এআই কেন এখনও হাত ভুল করে এবং কখন এটি ভুল করে না

কেন হাতগুলো সত্যি সত্যিই কঠিন ছিল

এটি কোনো খেয়ালখুশি ছিল না। শরীরের অন্য প্রায় যেকোনো অংশের তুলনায় একটি হাতের স্বাধীন জয়েন্টের সংখ্যা বেশি এবং এর তৈরি হতে পারা ভিন্ন ভিন্ন কনফিগারেশনের সংখ্যা অনেক বেশি, উদাহরণস্বরূপ একটি মুখের তুলনায়, যা অনেক সংকীর্ণ পরিসরে পরিবর্তিত হয়।

হাতগুলো ক্রমাগত নিজেদের ঢেকেও রাখে। আঙুলগুলো আঙুলের পেছনে চলে যায়, মুঠো করলে বেশিরভাগ হাতের তালু ঢাকা পড়ে যায় এবং সামান্য ঘোরানোতেই দৃশ্যমান রূপ সম্পূর্ণ বদলে যায়। একটি বস্তু সম্পর্কে একটি মডেল যখন ছবি দেখে শেখে, তখন সে একই বস্তুর বিভিন্ন ধরনের আংশিক আকার দেখতে পায়।

আর ট্রেনিং ডাটা কোনো সাহায্য করেনি। ছবিগুলো মুখকে কেন্দ্র করে তোলা হয় এবং হাতগুলো ফ্রেমের কিনারে চলে আসে, মোশনের কারণে ঝাপসা হয়ে যায়, ক্রপ করা হয় অথবা এমন কিছু ধরে থাকে যা তাদের ঢেকে রাখে। উদাহরণগুলো পর্যাপ্ত ছিল এবং ঠিক সেইভাবে কম মানের ছিল যা বিষয়টি গুরুত্বপূর্ণ করে তোলে।

সব মিলিয়ে, এর ফলে সেই পরিচিত ত্রুটিটি তৈরি হয়েছিল: এমন একটি মডেল যা জানত যে হাতের সাথে আঙুলের মতো জিনিস যুক্ত থাকে এবং কতগুলো, কোন বিন্যাসে, কোন মাপে আছে সে সম্পর্কে এর কোনো নির্ভরযোগ্য ধারণা ছিল না।

যা এর সমাধান করেছিল

বিশেষ কিছু নয়। আরও ডাটা, ভালো অ্যানোটেশন, পাশাপাশি আর্কিটেকচারাল পরিবর্তন যা মডেলগুলো সামগ্রিকভাবে স্প্যাটিয়াল স্ট্রাকচার কীভাবে পরিচালনা করে তা উন্নত করেছে এবং সেই সাথে সমালোচনা শুনে বিরক্ত হওয়া টিমগুলোর পক্ষ থেকে সুনির্দিষ্ট মনোযোগ।

শেষ সারিটি পুরো নিবন্ধের মূল বিষয়। ত্রুটিটি বছর আগেই ঠিক করা হয়েছে এবং পরামর্শটি এখনও প্রচার করা হচ্ছে, যার মানে হলো লোকেরা এটি প্রয়োগ করে সক্রিয়ভাবে ছবিগুলো ভুল পড়ছেন।

কেন গণনা এখন উভয় ক্ষেত্রেই ব্যর্থ হয়

প্রথমে একটি ফলস নেগেটিভ: সঠিক হাত দিয়ে কিছু প্রমাণ হয় না। বর্তমান মডেলগুলো বেশিরভাগ সময়ই সেগুলোকে সঠিকভাবে রেন্ডার করে, তাই আঙুল পরীক্ষায় উত্তীর্ণ হওয়া মানে এমন একটি পরীক্ষায় পাস করা যা প্রায় সবকিছুই পাস করে।

দ্বিতীয়ত একটি ফলস পজিটিভ, এবং এটি বেশি ক্ষতি করে। মোশনের মধ্যে ছবি তোলা আসল হাতগুলোতে ঝাপসা, একত্রিত এবং আপাতদৃষ্টিতে বিকৃত আকৃতি তৈরি হয়। পার্টিতে অঙ্গভঙ্গি করছেন এমন কারও একটি আসল ছবি এমন কারও কাছে, যাকে গোনার জন্য প্রস্তুত করা হয়েছে, অবিকল সেই জিনিসের মতো মনে হতে পারে যা সম্পর্কে তাকে সতর্ক করা হয়েছিল।

এই অসামঞ্জস্যতা গুরুত্বপূর্ণ কারণ এর মূল্য সমানভাবে পড়ে না। জেনারেট করা ছবিকে আসল বলে ভুলভাবে খারিজ করে দেওয়া সাধারণত ঠিক করা সম্ভব; কিন্তু কোনো আসল ছবি এবং এর ভেতরের ব্যক্তিকে ভুলভাবে অভিযুক্ত করা ঠিক করা যায় না।

এটি আবার নিজেই নিজেকে শক্তিশালী করে। কাউকে যদি বলা হয়ে থাকে যে হাতগুলোই আসল লক্ষণ, তবে সে এমন একটি হাত খুঁজে পায় যা দেখতে অদ্ভুত মনে হয়, এই সিদ্ধান্তে পৌঁছায় যে ছবিটি নকল এবং যে পরামর্শটি ত্রুটি তৈরি করেছিল সেটিকে আবার প্রচার করে, যার ফলে একটি অপ্রচলিত হিউরিস্টিক তার উপযোগিতা ফুরিয়ে যাওয়ার পরও বছরের পর বছর ধরে টিকে থাকে।

অন্যান্য প্রতিটি লক্ষণ সম্পর্কে এই ঘটনাটি যা শিক্ষা দেয়

হাত হলো সাধারণ প্যাটার্নের একটি কাজ করা উদাহরণ এবং এই প্যাটার্নটি যেকোনো নির্দিষ্ট টিপের চেয়ে বেশি দরকারী।

• একটি দৃশ্যমান ত্রুটি একটি পাবলিক বেঞ্চমার্ক। যেকোনো নাম দেওয়ার মতো বিষয় মাপা হয় এবং যেকোনো কিছু মাপা হলে তার অপ্টিমাইজেশন করা হয়।
• জনপ্রিয়তা সমাধানকে ত্বরান্বিত করে। একটি লক্ষণ যত বেশি ব্যাপকভাবে পুনরাবৃত্তি করা হয়, তা দূর করার উৎসাহ তত বেশি থাকে।
• পরামর্শটি ত্রুটির চেয়েও বছর ধরে বেশি দিন টিকে থাকে। মূল টিপটি যতটা দ্রুত ছড়িয়েছিল, সংশোধনটি কখনোই তত দ্রুত ছড়ায় না।
• টুলগুলোর মধ্যে সমাধানগুলো অসম হয়। ফ্ল্যাগশিপ মডেলে দূর হওয়া কোনো লক্ষণ পুরোনো বা ছোট মডেলে থেকে যেতে পারে।
• অবশিষ্ট অংশ নিচের দিকে চলে যায়। যা টিকে থাকে তা দৃশ্যমান ত্রুটি নয় বরং পরিসংখ্যানগত টেক্সচার, যা চোখের দেখার সীমার নিচে থাকে।

শেষ পয়েন্টটি হলো ডিটেকশন টুলগুলোর অস্তিত্ব থাকার কারণ। পার্থক্যগুলো যদি এখনও দৃশ্যমান হতো, তবে তা খুঁজে বের করার জন্য কারো কোনো মডেলের প্রয়োজন হতো না এবং পুরো বিষয়টি কেবল দেখার মতো জিনিসের একটি তালিকা হয়ে থাকত।

যা এখনও টিকে আছে

চেকের দুটি পরিবার প্যাটার্নটিকে প্রতিহত করেছে এবং উভয়ই স্থানীয় বিশদ বিবরণের পরিবর্তে ফ্রেম জুড়ে সমন্বয় সম্পর্কে।

আলো হলো প্রথমটি। একটি ফটোগ্রাফের প্রতিটি পৃষ্ঠ একই উৎস দ্বারা আলোকিত হয়, তাই ছায়ার দিক, কঠোরতা এবং রঙের তাপমাত্রা সবই মিল খায়। একটি জেনারেট করা দৃশ্যের ক্ষেত্রে প্রায়শই বিষয়টিকে ঠিক রাখে এবং চারপাশকে মোটামুটি ঠিক রাখে, আর অসঙ্গতিটি ছায়ার মধ্যে প্রকাশ পায়।

শারীরিক ধারাবাহিকতা হলো দ্বিতীয়টি। একটি স্ট্র্যাপ যা কাঁধের পেছন দিয়ে চলে যায় এবং ভুল জায়গায় আবার দেখা যায়, একটি প্রতিচ্ছবি যা এমন একটি কক্ষ দেখায় যা সেখানে থাকতে পারে না, একটি প্যাটার্ন যা কোনো আবরণের মাঝে সারিবদ্ধ হতে ব্যর্থ হয়। এগুলোর জন্য চেহারার মডেলের চেয়ে জগতের একটি মডেলের প্রয়োজন।

কোনোটিই দ্রুত পরীক্ষা নয় এবং এটিই হলো সৎ সিদ্ধান্ত। যে চেকগুলো এখনও কাজ করে সেগুলোর জন্য ছবিটিকে একটি স্থান হিসেবে দেখতে হয় এবং যে চেকগুলো দ্রুত ছিল সেগুলোই ঠিক করা হয়েছে।

এটি এটি শিক্ষাদানকারী যেকোনো ব্যক্তির জন্য যা বোঝায়

অর্ধেকের বেশি মিডিয়া লিটারেসি উপাদান এখনও আঙুল গোনার কাজ দিয়ে শুরু করে, যা এখন মানুষকে এমন একটি পরীক্ষা শেখায় যা আত্মবিশ্বাসী ত্রুটি তৈরি করে। এই বিষয়ে কোনো ট্রেনিং, নির্দেশিকা বা স্কুলের পাঠ্য লিখছেন এমন যে কারো বিষয়বস্তুর সমস্যার চেয়ে একটি ভার্সন সমস্যা রয়েছে।

পাঠটির টেকসই ভার্সনটি বৈশিষ্ট্যের পরিবর্তে পদ্ধতি সম্পর্কে। শেখান যে দৃশ্যমান ত্রুটিগুলো সাময়িক, শিক্ষণীয় হওয়ার মতো জনপ্রিয় যেকোনো লক্ষণ ঠিক করার মতোও জনপ্রিয় এবং নির্ভরযোগ্য প্রশ্নগুলো উৎস এবং প্রসঙ্গ সম্পর্কে।

ত্রুটির মোডটি স্পষ্টভাবে শেখানোও মূল্যবান। যে কেউ জানে যে মোশনের মধ্যে থাকা আসল হাতগুলো ভুল দেখায়, সে এমন অভিযোগ করার সম্ভাবনা অনেক কম থাকে যা প্রকৃত ক্ষতি করে, যা হলো কোনো বাস্তব ব্যক্তির আসল ছবিকে জাল বলা।

এই ধরনের যেকোনো উপাদানের জন্য সৎ শিরোনাম হলো যে বর্তমান মডেলগুলোর সংস্পর্শে কোনো দ্রুত দৃশ্যমান পরীক্ষা টিকে থাকে না এবং দরকারী দক্ষতা হলো একটি ছবি কোথা থেকে এসেছে এবং কার জন্য এটি বিশ্বাসযোগ্য হওয়া উপকারী তা জিজ্ঞাসা করা।