीर को इंसानों की तरह नहीं देखता। वह पिक्सल, आकार, रंग, किनारों और सीखे हुए पैटर्न के आधार पर संभावनाएं निकालता है। इसलिए उसकी सबसे बड़ी ताकत ही कभी-कभी उसकी कमजोरी बन जाती है।

AI फोटो को वास्तव में कैसे देखता है?

जब कोई AI किसी फोटो में वस्तु पहचानता है, तो वह इंसान की तरह यह नहीं सोचता कि सामने एक कप रखा है। वह तस्वीर को बहुत सारे संख्यात्मक संकेतों के रूप में प्रोसेस करता है और उनमें ऐसे पैटर्न खोजता है, जो उसके प्रशिक्षण के दौरान सीखे गए उदाहरणों से मिलते-जुलते हों।

Image recognition और computer vision तकनीकें इसी सिद्धांत पर काम करती हैं। किसी मॉडल को हजारों या लाखों लेबल वाली तस्वीरों से प्रशिक्षित किया जा सकता है, ताकि वह अलग-अलग वस्तुओं की दृश्य विशेषताओं को पहचानना सीख सके।

फिर साफ चीज भी गलत क्यों दिखती है?

सबसे बड़ी वजह तस्वीर की परिस्थितियां हो सकती हैं। अगर वस्तु किसी दूसरी चीज के पीछे आधी छिपी हो, कैमरा अलग कोण पर हो, तस्वीर धुंधली हो या रोशनी बहुत कम या ज्यादा हो, तो AI के लिए पहचान मुश्किल हो सकती है। IBM के अनुसार रोशनी, कोण, वस्तु का आकार, धुंधलापन और तस्वीर में मौजूद अवरोध image recognition की सटीकता को प्रभावित कर सकते हैं।

मान लीजिए एक कुत्ता अंधेरे कमरे में बैठा है और उसका आधा शरीर सोफे के पीछे छिपा है। इंसान आसपास के संदर्भ से तुरंत समझ सकता है कि वहां कुत्ता है। AI के पास तस्वीर में मौजूद दृश्य संकेत ही होते हैं, इसलिए वह किसी दूसरे मिलते-जुलते पैटर्न की ओर जा सकता है।

AI को संदर्भ समझने में भी परेशानी होती है

इंसान किसी वस्तु को केवल उसके आकार से नहीं पहचानता। हम आसपास की चीजों, स्थिति और अपने पुराने अनुभवों को भी जोड़ लेते हैं। अगर मेज पर एक प्लेट, चम्मच और खाना रखा है, तो हम आसानी से समझ लेते हैं कि वह खाने की मेज है।

AI मॉडल भी संदर्भ सीख सकते हैं, लेकिन उनकी समझ इंसानी अनुभव जैसी नहीं होती। इसी वजह से असामान्य संयोजन या ऐसी तस्वीरें, जो प्रशिक्षण डेटा से अलग हों, उन्हें भ्रमित कर सकती हैं। शोध में यह भी पाया गया है कि आधुनिक vision models ऐसी बहुत छोटी और जानबूझकर तैयार की गई छेड़छाड़ से प्रभावित हो सकते हैं, जिसे इंसान लगभग नोटिस भी नहीं करता।

प्रशिक्षण डेटा जितना अच्छा, AI उतना बेहतर

AI की क्षमता उसके प्रशिक्षण डेटा पर काफी निर्भर करती है। अगर किसी मॉडल ने किसी वस्तु को हमेशा साफ, सामने से और अच्छी रोशनी में देखा है, तो वास्तविक दुनिया की अलग परिस्थितियों में उसका प्रदर्शन कमजोर हो सकता है।

इसीलिए AI मॉडल तैयार करते समय अलग-अलग कोण, रोशनी, आकार और परिस्थितियों वाली तस्वीरों को शामिल करना महत्वपूर्ण माना जाता है।

यह गलती आज हमारे लिए क्यों मायने रखती है?

फोटो पहचानने वाली AI अब केवल मोबाइल गैलरी तक सीमित नहीं है। इसका इस्तेमाल visual search, सुरक्षा प्रणालियों, उत्पाद पहचान, ड्राइविंग तकनीक और कई दूसरे क्षेत्रों में हो रहा है। Google का ML Kit भी मोबाइल पर वस्तुओं की पहचान और tracking के लिए on-device models उपलब्ध कराता है।

इसलिए AI की गलती को केवल मजेदार तकनीकी भूल मानना हमेशा सही नहीं है। जहां फैसले महत्वपूर्ण हों, वहां AI के अनुमान को इंसानी जांच और संदर्भ के साथ देखना जरूरी है।

AI की सबसे दिलचस्प कमजोरी

AI को किसी तस्वीर में ऐसी चीज दिख सकती है, जो वहां वास्तव में मौजूद ही नहीं है। इसे computer vision में hallucination जैसे मामलों से जोड़ा जाता है। इसका कारण यह है कि मॉडल हमेशा वास्तविक दुनिया को नहीं समझ रहा होता, बल्कि उपलब्ध दृश्य संकेतों के आधार पर सबसे संभावित व्याख्या तैयार कर रहा होता है।

यही इस तकनीक का सबसे दिलचस्प पहलू है। AI कई बार इंसान से तेज और बेहद सटीक हो सकता है, लेकिन वह दुनिया को उसी तरह नहीं देखता जैसे हम देखते हैं। किसी तस्वीर में हमें जो बात बिल्कुल स्पष्ट लगती है, वह उसके लिए केवल पिक्सल और संभावनाओं का एक जटिल पहेली-जैसा समूह हो सकती है। और शायद यही वजह है कि AI को बेहतर बनाने की असली चुनौती केवल उसे ज्यादा तस्वीरें दिखाना नहीं, बल्कि उसे दुनिया का संदर्भ बेहतर ढंग से समझाना है।