ऐ, तुम हमेशा खूबसूरत महिलाओं को ही क्यों चित्रित करते हो?

सार:

इस साल मई की शुरुआत में, एक्स का पांच सेकंड का एक वीडियो वायरल हुआ। यह एक कोरियाई प्रोफेशनल बेसबॉल लीग प्रसारण है, हनवा ईगल्स डूसन बियर के खिलाफ खेलते हैं। कैमरे की नजर स्टैंड में एक महिला पर पड़ी जो सफेद टॉप और जींस पहने हुए थी और उसके पैर क्रॉस थे। एक समय ऐसा लगा कि वह आहें भरने लगी और दूसरी ओर देखने लगी और खेल से असंतुष्ट नजर आने लगी।

वीडियो का कैप्शन है "सामान्य कोरियाई महिलाएं"। इस लेख के प्रकाशन तक, वीडियो को 15.25 मिलियन बार चलाया जा चुका है｜वीडियो स्रोत: X @kangminlee

लेकिन जल्द ही वरिष्ठ प्रशंसकों के एक समूह ने देखा कि कुछ गड़बड़ है। स्कोरबोर्ड ने कहा कि बल्लेबाज चो इनसॉन्ग था, लेकिन चो इनसॉन्ग 2017 में सेवानिवृत्त हो गया और अब डूसन में कोच है।

इसके अलावा, स्टैंड में जयकार नारे में Doosan Bears के आधिकारिक नारे की तुलना में एक शब्द अधिक है, जो AI द्वारा एक स्पष्ट और शाब्दिक अनुवाद प्रतीत होता है। जहां तक ​​इस प्रसारण की बात है, तो टिप्पणी मानक अमेरिकी लहजे में थी, जो बहुत संदिग्ध भी थी।

यह महिला अस्तित्व में नहीं है, वह AI द्वारा उत्पन्न की गई थी। लेकिन वीडियो सामने आने के बाद गायब नहीं हुआ. इसके बजाय, यह एक टेम्पलेट बन गया. सभी ने अपने चेहरे एक ही प्रसारण स्क्रीन पर डाल दिए, जिससे स्टेडियम के कैमरे द्वारा खींची गई अपनी एक तस्वीर बन गई, जो जल्द ही सोशल नेटवर्क पर लोकप्रिय हो गई।

"स्टेडियम कैमरे द्वारा स्वयं को कैद किया गया" शीघ्र ही एक लोकप्रिय टेम्पलेट बन गया｜फोटो स्रोत: RADII

हर बार जब AI छवि क्षमताओं को बढ़ाया जाता है, तो लगभग हमेशा एक लोकप्रिय हिट होगी। उदाहरण के लिए, मार्च 2025 में, GPT-4o चित्र खींचने में सक्षम था, और स्क्रीन घिबली एनिमेशन की शैली में फिर से खींची गई तस्वीरों से भर गई थी; अगस्त के अंत में, Google का नैनो बनाना लॉन्च किया गया था। इसे खेलने का हर किसी का पसंदीदा तरीका सेल्फी को कंप्यूटर डेस्क पर रखी गई आकृतियों में बदलना था। उपयोगकर्ताओं ने दो सप्ताह में 200 मिलियन से अधिक चित्र बनाए।

लोकप्रिय आइटम हर बार बदले जाते हैं, और उनमें से अधिकांश "खुद को अंदर रखें" गेमप्ले पर आधारित होते हैं। लेकिन इस बार कोर्ट पर, एक ऐसा क्रम उजागर हुआ जो पहले इतना स्पष्ट नहीं था: पहले, एक अस्तित्वहीन सुंदरता ने लाखों लोगों को धोखा दिया, और फिर एक ऐसा टेम्पलेट विकसित किया जिसे हर कोई खेल सकता है।

सुंदरता कोई सहायक भूमिका नहीं है जो गलती से दृश्य में प्रकट हो जाती है, वह एक डिफ़ॉल्ट मान की तरह है

.

यह डिफ़ॉल्ट AI से आधी सदी पहले का है। 1973 में, छवि डिजिटलीकरण के शुरुआती दिनों में, इंजीनियरों का एक समूह एक नई छवि तकनीक का परीक्षण करना चाहता था, और उन्होंने एक खूबसूरत महिला को भी चुना।

01

इंटरनेट की प्रथम महिला

लीना सोडरबर्ग ने शिकागो, इलिनोइस में एक प्रिंट मॉडल के रूप में अपना करियर शुरू किया। वह पहले एक अनु जोड़ी के रूप में स्वीडन से संयुक्त राज्य अमेरिका चली गई थी। 1972 में, उन्होंने प्लेबॉय पत्रिका के नवंबर अंक के सेंटरफ़ोल्ड के लिए पोज़ दिया। प्लेबॉय के उस अंक की 7.16 मिलियन से अधिक प्रतियां बिकीं, जिससे यह पत्रिका का सबसे अधिक बिकने वाला अंक बन गया।

डिजिटल इमेज प्रोसेसिंग का अध्ययन करने वाले अधिकांश लोगों ने उसे देखा है: चौड़ी किनारी वाली टोपी पहने, नंगे कंधे और कैमरे की ओर बग़ल में देखते हुए। दशकों से, इस चेहरे पर अनगिनत छवि संपीड़न और प्रसंस्करण एल्गोरिदम का परीक्षण किया गया है।

लेना सोडरबर्ग साइबर की पहली महिला हैं | छवि स्रोत: SIPI छवि डेटाबेस

1973 में, दक्षिणी कैलिफोर्निया विश्वविद्यालय के सिग्नल इमेज एंड प्रोसेसिंग इंस्टीट्यूट के शोधकर्ता एक शोध पत्र के लिए एक नई छवि खोजने के लिए संघर्ष कर रहे थे। उन्होंने परीक्षण छवियों का अपना सामान्य स्टॉक समाप्त कर दिया है। उसी समय, एक सहकर्मी कथित तौर पर प्लेबॉय का नवंबर 1972 अंक लेकर आया। शोधकर्ताओं की परेशानी को देखते हुए, उन्होंने सेंटर इंसर्ट के ऊपर से 5.12 इंच की एक पट्टी फाड़ दी और इसे उनके स्कैनर में डाल दिया।

तब से,

इस छवि का इमेज प्रोसेसिंग समुदाय में व्यापक रूप से उपयोग किया गया है और यहां तक ​​कि यह उद्योग की डिफ़ॉल्ट परीक्षण छवि भी बन गई है

.

1996 में, IEEE ट्रांज़ैक्शन्स ऑन इमेज प्रोसेसिंग के प्रधान संपादक डेविड मुन्सन ने एक छोटा लेख लिखा, जिसमें बताया गया कि कैसे यह बेतरतीब ढंग से स्कैन की गई छवि एक उद्योग मानक बन गई। उन्होंने दो कारण बताये. पहला तकनीकी है. इस चित्र में सभी विवरण, समतल क्षेत्र, छाया और बनावट हैं, इसलिए यह एल्गोरिदम के परीक्षण के लिए उपयुक्त है। दूसरा लेख मानव स्वभाव के अधिक अनुरूप है:

यह एक आकर्षक महिला की तस्वीर है। यह आश्चर्य की बात नहीं है कि पुरुषों के वर्चस्व वाला एक शोध समूह इसकी ओर आकर्षित है।

.

इस छवि की उत्पत्ति को देखते हुए, इसका उपयोग विवाद से रहित नहीं था। 1991 में, प्लेबॉय ने एक अकादमिक पत्रिका के कवर पर छवि की खोज की, कॉपीराइट का दावा करते हुए एक पत्र भेजा और अंततः इसे जाने दिया, जिससे इसे अनुसंधान में उपयोग जारी रखने की अनुमति मिली। कंपनी के न्यू मीडिया के उपाध्यक्ष ने कहा कि चूंकि यह एक घटना बन गई है, इसलिए इसका फायदा उठाना बेहतर है।

इमेज प्रोसेसिंग अनुसंधान समुदाय के भीतर से कुछ अलग आवाज़ें भी हैं। उन्होंने कहा कि इंजीनियरों को किसी भी प्रकाशन से ऐसी सामग्री का उपयोग नहीं करना चाहिए जिसे महिलाओं के लिए अपमानजनक माना जा सकता है।

यहां तक ​​कि लीना ने खुद डॉक्यूमेंट्री "लूज़िंग लीना" में कहा था कि उन्हें उम्मीद है कि वह इस तस्वीर का इस्तेमाल बंद कर देंगी।

डॉक्यूमेंट्री में, लीना खुद 50 साल से भी पहले की अपनी प्रसिद्ध तस्वीर रखती हैं छवि स्रोत: IMDB

परिणामस्वरूप, 1 अप्रैल, 2024 से, IEEE कंप्यूटर सोसायटी अब इस तस्वीर का उपयोग करने वाले कागजात स्वीकार नहीं करेगी।

उस स्कैन को इक्यावन साल बीत चुके हैं

.

02

औसत चेहरा

अब, तकनीकी क्षेत्र में परीक्षण प्रश्न लंबे समय से बदल दिए गए हैं।

एआई रेड वाइन का पूरा गिलास नहीं खींच सकता। गिलास में द्रव का स्तर सदैव बीच में रुकता है। जब AI घड़ी खींचता है, तो सूइयां हमेशा 10:10 पर रुकती हैं। कारण वही है: इंटरनेट पर अधिकांश रेड वाइन तस्वीरें पूर्ण गिलास नहीं हैं, और घड़ी के विज्ञापनों में परंपरा उन्हें 10:10 पर प्रदर्शित करने की है। मॉडल प्रशिक्षण डेटा के वितरण को दोहराएगा और डेटा की जड़ता से छुटकारा नहीं पा सकेगा।

घड़ी के विज्ञापन हमेशा 10:10 पर क्यों रुकते हैं, इसका सबसे लोकप्रिय स्पष्टीकरण यह है कि यह एक "हंसमुख मुस्कान" की तरह दिखता है, लेकिन 1950 के दशक से पहले, इसे 8:20 पर बंद करना अधिक लोकप्रिय था | छवि स्रोत: Reddit

रेड वाइन और घड़ियाँ इस बात का सबूत हैं कि "मॉडल पर्याप्त अच्छे नहीं हैं।" लेकिन जब बात खूबसूरत महिलाओं की आती है तो स्थिति अलग होती है। "उसकी" जड़ता लोगों के सौंदर्यशास्त्र के साथ संरेखित होती है।

1990 में, मनोवैज्ञानिक जूडिथ लैंग्लोइस और लोरी रोगमैन ने एक प्रयोग किया: उन्होंने गणितीय रूप से एक नए चेहरे को संश्लेषित करने के लिए चेहरों के एक बैच का औसत निकाला, और फिर लोगों से इसे रेट करने के लिए कहा। परिणामस्वरूप, सिंथेटिक चेहरा संश्लेषण में शामिल लगभग हर वास्तविक चेहरे की तुलना में अधिक आकर्षक होता है, और औसत में जितने अधिक चेहरे शामिल होते हैं, सिंथेटिक चेहरा उतना ही बेहतर दिखता है। यह प्रभाव पुरुष और महिला दोनों चेहरों और विभिन्न जातीय समूहों पर लागू होता है।

पेपर का शीर्षक केवल

"आकर्षक चेहरे ही औसत होते हैं"

कहा जाता है .

इसी तरह के अवलोकन पहले भी हुए थे। 1877 में, किसी ने डार्विन को लिखा और उन्हें बताया कि स्टीरियोस्कोप का उपयोग करके एक महिला के दो चित्रों को सुपरइम्पोज़ करने से, परिणामी चेहरा हर बार काफी अधिक सुंदर होगा।

जेनरेटिव मॉडल का सार वास्तव में डेटा वितरण सीखना और फिर वितरण के केंद्र के पास से नमूना लेना है। दूसरे शब्दों में, मॉडल को औसत चेहरों को चित्रित करने के लिए प्रोग्राम किया गया है, और औसत चेहरे वही होते हैं जिन्हें मनुष्य सुंदर देखते हैं।

मशीन सिद्धांतों के साथ संयुक्त मानव मनोविज्ञान एआई के डिफ़ॉल्ट मूल्य के रूप में सुंदरता के लिए तकनीकी आधार बन गया है

.

2023 ऑस्ट्रेलियन नेशनल यूनिवर्सिटी के एक अध्ययन ने इस टकराव को चरम पर पहुंचा दिया। मनोवैज्ञानिकों ने पाया कि प्रायोगिक प्रतिभागियों द्वारा एआई-जनित सफेद चेहरों को वास्तविक सफेद चेहरों की तुलना में अधिक बार "वास्तविक" माना गया। शोधकर्ता इसे "एआई हाइपर-यथार्थवाद" कहते हैं, यह समझाते हुए कि प्रशिक्षण डेटा मुख्य रूप से सफेद लोगों का है, और मॉडल द्वारा उत्पन्न चेहरे इस समूह के औसत के करीब हैं, और उन्हें अधिक विशिष्ट और वास्तविक लोगों की तरह माना जाएगा।

लैंग्लोइस का प्रयोग प्रकाशित होने के बाद, उन्हें आलोचना मिली: सिंथेटिक चेहरा केवल इसलिए अच्छा दिखता है क्योंकि त्वचा पर धब्बे और धब्बे औसत होने पर आसानी से मिट जाते हैं। यह आलोचना 1990 में पद्धतिपरक थी.

लेकिन आज यह एक भविष्यवाणी जैसा लग रहा है।

एआई सुंदरियों की सबसे विशिष्ट विशेषता अत्यधिक चिकनी त्वचा है। तीन दशक से भी अधिक समय के बाद, तथ्य-जांच संगठन लोगों को एआई छवियों की पहचान करना सिखा रहे हैं, और सूचीबद्ध खामियों में से एक अत्यधिक चिकनी त्वचा है। वह सांख्यिकीय कलाकृति जिसे आलोचकों ने तीन दशक से भी पहले बताया था, 2025 की एआई सुंदरता की विशेषता है।

03

जिप्सम अंडा

लीना को एक प्रयोगशाला में चुना गया था। आज का डिफ़ॉल्ट मान डेटा से बढ़ाया गया है।

2022 के अंत में, फोटो संपादन एप्लिकेशन लेंसा का "मैजिक अवतार" फ़ंक्शन अचानक लोकप्रिय हो गया: कुछ सेल्फी अपलोड करें, और एआई आपके लिए विभिन्न शैलियों के सौ चित्र तैयार करेगा। एमआईटी टेक्नोलॉजी रिव्यू की एआई रिपोर्टर मेलिसा हेइकिला ​​ने भी इसका इस्तेमाल अपने 100 अवतार तैयार करने के लिए किया, जिनमें से 16 टॉपलेस थे और 14 न्यूनतम कपड़ों और सेक्सी पोज़ के साथ थे। और उनके पुरुष सहकर्मियों को अंतरिक्ष यात्री, खोजकर्ता और आविष्कारक मिले। इस प्रक्रिया के दौरान उनमें से किसी ने भी मॉडल को कोई संकेत नहीं दिया।

मेलिसा द्वारा लेन्सा के माध्यम से बनाई गई छवि｜छवि स्रोत: एमआईटी टेक्नोलॉजी समीक्षा

मेलिसा ने अपने लेख में बताया कि इसके पीछे की मॉडल को इंटरनेट से खींची गई तस्वीरों पर प्रशिक्षित किया गया था, और

इंटरनेट पहले से ही कम कपड़े पहने महिलाओं की तस्वीरों से भरा हुआ है। इसके कारण मॉडल डिफ़ॉल्ट मान के रूप में "कम कपड़े पहने महिलाएं" उत्पन्न करता है

.

फिर, उपयोगकर्ता की व्यवहारिक जड़ता इस प्रवृत्ति को आगे बढ़ाती रहेगी। हर पीढ़ी, बचाना और आगे बढ़ाना एक वोट है। 2025 के एक अध्ययन में एआई छवि समुदाय सिविटाई पर सामग्री परिवर्तन गिना गया: एनएसएफडब्ल्यू (वयस्क-उन्मुख) छवियों का अनुपात जनवरी 2023 में 41% से बढ़कर दिसंबर 2024 में 80% हो गया।

अंत में, निर्माता इन वोटों को मॉडल में लिखेगा। छवि मॉडल को अधिक मनभावन छवियां उत्पन्न करने की अनुमति देने के लिए, निर्माता एक "स्कोरर" को प्रशिक्षित करेंगे, जिसे तकनीकी रूप से इनाम मॉडल या सौंदर्य स्कोरर कहा जाता है। इसका काम यह जानना है कि लोगों को कौन सी तस्वीरें अच्छी लगती हैं, और फिर मॉडल को प्रशिक्षित करने के लिए इस मानक का उपयोग करें: उच्च स्कोर के साथ दिशा में अधिक जाएं, और कम स्कोर के साथ कम दिशा में जाएं।

सबसे अधिक इस्तेमाल किए जाने वाले स्कोरर में से एक को पिकस्कोर कहा जाता है। इसका प्रशिक्षण डेटा एक वेब एप्लिकेशन से आता है: उपयोगकर्ता एक त्वरित शब्द लिखता है, सिस्टम दो चित्र देता है, और उपयोगकर्ता वह चुनता है जिसे वह अधिक पसंद करता है।

इस डेटा की समीक्षा की जाएगी, और NSFW सामग्री उत्पन्न करने वाले उपयोगकर्ताओं को हटा दिया जाएगा, लेकिन अभी भी इसमें बहुत सारे NSFW प्रॉम्प्ट शब्द मिश्रित हैं। इनाम मॉडल का अध्ययन करने वाले 2024 के एक पेपर में पाया गया कि मॉडल को ठीक करने के लिए पिकस्कोर का उपयोग किया गया है,

भले ही प्रॉम्प्ट शब्दों का सेक्स से कोई लेना-देना नहीं है, मॉडल अधिक NSFW तस्वीरें खींचेगा

.

फिर एक तस्वीर दिखाई देती है: फ्रंट डेस्क पर सामग्री समीक्षक इंटरसेप्ट कर रहा है, लेकिन बैकएंड पर स्कोरर पीछे हट रहा है। निर्माता के आधिकारिक डेमो में कभी भी NSFW सुंदरियाँ प्रदर्शित नहीं होती हैं, और पीढ़ी नीति बहुत सख्त है। लेकिन जैसा कि हम सभी जानते हैं, आज के बड़े मॉडल पूरी तरह से नियंत्रणीय नहीं हैं। इसे उपयोगकर्ता के स्वाद द्वारा प्रशिक्षित किया गया है, और उपयोगकर्ता का स्वाद जड़ता में बहुत दूर चला गया है।

1930 के दशक में, डच एथोलॉजिस्ट निको टिनबर्गेन ने सीगल की एक प्रजाति देखी। यह पक्षी भूरे धब्बों वाले छोटे, हल्के नीले अंडे देता है। लेकिन जब वह घोंसले के बगल में विशाल, चमकीले नीले, काले-बिंदीदार प्लास्टर डमी अंडे रखता था, तो पक्षी अपने अंडे छोड़ देते थे और उन्हें सेने के लिए प्लास्टर वाले अंडों पर चढ़ जाते थे। उन्होंने इन अतिरंजित नकलों को, जो वास्तविक चीज़ से अधिक आकर्षक हैं, "अलौकिक उत्तेजना" कहा।

निको टिनबर्गेन एक बाहरी अभियान के दौरान अंडों को रंगते हैं | शिक्षा जगत

मानव चेहरे में भी असाधारण उत्तेजना होती है, और यह "औसत सबसे सुंदर है" अवधारणा को एक कदम आगे ले जाता है। 1994 में, डेविड पेरेट और अन्य ने नेचर में एक अध्ययन प्रकाशित किया: सबसे अच्छे दिखने वाले चेहरों के एक समूह को सभी लोगों के औसत चेहरे की तुलना में अधिक आकर्षक बनाने के लिए संश्लेषित किया गया था; और यदि इसके और औसत चेहरे के बीच का अंतर 50% बढ़ा दिया जाए, तो स्कोर और भी अधिक होगा। जापानी प्रजा और श्वेत प्रजा ने एक ही दिशा चुनी।

मुख्यधारा की एआई कंपनियों में से, कम से कम एक ने इस मनोविज्ञान को सीधे तौर पर एक उत्पाद सुविधा में बदल दिया है। ग्रोक की छवि निर्माण में चार मोड हैं, जिनमें से एक को स्पाइसी कहा जाता है। चालू होने पर, सामग्री फ़िल्टरिंग में ढील दी जाएगी, जिससे विचारोत्तेजक सामग्री और आंशिक नग्नता उत्पन्न हो सकेगी, और यह केवल भुगतान करने वाले उपयोगकर्ताओं के लिए खुला है।

जनवरी 2026 में, उपयोगकर्ताओं को पता चला कि वे ग्रोक को "डिजिटली अनड्रेस" करने के लिए किसी की भी तस्वीरें अपलोड कर सकते हैं। पीड़ितों में बच्चे भी शामिल थे और कई सरकारों ने दबाव बनाने के लिए कदम उठाया। एक्स ने समग्र रूप से छवि निर्माण को सशुल्क सुविधा तक सीमित करके प्रतिक्रिया व्यक्त की।

ब्रिटिश प्रधान मंत्री के प्रवक्ता ने टिप्पणी की: यह केवल अवैध छवियां उत्पन्न करने का एक कार्य है, जिसे एक सशुल्क सेवा में बदल दिया गया है।

AI उन लोगों के समूह के रूप में विकसित होता है जो अक्सर "पसंद करें" दबाते हैं

. 1973 में, यह समूह मुख्य रूप से पुरुष प्रयोगशाला थी। आज, वे ऐसे उपयोगकर्ता हैं जो सबसे अधिक क्लिक करते हैं, सबसे अधिक फॉरवर्ड करते हैं और सबसे अधिक बचत करते हैं। सुंदरता के प्रति लोगों की पसंद का एक जैविक आधार होता है। दो और तीन महीने के छोटे बच्चे वयस्कों द्वारा आकर्षक माने गए चेहरों को देखकर लंबे समय तक दिखेंगे।

इंटरनेट की प्रथम महिला लेना एक दुर्घटना थी। आज का डिफ़ॉल्ट डेटा के केंद्र से मॉडल का बढ़ना है। उपयोगकर्ता के क्लिक ने इसे और आगे बढ़ाया, और अंततः किसी ने इसकी कीमत लगा दी।

एआई पीढ़ी मॉडल की सांख्यिकीय विशेषताएं, "औसत चेहरे" के लिए मानव सौंदर्य संबंधी प्राथमिकताएं, साथ ही उपयोगकर्ता क्लिक और वाणिज्यिक प्रोत्साहन एक फीडबैक लूप बनाते हैं। वे एक-दूसरे से स्वतंत्र हैं, लेकिन साथ मिलकर वे एक ही दिशा की ओर इशारा करते हैं, जो आज सामग्री उपभोग के लिए हमारा डिफ़ॉल्ट विकल्प बन गया है।