ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ (AI) ಕೇವಲ ಫೋಟೋಗಳನ್ನು ಗುರುತಿಸುವುದಷ್ಟೇ ಅಲ್ಲ, ಮನುಷ್ಯರಂತೆಯೇ ಹೊಸ ಚಿತ್ರಗಳನ್ನು ಸೃಷ್ಟಿಸುವ ಸಾಮರ್ಥ್ಯ ತಂದುಕೊಟ್ಟ ತಂತ್ರಜ್ಞಾನವೇ GANs. ೨೦೧೪ ರಲ್ಲಿ 'ಐಯಾನ್ ಗುಡ್‌ಫೆಲೋ' (Ian Goodfellow) ಎಂಬ ವಿಜ್ಞಾನಿ ಕಂಡುಹಿಡಿದ ಈ ತಂತ್ರಜ್ಞಾನ, AI ಜಗತ್ತಿನಲ್ಲಿ ಹೊಸ ದೈತ್ಯ ಕ್ರಾಂತಿಯನ್ನೇ ಸೃಷ್ಟಿಸಿತು.

ಇದರ ಪೂರ್ಣ ರೂಪ Generative Adversarial Networks (ಜೆನರೇಟಿವ್ ಅಡ್ವರ್ಸರಿಯಲ್ ನೆಟ್‌ವರ್ಕ್ಸ್). ಇದರ ಹೆಸರಿನಲ್ಲೇ ಇದರ ತಾಂತ್ರಿಕ ರಹಸ್ಯ ಅಡಗಿದೆ:

GANs ನ ತಾಂತ್ರಿಕ ಅರ್ಥವೇನು?

  • ೧. Generative (ಜೆನರೇಟಿವ್ - ಸೃಷ್ಟಿ): ಅಸ್ತಿತ್ವದಲ್ಲೇ ಇಲ್ಲದ ಹೊಸ ದತ್ತಾಂಶಗಳನ್ನು (ಚಿತ್ರ, ಧ್ವನಿ ಅಥವಾ ವಿಡಿಯೋ) ಶೂನ್ಯದಿಂದ ಸೃಷ್ಟಿಸುವ ಸಾಮರ್ಥ್ಯ.

  • ೨. Adversarial (ಅಡ್ವರ್ಸರಿಯಲ್ - ಸ್ಪರ್ಧೆ/ವೈಪರೀತ್ಯ): ಗೇಮ್ ಥಿಯರಿಯಲ್ಲಿ (Game Theory) ಇಬ್ಬರು ಎದುರಾಳಿಗಳು ಪರಸ್ಪರ ಸ್ಪರ್ಧಿಸುವಂತೆ, ಇಲ್ಲಿ ಎರಡು AI ಮಾಡೆಲ್‌ಗಳು ಒಂದಕ್ಕೊಂದು ವಿರುದ್ಧವಾಗಿ ಪೈಪೋಟಿ ನಡೆಸುತ್ತವೆ.

  • ೩. Networks (ನೆಟ್‌ವರ್ಕ್ಸ್ - ನರಮಂಡಲ ಜಾಲ): ಮಾನವನ ಮೆದುಳಿನಂತೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಆಳವಾದ ಕೃತಕ ನರಮಂಡಲಗಳು (Deep Neural Networks).

ಇದು ತಾಂತ್ರಿಕವಾಗಿ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ? (ಎರಡು AI ಗಳ 'ಮಿನಿಮ್ಯಾಕ್ಸ್' ಆಟ)

GANs ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಒಂದರ ಬದಲು ಎರಡು ಪ್ರತ್ಯೇಕ ನ್ಯೂರಾನ್ ಜಾಲಗಳು (Neural Networks) ಮುಖಾಮುಖಿಯಾಗುತ್ತವೆ:

೧. ಜನರೇಟರ್ (Generator - ಸೃಷ್ಟಿಕರ್ತ)

ಇದು ಒಂದು ಯಾದೃಚ್ಛಿಕ ಸಂಖ್ಯೆಗಳ ಸರಣಿಯನ್ನು (Random Noise Vector) ತೆಗೆದುಕೊಂಡು, ಗಣಿತದ ಲೆಕ್ಕಾಚಾರದ ಮೂಲಕ ಅದನ್ನು ಪಿಕ್ಸೆಲ್‌ಗಳಾಗಿ (Pixels) ಪರಿವರ್ತಿಸಿ ಹೊಸ ಚಿತ್ರವನ್ನು ರೂಪಿಸುತ್ತದೆ. ಇದರ ಗುರಿ: ಪರೀಕ್ಷಕನನ್ನು ವಂಚಿಸಿ ನಕಲನ್ನು ಅಸಲಿ ಎಂದು ನಂಬಿಸುವುದು.

೨. ಡಿಸ್ಕ್ರಿಮಿನೇಟರ್ (Discriminator - ಪರೀಕ್ಷಕ)

ಇದರ ಬಳಿ ಸಾವಿರಾರು ನಿಜವಾದ ಫೋಟೋಗಳ ದತ್ತಾಂಶವಿರುತ್ತದೆ. ಜನರೇಟರ್ ತಂದುಕೊಡುವ ಫೋಟೋವನ್ನು ನೋಡಿ, ಗಣಿತದ ಸಂಭವನೀಯತೆ (Probability: 0 ರಿಂದ 1) ಆಧಾರದ ಮೇಲೆ "ಇದು ನಿಜವಾದ ಫೋಟೋವೇ ಅಥವಾ AI ಸೃಷ್ಟಿಸಿದ ನಕಲೊ?" ಎಂದು ಪರಿಶೀಲಿಸುತ್ತದೆ.

ಗಣಿತದ 'ಮಿನಿಮ್ಯಾಕ್ಸ್' ಗೇಮ್ (Minimax Loss Function): ಇಲ್ಲಿ 'ಜನರೇಟರ್' ತನ್ನ ತಪ್ಪಿನ ಪ್ರಮಾಣವನ್ನು ಆದಷ್ಟು ಕಡಿಮೆ ಮಾಡಲು (Minimize Function) ಯತ್ನಿಸಿದರೆ, 'ಡಿಸ್ಕ್ರಿಮಿನೇಟರ್' ನಿಜ-ನಕಲಿಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಸರಿಯಾಗಿ ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೆಚ್ಚಿಸಲು (Maximize Function) ಯತ್ನಿಸುತ್ತದೆ. ಈ ಸತತ ಸ್ಪರ್ಧೆಯ ಫಲವಾಗಿ, ಜನರೇಟರ್ ಮನುಷ್ಯರ ಕಣ್ಣನ್ನೂ ವಂಚಿಸುವಷ್ಟು ಅತ್ಯಂತ ನಿಖರವಾದ ಫೋಟೋಗಳನ್ನು ಸೃಷ್ಟಿಸಲು ಕಲಿಯುತ್ತದೆ!

GANs ನ ಮುಖ್ಯ ತಾಂತ್ರಿಕ ಸವಾಲು: 'ಮೋಡ್ ಕೊಲ್ಯಾಪ್ಸ್' (Mode Collapse)

GANs ತರಬೇತಿ ಮಾಡುವುದು ಅತ್ಯಂತ ಕಷ್ಟಕರವಾದ ಕೆಲಸ. ಇದರಲ್ಲಿ ಎದುರಾಗುವ ಪ್ರಮುಖ ತಾಂತ್ರಿಕ ದೋಷವೆಂದರೆ 'ಮೋಡ್ ಕೊಲ್ಯಾಪ್ಸ್'.

ಉದಾಹರಣೆಗೆ, ಜನರೇಟರ್ ವಿಭಿನ್ನ ಶೈಲಿಯ ನಾಯಿಗಳ ಫೋಟೋಗಳನ್ನು ಸೃಷ್ಟಿಸಬೇಕು. ಆದರೆ ತರಬೇತಿಯ ಸಮಯದಲ್ಲಿ ಅದು ಡಿಸ್ಕ್ರಿಮಿನೇಟರ್ ಅನ್ನು ಯಾಮಾರಿಸಲು 'ಹಳದಿ ಬಣ್ಣದ ಬೆಲ್ಜಿಯನ್ ಷೆಫರ್ಡ್' ನಾಯಿಯ ಚಿತ್ರವೊಂದನ್ನು ಕಲಿಯುತ್ತದೆ ಅಂದುಕೊಳ್ಳಿ. ಆ ಚಿತ್ರ ಪರೀಕ್ಷಕನನ್ನು ವಂಚಿಸಲು ಯಶಸ್ವಿಯಾದರೆ, ಜನರೇಟರ್ ಬೇರೆ ಬೇರೆ ತಳಿಯ ನಾಯಿಗಳ ಚಿತ್ರ ಸೃಷ್ಟಿಸುವುದನ್ನು ಬಿಟ್ಟು, ಮತ್ತೆ ಮತ್ತೆ ಅದೇ ಹಳದಿ ನಾಯಿಯ ಚಿತ್ರವನ್ನೇ ಸೃಷ್ಟಿಸಲು ಶುರು ಮಾಡುತ್ತದೆ! ಇದನ್ನು ತಡೆಗಟ್ಟುವುದು ಇಂಜಿನಿಯರ್‌ಗಳಿಗೆ ದೊಡ್ಡ ಸವಾಲು.

ನಮ್ಮ ಸುತ್ತಮುತ್ತ ಇದರ ಪ್ರಭಾವ ಎಲ್ಲೆಲ್ಲಿದೆ?

  • ಡೀಪ್‌ಫೇಕ್ (Deepfakes): ಇಂದಿನ ದಿನಗಳಲ್ಲಿ ಸಿನೆಮಾ ನಟರ ಅಥವಾ ರಾಜಕಾರಣಿಗಳ ಮುಖ ಹಾಗೂ ಧ್ವನಿಯನ್ನು ಅಚ್ಚುಕಟ್ಟಾಗಿ ನಕಲು ಮಾಡುವ ಡೀಪ್‌ಫೇಕ್ ತಂತ್ರಜ್ಞಾನದ ಹಿನ್ನೆಲೆಯಲ್ಲಿ ಕೆಲಸ ಮಾಡುವುದು ಇದೇ GANs.

  • ಹಳೆಯ ಫೋಟೋಗಳ ನವೀಕರಣ (Super-Resolution): ನಮ್ಮ ಬಳಿ ಇರುವ ಹಳೆಯ, ಮಸುಕಾದ ಅಥವಾ ಕಪ್ಪು-ಬಿಳುಪು ಫೋಟೋಗಳನ್ನು ಅತ್ಯಂತ ಸ್ಪಷ್ಟವಾದ ಮತ್ತು ಉನ್ನತ ದರ್ಜೆಯ (High Definition) ರಂಗುರಂಗಿನ ಫೋಟೋಗಳನ್ನಾಗಿ ಬದಲಾಯಿಸಲು ನಾವು ಇದನ್ನು ಬಳಸುತ್ತಿದ್ದೇವೆ.

  • ಅಸ್ತಿತ್ವದಲ್ಲೇ ಇಲ್ಲದ ಮನುಷ್ಯರ ಮುಖಗಳು: ಇಂಟರ್ನೆಟ್‌ನಲ್ಲಿ ನಮಗೆ ಕಾಣಿಸುವ ಅನೇಕ ಬ್ರ್ಯಾಂಡ್‌ಗಳ ಮಾಡೆಲ್‌ಗಳ ಮುಖಗಳು ನಿಜವಾದ ಮನುಷ್ಯರದ್ದಲ್ಲ! GANs ಬಳಸಿ ಜಗತ್ತಿನಲ್ಲೇ ಇರದ ಹೊಸ ಮನುಷ್ಯರ ಫೋಟೋಗಳನ್ನು ಅತ್ಯಂತ ನೈಜವಾಗಿ ಸೃಷ್ಟಿಸಲಾಗುತ್ತಿದೆ.

ಸಾರಾಂಶ: Generative Adversarial Networks (GANs) ಎಂದರೆ ಎರಡು AI ಮಾಡೆಲ್‌ಗಳು 'ಮಿನಿಮ್ಯಾಕ್ಸ್' ಸಿದ್ಧಾಂತದಡಿ ಪರಸ್ಪರ ಸವಾಲೆಸೆದುಕೊಂಡು, ಸ್ಪರ್ಧಿಸುವ ಮೂಲಕ ಅತ್ಯಂತ ನೈಜವಾದ ವಿಷಯಗಳನ್ನು ಸೃಷ್ಟಿಸುವ ಗಣಿತದ ಅದ್ಭುತ ಕಲೆ.