Skip to content
22 अगस्त 2022 को जारी स्टेबल डिफ़्यूज़न क़रीब 50 शोर-हटाने वाले चरणों में यादृच्छिक शोर से 512 गुणा 512 की तस्वीर बनाता है, एक ऐसे विचार से जो 2015 के भौतिकी से प्रेरित एक शोध-पत्र में पहली बार छपा था
एआई और प्रौद्योगिकी

22 अगस्त 2022 को जारी स्टेबल डिफ़्यूज़न क़रीब 50 शोर-हटाने वाले चरणों में यादृच्छिक शोर से 512 गुणा 512 की तस्वीर बनाता है, एक ऐसे विचार से जो 2015 के भौतिकी से प्रेरित एक शोध-पत्र में पहली बार छपा था

चित्रण: tuput

हिन्दी

2015 से 2022 के बीच छह शोध-पत्रों ने एक ही विचार, शोर के धीमे जुड़ाव को उलटना सीखना, खिलौना डेटा से टेक्स्ट प्रॉम्प्ट तक पहुँचाया। स्टेबिलिटी AI की रिलीज़ ने नतीजे को बताई गई 6.9 GB मेमोरी वाले ग्राफ़िक्स कार्ड पर ला दिया, और Hugging Face की मार्गदर्शिका 50 चरणों वाली प्रक्रिया का वर्णन करती है।

· · 11 मिनट का पठन

स्टेबिलिटी AI ने 22 अगस्त 2022 को स्टेबल डिफ़्यूज़न की सार्वजनिक रिलीज़ की घोषणा की और वेट, मॉडल कार्ड और कोड प्रकाशित किए। कंपनी ने कहा कि अंतिम मेमोरी उपयोग 6.9 GB ग्राफ़िक्स मेमोरी होना चाहिए। Hugging Face ने, जिसने रिलीज़ पर काम किया, उसी दिन एक मार्गदर्शिका जारी की। वह बताती है कि जब उपयोगकर्ता प्रॉम्प्ट लिखता है तो क्या होता है: मॉडल संख्याओं के एक छोटे ग्रिड में यादृच्छिक शोर से शुरू करता है, प्रॉम्प्ट को पढ़ते हुए उससे क़रीब 50 बार शोर हटाता है, और नतीजे को 512 गुणा 512 पिक्सल की तस्वीर में डिकोड करता है।

उन 50 चरणों के पीछे की विधि मार्च 2015 के एक शोध-पत्र में आई थी, जिसने भौतिकी से उधार लिया था। यह लेख उसे छह शोध-पत्रों और रिलीज़ तक अनुसरण करता है। नीचे का हर आँकड़ा लेखकों का अपना है, उनके अपने हार्डवेयर और डेटासेट पर नापा हुआ। शोध-पत्र अलग-अलग डेटासेट और सेटिंग इस्तेमाल करते हैं, इसलिए उनके बीच किसी अंक की तुलना नहीं की गई है।

तस्वीर को धीरे-धीरे बिगाड़ो, फिर उसे पलटना सीखो

जैशा सोल-डिक्सटीन, एरिक वाइस, नीरू महेश्वरनाथन और सूर्या गांगुली ने अपना शोध-पत्र 12 मार्च 2015 को arXiv पर जमा किया। उसके शीर्षक में नॉनइक्विलिब्रियम थर्मोडायनामिक्स का नाम है, यानी उन प्रणालियों की भौतिकी जो ठहरी हुई नहीं, बदल रही होती हैं। सार कहता है कि बुनियादी विचार, जो अ-संतुलन सांख्यिकीय भौतिकी से प्रेरित है, डेटा की संरचना को एक अग्र डिफ़्यूज़न प्रक्रिया से धीरे-धीरे नष्ट करना है और फिर एक उलटी प्रक्रिया सीखना है जो उसे बहाल करे।

Hugging Face की मार्गदर्शिका का चलता उदाहरण लें, घोड़े पर सवार अंतरिक्ष यात्री की तस्वीर। तस्वीर में चुटकी भर यादृच्छिक शोर डालें, फिर एक और चुटकी, और तब तक चलते रहें जब तक स्थिर शोर के सिवा कुछ न बचे। आगे की दिशा में कुछ सीखना नहीं पड़ता। एक न्यूरल नेटवर्क को उलटे काम के लिए प्रशिक्षित किया जाता है: किसी तस्वीर का थोड़ा ज़्यादा शोर वाला रूप दिया जाए तो थोड़ा साफ़ रूप बनाओ। कुछ नया बनाने के लिए शुद्ध शोर से शुरू करें और नेटवर्क को बार-बार लगाएँ।

2015 के लेखकों ने हज़ारों परतों या समय-चरणों वाले मॉडल प्रशिक्षित किए। उन्होंने उन्हें एक द्विआयामी स्विस रोल (बिंदुओं का सर्पिल-आकार का बादल), एक बाइनरी अनुक्रम, MNIST के हाथ से लिखे अंकों और CIFAR-10, बार्क और डेड-लीव्ज़ डेटासेट की छोटी प्राकृतिक तस्वीरों पर परखा।

थोड़ा-सा शोर हटाओ, एक हज़ार बार

कैलिफ़ोर्निया विश्वविद्यालय, बर्कले के जोनाथन हो, अजय जैन और पीटर एबील ने अपना शोध-पत्र 19 जून 2020 को डाला। वे लिखते हैं कि उनकी जानकारी में अब तक किसी ने नहीं दिखाया था कि डिफ़्यूज़न मॉडल उच्च-गुणवत्ता वाले नमूने बना सकते हैं, और उनके नतीजे यह दिखाते हैं। छोटी तस्वीरों के CIFAR-10 संग्रह पर, बिना किसी लेबल के बनाई गई तस्वीरों के लिए, वे 9.46 का Inception score और 3.17 का Frechet Inception Distance (FID, ऐसा अंक जहाँ कम का मतलब है कि बनी तस्वीरें सांख्यिकीय रूप से असली के ज़्यादा क़रीब हैं) बताते हैं, जिसे वे उस समय की सर्वोत्तम स्थिति कहते हैं। 256 गुणा 256 के LSUN पर, जो शयनकक्षों, गिरजाघरों और बिल्लियों की तस्वीरों का संग्रह है, वे ProgressiveGAN, एक पहले के जनरेटर, जैसी नमूना-गुणवत्ता बताते हैं।

नुस्ख़ा छोटा है। शोध-पत्र 1,000 चरण इस्तेमाल करता है और शोर इतनी मात्रा में जोड़ता है जो हर चरण पर 0.0001 से 0.02 तक बराबर बढ़तों में बढ़ती है। प्रशिक्षण में विधि एक तस्वीर चुनती है, एक यादृच्छिक चरण चुनती है, उसके मुताबिक़ शोर जोड़ती है और नेटवर्क से कहती है कि जोड़ा गया शोर बताए। नमूना बनाना शुद्ध शोर से शुरू होता है। 1,000 चरणों में से हर एक में नेटवर्क शोर का अनुमान लगाता है, सैंपलर उसे घटाता है और, आख़िरी चरण को छोड़कर, यादृच्छिकता की एक छोटी ताज़ा ख़ुराक वापस जोड़ देता है।

नेटवर्क एक U-Net है, तस्वीरों का वह मॉडल जो चित्र को एक मोटे सार में सिकोड़ता है और फिर वापस फैलाता है, जिसमें 16 गुणा 16 रिज़ॉल्यूशन पर सेल्फ़-अटेंशन परतें हैं। चरण की संख्या Transformer शोध-पत्र के साइनसॉइडल पोज़िशन एम्बेडिंग से भीतर डाली जाती है, जो उन भाषा मॉडलों के पीछे का भी डिज़ाइन है जिन्हें बड़ा भाषा मॉडल कैसे प्रशिक्षित होता है में समझाया गया है। CIFAR-10 मॉडल में 3.57 करोड़ पैरामीटर हैं, यानी नेटवर्क के भीतर के समायोज्य अंक, और वह TPU v3-8 पर, जिसे लेखक आठ V100 GPU के बराबर बताते हैं, 10.6 घंटे में पूरी तरह प्रशिक्षित हुआ। 256 गुणा 256 की 128 तस्वीरों का एक बैच बनाने में 300 सेकंड लगे।

तेज़ नमूना बनाना, और वही विचार एक समीकरण के रूप में

एक हज़ार क्रमिक पास धीमे हैं। जियामिंग सॉन्ग, चेनलिन मेंग और स्टेफ़ानो एरमॉन ने 6 अक्टूबर 2020 के एक शोध-पत्र में इसे नापा: Nvidia 2080 Ti ग्राफ़िक्स कार्ड पर DDPM से 32 गुणा 32 पिक्सल की 50,000 तस्वीरों के नमूने बनाने में क़रीब 20 घंटे, जबकि GAN, पुराने क़िस्म के जनरेटर जो एक ही पास में तस्वीर बनाते हैं, में एक मिनट से कम। 256 गुणा 256 की तस्वीरों के लिए उन्होंने यह आँकड़ा लगभग 1,000 घंटे रखा।

उनका हल, डीनॉइज़िंग डिफ़्यूज़न इम्प्लिसिट मॉडल यानी DDIM, प्रशिक्षण को बिलकुल वैसा ही रखता है और सिर्फ़ यह बदलता है कि नमूने कैसे निकाले जाते हैं। लेखक 1,000 चरणों वाले मॉडलों के बराबर नमूने 20 से 100 चरणों में बताते हैं, यानी 10 से 50 गुना तेज़ी, और ध्यान दिलाते हैं कि प्रति नमूना समय चरणों की संख्या के साथ सीधी रेखा में बढ़ता है।

सात हफ़्ते बाद, 26 नवंबर 2020 को, यांग सॉन्ग और पाँच सह-लेखकों ने, जिनमें 2015 के शोध-पत्र के सोल-डिक्सटीन भी थे, प्रक्रिया को एक स्टोकेस्टिक अवकल समीकरण (जिसमें यादृच्छिक गति बनी हुई है) के रूप में दोबारा गढ़ा, जो डेटा से शोर की ओर चलता है, और एक मेल खाते उलटे समीकरण के साथ, जो शोर से वापस डेटा की ओर चलता है। उनके शब्दों में: “डेटा से शोर बनाना आसान है; शोर से डेटा बनाना जनरेटिव मॉडलिंग है।” वे लिखते हैं कि यह ढाँचा पहले के स्कोर-आधारित और डिफ़्यूज़न तरीक़ों को समेट लेता है, और पहली बार एक स्कोर-आधारित मॉडल से 1024 गुणा 1024 की तस्वीरें बनाने की रिपोर्ट देते हैं।

तस्वीर को शब्दों के पीछे चलाना

एक तस्वीर बनाने वाले को प्रॉम्प्ट का पालन करना होता है, और डिफ़्यूज़न को इसका कोई तरीक़ा चाहिए था। पहले की विधि, क्लासिफ़ायर गाइडेंस, नमूना बनाने को एक अलग तस्वीर-क्लासिफ़ायर से दिशा देती है। जोनाथन हो और टिम सालिमान्स ने 26 जुलाई 2022 को डाले शोध-पत्र में (जिसका एक छोटा रूप NeurIPS 2021 की एक कार्यशाला में आ चुका था) दिखाया कि यह उसके बिना हो सकता है।

क्लासिफ़ायर-फ़्री गाइडेंस में एक ही नेटवर्क को एक साथ दो कामों पर प्रशिक्षित किया जाता है। प्रशिक्षण के कुछ उदाहरणों में लेबल या प्रॉम्प्ट को यादृच्छिक रूप से एक ख़ाली प्लेसहोल्डर से बदल दिया जाता है, ताकि नेटवर्क उसके साथ और उसके बिना, दोनों तरह शोर हटाना सीखे। नमूना बनाते समय दोनों अनुमान मिलाए जाते हैं, और एक वज़न w तय करता है कि नतीजा प्रॉम्प्ट की ओर कितना झुके। 64 गुणा 64 की ImageNet पर लेखकों ने शर्त को 0.1, 0.2 और 0.5 की संभावना से हटाकर देखा, और पाया कि 0.5 बाक़ी दोनों से लगातार बदतर है। वज़न बढ़ाने से हर तस्वीर की गुणवत्ता बढ़ती है और तस्वीरों के बीच की विविधता घटती है।

इस विधि की क़ीमत समय है। हर नमूना-चरण में नेटवर्क के दो पास चाहिए, एक प्रॉम्प्ट के साथ और एक उसके बिना, जिसे लेखक एक संभावित नुक़सान के रूप में गिनाते हैं।

स्टेबल डिफ़्यूज़न यही विधि इस्तेमाल करता है। v1-4 का मॉडल कार्ड कहता है कि प्रशिक्षण के उसके आख़िरी चरण में टेक्स्ट कंडीशनिंग 10 प्रतिशत बार हटाई गई, “क्लासिफ़ायर-फ़्री गाइडेंस सैंपलिंग सुधारने के लिए।” Hugging Face की मार्गदर्शिका उपयोगकर्ता के हाथ का नियंत्रण guidance_scale बताती है, जिसका डिफ़ॉल्ट 7.5 है और 7 से 8.5 तक के मान आम तौर पर अच्छे बताए गए हैं। वह चेतावनी देती है कि बहुत बड़े मान ऐसी तस्वीरें देते हैं जो अच्छी लग सकती हैं पर कम विविध होती हैं।

एक छोटे कैनवस पर काम करना

पिक्सल-स्पेस में डिफ़्यूज़न महँगा है। रॉबिन रोम्बाख़, आंद्रेयास ब्लाटमान, डोमिनिक लोरेंज़, पैट्रिक एस्सर और ब्यॉर्न ओमर अपने 20 दिसंबर 2021 के शोध-पत्र की शुरुआत यह कहकर करते हैं कि सबसे शक्तिशाली डिफ़्यूज़न मॉडलों को प्रशिक्षित करने में अक्सर सैकड़ों GPU-दिन लगते हैं। वे एक पहले के मॉडल के लिए 150 से 1,000 V100-दिन का हवाला देते हैं, और ऐसे मॉडल से 50,000 नमूने बनाने के लिए एक A100 पर लगभग पाँच दिन का।

उनका उपाय डिफ़्यूज़न को एक लेटेंट स्पेस में चलाना है, यानी तस्वीर के संपीड़ित संख्यात्मक सार में। पहले एक अलग ऑटोएनकोडर प्रशिक्षित किया जाता है, नेटवर्कों की वह जोड़ी जो तस्वीर को सिकोड़ती है और फिर फैला देती है। फिर डिफ़्यूज़न छोटे सार पर होता है, और डिकोडर तैयार सार को वापस पिक्सल में बदल देता है। लेखक U-Net में क्रॉस-अटेंशन परतें भी जोड़ते हैं ताकि टेक्स्ट या अन्य इनपुट उसे दिशा दे सकें।

एक अकेले NVIDIA A100 पर, ImageNet पर उतने ही पैरामीटर के साथ 20 लाख चरणों के प्रशिक्षण में, उन्होंने पिक्सल-स्पेस में डिफ़्यूज़न और 8 के संपीड़न गुणक पर डिफ़्यूज़न के बीच 38 FID अंक का अंतर पाया। शोध-पत्र छोटे गुणक के नतीजों का कारण यह बताता है कि अदृश्य ब्योरे के ज़्यादातर संपीड़न का काम डिफ़्यूज़न मॉडल पर ही छोड़ दिया जाता है।

स्टेबल डिफ़्यूज़न 8 का गुणक इस्तेमाल करता है। मॉडल कार्ड कहता है कि वह तीन रंग-चैनलों वाली, ऊँचाई H और चौड़ाई W की तस्वीर को चार चैनलों वाले H/8 गुणा W/8 के लेटेंट में बदलता है। 512 गुणा 512 की तस्वीर के लिए यह 64 गुणा 64 का ग्रिड है, जिसे Hugging Face की मार्गदर्शिका 8 x 8 = 64 का स्थानिक संपीड़न अनुपात कहती है। सीधे भाग से, तस्वीर की 786,432 संख्याएँ लेटेंट की 16,384 संख्याएँ बन जाती हैं, यानी नेटवर्क को हर चरण पर जो सँभालना पड़ता है उसमें 48 गुना की गिरावट।

प्रॉम्प्ट को संख्याओं में CLIP का टेक्स्ट एनकोडर (ViT-L/14 संस्करण) बदलता है, जिसके बारे में मॉडल कार्ड कहता है कि वह स्थिर और पूर्व-प्रशिक्षित है, यानी बाक़ी हिस्से के साथ प्रशिक्षित नहीं होता। Hugging Face आउटपुट को संख्याओं के 77 गुणा 768 के एक ब्लॉक के रूप में बताता है, जिसे U-Net क्रॉस-अटेंशन से पढ़ता है।

22 अगस्त 2022 को क्या जारी हुआ

स्टेबिलिटी AI की घोषणा Hugging Face की क़ानूनी, नैतिकता और प्रौद्योगिकी टीमों और क्लाउड प्रदाता CoreWeave के इंजीनियरों को श्रेय देती है। मॉडल Creative ML OpenRAIL-M लाइसेंस के तहत आया, जिसे कंपनी वाणिज्यिक और ग़ैर-वाणिज्यिक दोनों उपयोग की अनुमति देने वाला बताती है, साथ ही नैतिक और क़ानूनी उपयोग की ज़िम्मेदारी उपयोगकर्ता पर डालने वाला, और किसी भी वितरण के साथ लाइसेंस का रहना ज़रूरी करने वाला। अवांछित आउटपुट हटाने के लिए एक सेफ़्टी क्लासिफ़ायर डिफ़ॉल्ट रूप से शामिल था। अनुशंसित वेट v1.4 थे, और कंपनी ने कहा कि NVIDIA चिप अनुशंसित हैं, AMD और Apple M1 तथा M2 चिप का समर्थन आना बाक़ी है। कंपनी का प्रकाशित पन्ना तारीख़ “Aug 22” दिखाता है, बिना वर्ष के, और उसी रिलीज़ पर Hugging Face की मार्गदर्शिका पर तारीख़ 22 अगस्त 2022 है।

मॉडल कार्ड रॉबिन रोम्बाख़ और पैट्रिक एस्सर को डेवलपर बताता है और कहता है कि Stable Diffusion v1 को LAION-2B(en) और उसके उपसमुच्चयों पर प्रशिक्षित किया गया। 16 अक्टूबर 2022 का LAION-5B शोध-पत्र CLIP से छाने गए 5.85 अरब तस्वीर-टेक्स्ट जोड़ों का वर्णन करता है, जिनमें से 2.32 अरब का टेक्स्ट अंग्रेज़ी है। हार्डवेयर के लिए कार्ड 32 x 8 A100 GPU गिनाता है, और अपने उत्सर्जन-अनुमान के लिए अमेरिका के पूर्वी हिस्से के एक Amazon Web Services क्षेत्र में A100 PCIe 40GB कार्डों के 150,000 घंटे, जिसे वह 11,250 किलोग्राम CO2 समतुल्य रखता है। ये कार्ड के अपने अनुमान हैं।

चरण व्यवहार में मायने रखते हैं। Hugging Face की मार्गदर्शिका में डिफ़ॉल्ट 50 शोर-हटाने वाले चरण हैं, और 15 चरणों वाले रन में कुल ढाँचा वही रहा पर अंतरिक्ष यात्री की पोशाक और घोड़े के आकार में समस्याएँ थीं।

मॉडल कार्ड के अनुसार वह क्या नहीं कर सकता

Hugging Face की मार्गदर्शिका कहती है कि बाद के संस्करण, 1.5, 2 और 2.1, न्यूनतम कोड-बदलाव के साथ चलते हैं। यह लेख केवल v1-4 और 2022 तक के शोध-पत्रों का वर्णन करता है। v1-4 का कार्ड, जिसे रोम्बाख़ और एस्सर ने लिखा, इस संस्करण की सीमाओं के बारे में स्पष्ट है। मॉडल पूर्ण फ़ोटोरियलिज़्म हासिल नहीं करता और पढ़ने लायक़ टेक्स्ट नहीं बना सकता। वह “नीले गोले के ऊपर एक लाल घन” जैसे संयोजन वाले कामों में अच्छा प्रदर्शन नहीं करता, और चेहरे तथा लोग ठीक से नहीं बन पाते।

कार्ड कहता है कि मॉडल मुख्यतः अंग्रेज़ी कैप्शन के साथ प्रशिक्षित हुआ और दूसरी भाषाओं में कम अच्छा चलता है, और कि ऑटोएनकोडर हानिपूर्ण है। वह यह भी बताता है कि डेटा में डुप्लिकेट नहीं हटाए गए थे, इसलिए प्रशिक्षण-सेट में कई बार आने वाली कुछ तस्वीरें याद हो जाती हैं, और जाँच के लिए वह एक सार्वजनिक खोज-टूल की ओर इशारा करता है। प्रशिक्षण-सेट में, वह जोड़ता है, वयस्क सामग्री है, और कार्ड उस डेटासेट को अतिरिक्त सुरक्षा-व्यवस्था के बिना उत्पाद के उपयोग के लायक़ नहीं कहता। ऐसे डेटा पर प्रशिक्षण वैध है या नहीं, इसका फ़ैसला अदालतों में हो रहा है, जैसा AI प्रशिक्षण पर 2026 के तीन फ़ैसले दिखाते हैं। कार्ड दुरुपयोगों में किसी का रूप धरना और दुष्प्रचार गिनाता है; चुनावों में AI नक़लों के नियम FCC, EU और भारत पर इस नज़र में हैं।

2020 का सैंपलर हर तस्वीर के लिए 1,000 चरण इस्तेमाल करता था। 22 अगस्त 2022 की Hugging Face की मार्गदर्शिका 512 गुणा 512 की उच्च-गुणवत्ता वाली तस्वीर के लिए 50 चरणों को आम तौर पर पर्याप्त बताती है।

Share
Copied!

स्रोत और आगे पढ़ने के लिए

  1. Sohl-Dickstein, Weiss, Maheswaranathan and Ganguli: Deep Unsupervised Learning using Nonequilibrium Thermodynamics (arXiv:1503.03585, 12 March 2015)
  2. Ho, Jain and Abbeel: Denoising Diffusion Probabilistic Models (arXiv:2006.11239, 19 June 2020; NeurIPS 2020)
  3. Song, Meng and Ermon: Denoising Diffusion Implicit Models (arXiv:2010.02502, 6 October 2020; ICLR 2021)
  4. Song, Sohl-Dickstein, Kingma, Kumar, Ermon and Poole: Score-Based Generative Modeling through Stochastic Differential Equations (arXiv:2011.13456, 26 November 2020; ICLR 2021)
  5. Ho and Salimans: Classifier-Free Diffusion Guidance (arXiv:2207.12598, 26 July 2022)
  6. Rombach, Blattmann, Lorenz, Esser and Ommer: High-Resolution Image Synthesis with Latent Diffusion Models (arXiv:2112.10752, 20 December 2021; CVPR 2022)
  7. Stability AI: Stable Diffusion Public Release (22 August)
  8. CompVis and Stability AI: Stable Diffusion v1-4 model card (Hugging Face)
  9. Patil, Cuenca, Lambert and von Platen, Hugging Face: Stable Diffusion with Diffusers (22 August 2022)
  10. Schuhmann et al.: LAION-5B, an open large-scale dataset for training next generation image-text models (arXiv:2210.08402, 16 October 2022)

यह लेख AI उपकरणों की सहायता से शोधित और लिखा गया है, और सटीकता के लिए संपादित किया गया है। यह केवल सामान्य जानकारी और चर्चा के लिए है, पेशेवर सलाह नहीं। हमारे संपादकीय मानक और अस्वीकरण देखें। कोई त्रुटि मिली? हमें बताएँ।

#diffusion models#stable diffusion#generative ai#image generation#latent diffusion#classifier-free guidance#ddpm#stability ai

अच्छा लगा? अगला लेख पाएँ।

एक बार में एक अच्छा लेख, सीधे आपके इनबॉक्स में। कोई स्पैम नहीं, जब चाहें अनसब्सक्राइब करें।

इसी श्रेणी में और: एआई और प्रौद्योगिकी
परसिवरेंस ने 8 और 10 दिसंबर 2025 को जेज़ेरो क्रेटर में 456 मीटर गाड़ी चलाई, ऐसे वेपॉइंट पर जिन्हें एक AI मॉडल ने मसौदे के रूप में बनाया और नासा के इंजीनियरों ने जाँचा
पृथ्वी से औसतन 22.5 करोड़ किलोमीटर दूर बैठे एक रोवर ने कक्षीय तस्वीरों का अध्ययन कर चुके एक भाषा मॉडल के खींचे रास्ते पर चला, और रोवर टीम के सिम्युलेटर ने उसे पहले मंज़ूर किया। किसने क्या किया, किसके शब्दों में, और आँकड़े क्या दिखाते हैं और क्या नहीं।
AI के सबसे ज़्यादा संपर्क वाले पेशों में युवा कामगार अपने अपेक्षित स्तर से 19% पीछे हैं, लाखों पेरोल रिकॉर्ड पर टिका स्टैनफ़र्ड का एक अध्ययन पाता है, और उसके लेखक कहते हैं कि इससे यह साबित नहीं होता कि AI ने ऐसा किया
ADP के लाखों पेरोल रिकॉर्ड में, जिन कामों को AI सबसे अच्छी तरह सँभालता है उनमें लगे युवा कामगार अपने साथियों से पिछड़ रहे हैं। पिछड़ने की वजह AI है या नहीं, यही एक बात है जो लेखक कहने से इनकार करते हैं।
अकादमी के 99वें ऑस्कर के नियम पटकथा इंसान की लिखी और अभिनय इंसान का किया हुआ माँगते हैं, जबकि AI टूल न नामांकन में मदद करते हैं न नुकसान
नियमावली का पाठ अनुच्छेद दर अनुच्छेद, उस अप्रैल 2025 के शब्दांकन के साथ जिस पर वह टिका है, अकादमी की अपनी टिप्पणियाँ, और वे मशीन-लर्निंग टूल जिन्हें इफ़ेक्ट्स स्टूडियो और अकादमी के साइ-टेक पुरस्कार पहले से मान्यता देते हैं।
← सभी लेख