Google जेमिनी पिछले साल तब सुर्खियों में था जब उसने अपना बहुचर्चित “नैनो बनाना” फीचर लॉन्च किया था, जिसने उपयोगकर्ताओं को अत्यधिक यथार्थवादी एआई छवियां उत्पन्न करने की अनुमति दी थी। हाल ही में चैटबॉट एक बार फिर ट्रेंड में आ गया है

मिथुन ने संकेत से क्या उत्पन्न किया

उपयोगकर्ता द्वारा साझा की गई छवि के अनुसार, जेमिनी ने एक दृश्य उत्पन्न किया जिसमें कई ऑटो-रिक्शा और ई-रिक्शा गड्ढों से भरी सड़क पर चल रहे थे। छवि में आवारा कुत्ते, सब्जी की गाड़ियाँ, बिना हेलमेट के पीछे बैठे लोगों के साथ मोटरसाइकिलें और सड़क पर बिखरे हुए कूड़े के ढेर भी दिखाई दे रहे हैं।

इसके अलावा, इस दृश्य में इमारत की छतों पर लगाए गए राजनीतिक होर्डिंग्स भी शामिल थे। छवि में धुंध से ढकी ऊंची इमारतों को भी दर्शाया गया है, जो समग्र दृश्य को धूल भरा, भीड़भाड़ वाला शहरी अनुभव देता है।

सोशल मीडिया यूजर्स प्रॉम्प्ट पर सवाल उठाते हैं

पोस्ट ने तुरंत कई टिप्पणियों को आकर्षित किया, कई उपयोगकर्ताओं ने सवाल उठाया कि क्या जेमिनी ने वास्तव में केवल उस संकेत के आधार पर छवि तैयार की थी जिसमें उसे पीक आवर्स के दौरान एक व्यस्त उत्तर भारतीय सड़क की कल्पना करने के लिए कहा गया था।

टिप्पणियों में एक उपयोगकर्ता ने दावा किया कि मूल पोस्टर में विशेष रूप से मिथुन को धुंध, गड्ढे और भाजपा के राजनीतिक बैनर जैसे तत्वों को शामिल करने का निर्देश दिया गया था। इस दावे का समर्थन करने के लिए, उपयोगकर्ता ने उसी संकेत का उपयोग करते हुए जेमिनी के स्क्रीनशॉट साझा किए।

टिप्पणीकार द्वारा साझा की गई छवि में, एआई-जनरेटेड आउटपुट में गड्ढे, राजनीतिक होर्डिंग्स, आवारा कुत्ते या कूड़े के ढेर शामिल नहीं थे। हालाँकि, इसमें अभी भी आवारा मवेशी, ऑटो-रिक्शा, साइकिल रिक्शा, सड़क विक्रेता, धूल और बिना हेलमेट के मोटरसाइकिल सवार शामिल हैं।

उसी जेमिनी प्रॉम्प्ट के साथ हमारा परीक्षण

हमने गूगल जेमिनी पर भी उसी प्रॉम्प्ट का परीक्षण किया। हमारे परीक्षण के दौरान उत्पन्न छवि गड्ढों और राजनीतिक होर्डिंग्स से मुक्त थी, लेकिन इसमें स्ट्रीट वेंडर, टैक्सियाँ, बिना हेलमेट वाली मोटरसाइकिलें, सड़कों पर कूड़े, पुरानी इमारतें, धुंध और ओवरहेड तार शामिल थे।

मिथुन ऐसी छवियां क्यों उत्पन्न करता है?

जेमिनी जैसे एआई इमेज-जेनरेशन मॉडल को दृश्य छवियों के बड़े डेटासेट पर प्रशिक्षित किया जाता है। एल्गोरिदम इस प्रक्रिया में एक महत्वपूर्ण भूमिका निभाते हैं, नियमों के एक सेट के रूप में कार्य करते हैं जो मशीन लर्निंग मॉडल और तंत्रिका नेटवर्क का मार्गदर्शन करते हैं। ये सिस्टम इनपुट डेटा से सीखते हैं और फिर उन डेटासेट से सीखे गए पैटर्न के आधार पर नई, मूल छवियां उत्पन्न करते हैं।

यह भी पढ़ें: ग्रोक का नया फीचर सनसनी मचाने के लिए तैयार: बिना टाइप किए उत्तर प्राप्त करें