AI سے بنے چہروں کا پتہ کیسے لگایا جائے

پرانی چیک لسٹ نے کام کرنا کیوں بند کر دیا

ہر وسیع پیمانے پر شیئر کی جانے والی نشانیوں کی فہرست کا ایک ہی مسئلہ ہے: یہ ان ماڈلز کی کمزوریوں کو بیان کرتی ہے جو اس کے لکھے جانے کے وقت موجود تھے۔ وہ کمزورییں عوامی، قابلِ پیمائش اور شرمناک ہیں، جو انہیں بالکل وہی چیزیں بناتی ہیں جن کے لیے اگلی ریلیز کو ٹیون کیا جاتا ہے۔

ہاتھ اس کی سب سے واضح مثال ہیں۔ انگلیوں کی گنتی تقریباً اٹھارہ ماہ کے لیے حقیقی طور پر مفید تھی، پھر یہ دونوں سمتوں میں اعتماد کے ساتھ غلط ہونے کا ایک طریقہ بن گئی: جنریٹ کردہ ہاتھ اب عام طور پر درست ہوتے ہیں، اور حرکت میں موجود اصلی ہاتھ ان شکلوں میں دھندلے ہو جاتے ہیں جو کسی ایسے شخص کو غلط لگتی ہیں جسے گنتی کرنے کو کہا گیا ہو۔

یہی حال آنکھ کے عکس، کان کی عدم مطابقت اور دانتوں کی جیومیٹری کے ساتھ ہوا ہے، تقریباً اسی ترتیب میں۔ کوئی بھی چیز جسے وائرل پوسٹ میں بیان کیا جا سکتا ہے اس کا بینچ مارک بنایا جاتا ہے، اور ہر اس چیز کا بینچ مارک بنایا جاتا ہے جسے ٹھیک کیا جاتا ہے۔

چہرے سے ہٹ کر دیکھیں

بنانے کی کوشش وہاں مرکوز ہوتی ہے جہاں توجہ مرکوز ہوتی ہے۔ پورٹریٹ پر ٹرین کیا گیا ماڈل اس حصے میں بہت ماہر ہو جاتا ہے جسے لوگ دیکھتے ہیں، اور ہر اس چیز پر کمزور رہتا ہے جسے ٹریننگ کے سگنل نے پس منظر سمجھا تھا۔

پائیدار جانچ یہیں موجود ہوتی ہے۔ یہ دیکھیں کہ لانیارڈ پر کیا لکھا ہے، آیا قمیض کا پیٹرن بازو کے پیچھے درست طریقے سے جاری رہتا ہے، آیا ہار کی زنجیر گردن کے پیچھے سے گزر کر صحیح جگہ پر نکلتی ہے، اور کیا کندھے کے پیچھے والا کمرہ ایسی جگہ ہے جو وجود رکھتی ہو۔

بار بار دہرائی جانے والی تفصیل دوسری قابل اعتماد قسم ہے۔ وال پیپر، اینٹ کا کام، پتے اور ہجوم کے چہرے ہم آہنگی سے بنانا مہنگا ہوتا ہے، اس لیے وہ دہرائے جانے، ہٹنے یا اپنے غائب ہونے والے نقطے (vanishing point) کو اس طرح کھونے لگتے ہیں کہ آنکھ اسے پکڑ سکتی ہے، تب بھی جب ان کے سامنے کا پورٹریٹ بالکل بے عیب ہو۔

• مرکز سے ہٹ کر متن۔ بیجز، سائن بورڈز، کتابوں کی پشتیں، پیکیجنگ۔ مرکزی متن اب عام طور پر درست ہوتا ہے؛ لیکن حاشیے کا متن اب بھی وہیں بگڑتا ہے۔
• کسی رکاوٹ کے پار تسلسل۔ کوئی پٹی، زنجیر یا دھاری جو کسی چیز کے پیچھے جاتی ہے اور غلط طریقے سے واپس آتی ہے۔
• ہجوم اور بار بار آنے والی اشیاء۔ ہجوم کی دوسری اور تیسری قطعہ، یا قطار میں چوتھی کرسی، کوپہلی کے مقابلے میں کم توجہ ملتی ہے۔
• زیادہ زوم پر جلد۔ اصلی جلد پر مسام، آوارہ بال اور غیر متوازن داغ ہوتے ہیں۔ جنریٹ شدہ جلد اکثر اس طرح ہموار ہوتی ہے جس کی کوئی روشنی وضاحت نہیں کرتی۔
• جہاں بال ہر چیز سے ملتے ہیں۔ بالوں اور پس منظر کے درمیان کی حد ان انتہائی مشکل خطوں میں سے ایک ہے جنہیں ہم آہنگی کے ساتھ رینڈر کرنا مشکل ہے۔

ڈیٹیکٹر وہ دیکھتا ہے جو آپ نہیں دیکھ سکتے

جانچ کرنے کی وجہ یہ ہے کہ اس پر انحصار کرنے کے بجائے کہ مشاہدہ کیا جائے، باقی ماندہ فرق انسانی بصارت کی ریزولوشن سے نیچے ہیں۔ کیمرے کا سینسر ایک خاص قسم کا شور پیدا کرتا ہے؛ جنریشن کا عمل ایک الگ شور پیدا کرتا ہے، اور عام دیکھنے کے سائز پر دونوں میں سے کوئی بھی دکھائی نہیں دیتا۔

یہی وجہ ہے کہ ڈیٹیکٹر اور آپ کی آنکھیں اختلاف کر سکتی ہیں۔ واضح بصری خامی والی تصویر کم سکور کر سکتی ہے کیونکہ اس کی ساخت فوٹوگرافک ہے، اور بالکل کامل نظر آنے والی تصویر زیادہ سکور کر سکتی ہے کیونکہ اس کی ساخت ویسی نہیں ہے۔ دونوں ریڈنگز معلوماتی ہیں، اور کوئی بھی دوسرے کو غلط ثابت نہیں کرتی۔

آخری قطار کام کی ہے۔ ماڈل کی ہر ریلیز کے ساتھ بصری اشارے کمزور ہوتے جاتے ہیں؛ بہت سے جنریٹرز پر ٹرین کیا گیا ڈیٹیکٹر زیادہ آہستہ آہستہ کمزور ہوتا ہے، کیونکہ اس نے یہ سیکھا ہے کہ مصنوعی ساخت میں کیا مشترک ہے نہ کہ یہ کہ ایک پروڈکٹ نے ایک سال میں کیا غلط کیا۔

وہ معاملہ جو سب سے زیادہ اہم ہے: ایک اصلی چہرہ، تبدیل شدہ

زیادہ تر اہم جعل سازیاں مکمل طور پر جنریٹ شدہ پورٹریٹ نہیں ہوتیں۔ وہ اصلی لوگوں کی وہ تصاویر ہوتی ہیں جن میں ایک چیز تبدیل کی گئی ہوتی ہے: ایک ہی جسم پر ایک الگ چہرہ، ہاتھ میں کوئی چیز شامل کی گئی، کوئی بیج تبدیل کیا گیا، یا فریم سے دوسرا شخص ہٹا دیا گیا۔

پورے فریم کا سکور اس معاملے کو ڈیزائن کے لحاظ سے بری طرح سنبھالتا ہے، کیونکہ تصویر کا نناوے فیصد حصہ واقعی ایک فوٹوگراف ہوتا ہے اور اوسط اس کی عکاسی کرتی ہے۔ ریجن میپ وہ چیز ہے جو اسے سامنے لاتی ہے، اور نمبر کے بجائے نقشے کو پڑھنا ہی وہ واحد عادت ہے جو چہروں پر درستگی کو سب سے زیادہ بہتر بناتی ہے۔

ایک کارآمد عادت

پورٹریٹ کو حاشیے کے معائنے کے لیے پانچ سیکنڈ دیں: متن, تسلسل، دہرایا گیا پیٹرن، بالوں کی حد۔ پھر چیک چلائیں اور نقشہ پڑھیں۔ دونوں مل کر کسی ایک کے مقابلے میں کہیں زیادہ پکڑتے ہیں، اور پوری چیز ایک منٹ سے بھی کم وقت لیتی ہے۔

جہاں داؤ پر اصلی چیزیں لگی ہوں, وہاں وہ قدم شامل کریں جو پکسل کے کسی بھی تجزیے کی جگہ نہیں لے سکتا: کسی ایسے مقام پر وہی چہرہ تلاش کریں جس کی تاریخ ہو۔ تین سال کی پوسٹس والا پروفائل، دوسرے لوگوں کی طرف سے ٹیگ کی گئی تصاویر اور ایک مستقل آجر کسی ایسے جنریٹر کے مقابلے کی کوئی گواہی نہیں دیتا جو کوئی نہیں بناتا۔

وہ اشارے جو ہلے نہیں ہیں

دو چیزیں بہتری کے چار سالوں کے خلاف مزاحمت کر چکی ہیں، اور دونوں مقامی تفصیلات کے بجائے فاصلے پر ہم آہنگی کے بارے میں ہیں۔ پہلی چیز روشنی ہے: آیا فریم میں موجود ہر سطح کو ایک ہی ذرائع سے، ایک ہی سمت سے، ایک ہی نرمی کے سائے کے ساتھ روشن کیا گیا ہے۔

ایک جنریٹ شدہ پورٹریٹ عام طور پر چہرے کو درست اور آس پاس کے ماحول کو تقریباً درست بنا لیتا ہے، اور عدم مطابقت سایوں میں ظاہر ہوتی ہے۔ ٹھوڑی کے نیچے ایک سخت سایا اور پیچھے دیوار پر ایک نرم سایا دو مختلف کمروں کو بیان کرتا ہے۔

دوسری چیز گہرائی ہے۔ عکاسی کرنے والی سطحیں، شیشہ، پانی اور آئینے کو باقی ہر چیز کی جیومیٹری سے اتفاق کرنا ہوگا، اور وہ اکثر ایسا نہیں کرتے۔ موضوع کے پیچھے ایک کھڑکی جو ایک ایسے منظر کو دکھاتی ہے جو وہاں نہیں ہو سکتا تھا، یہ اس قسم کی خامی ہے جو ماڈل اپ گریڈ سے بچ جاتی ہے، کیونکہ اس کو چہروں کے ماڈل کے بجائے دنیا کے ایک ماڈل کی ضرورت ہوتی ہے۔

ان میں سے کوئی بھی ایسا ٹیسٹ نہیں ہے جسے آپ میکانکی طور پر لاگو کر سکیں، اور دونوں میں انگلیاں گننے کے مقابلے میں زیادہ وقت لگتا ہے۔ یہی وہ سودا ہے: جو چیک اب بھی کام کرتے ہیں وہ وہ ہیں جن کے لیے تصویر کو نقائص کے لیے سکین کرنے کے بجائے ایک جگہ کے طور پر سوچنے کی ضرورت ہوتی ہے۔