ડેવલપર એરિક લુ (Eric Lu) એ 'Ghost Font' નામનો એક અનોખો પ્રયોગ કર્યો છે. આ ફોન્ટ માણસો સરળતાથી વાંચી શકે છે, પરંતુ હાલના એડવાન્સ AI મોડેલો (AI Models) માટે તેને સમજવું ખૂબ મુશ્કેલ બની રહ્યું છે.
Ghost Font શું છે અને કેવી રીતે કામ કરે છે?
આ એક પ્રાયોગિક ટાઇપોગ્રાફી પ્રોજેક્ટ છે જે માનવ દ્રષ્ટિ અને આધુનિક આર્ટિફિશિયલ ઇન્ટેલિજન્સ (Artificial Intelligence) ની ક્ષમતાઓ વચ્ચેનો તફાવત દર્શાવે છે. Ghost Font ને ખાસ એવી રીતે ડિઝાઇન કરવામાં આવ્યો છે કે માણસો તેને સરળતાથી વાંચી શકે, જ્યારે અગ્રણી AI વિઝન મોડેલો (AI Vision Models) માટે તેને યોગ્ય રીતે સમજવું મુશ્કેલ બને.
સામાન્ય ફોન્ટ્સથી વિપરીત, Ghost Font માં અક્ષરોના સ્થિર આકાર નથી હોતા. તેના બદલે, તે હજારો સૂક્ષ્મ, ફરતા ટપકાં (moving dots) નો ઉપયોગ કરે છે. આ ટપકાં ચોક્કસ પેટર્નમાં ફરે છે અને એવા અક્ષરો બનાવે છે જે માનવ મગજ ઓળખી શકે છે. આ ડિઝાઇન માનવની મોશન પર્સેપ્શન (motion perception) પર આધાર રાખે છે, જ્યાં મગજ આપમેળે સતત ગતિને સુસંગત લખાણમાં જોડે છે. જ્યારે એનિમેશન થોડીવાર માટે થોભી જાય છે, ત્યારે અક્ષરો અદૃશ્ય થઈ જાય છે અને ડિસ્પ્લે રેન્ડમ ટપકાંના સમૂહ જેવું લાગે છે. તાજેતરના પ્રદર્શનોમાં, માનવ નિરીક્ષકો છુપાયેલા શબ્દોને સરળતાથી ઓળખી શક્યા હતા, જ્યારે અનેક એડવાન્સ મલ્ટિમોડલ AI સિસ્ટમ્સ (multimodal AI systems) કાં તો લખાણ વાંચવામાં નિષ્ફળ ગઈ અથવા ખોટો સંદેશ ઓળખ્યો.
AI વિઝન સિસ્ટમ્સ માટે પડકારો
આ પ્રોજેક્ટ દર્શાવે છે કે વર્તમાન AI મોડેલો દ્રશ્ય માહિતી (visual information) ને કેવી રીતે પ્રોસેસ કરે છે. ઘણી ટોચની વિઝન સિસ્ટમ્સ વીડિયો કન્ટેન્ટનું ફ્રેમ-બાય-ફ્રેમ (frame-by-frame) છૂટાછવાયા ચિત્રો તરીકે વિશ્લેષણ કરે છે. Ghost Font માં રહેલી માહિતી સમય જતાં સતત ગતિ પર આધારિત હોવાથી, આ AI મોડેલો પેટર્નને જોડવામાં સંઘર્ષ કરે છે. કેટલાક પરીક્ષણ કિસ્સાઓમાં, મોડેલોને બનાવટી લખાણ (decoy text) દ્વારા ગેરમાર્ગે દોરવામાં આવ્યા હતા, જેના કારણે અચોક્કસ પરિણામો મળ્યા. આ દર્શાવે છે કે મશીનો ગતિશીલ દ્રશ્ય ડેટા (dynamic visual data) ને કેવી રીતે હેન્ડલ કરે છે અને માનવ નિરીક્ષકો જે ગતિમાં પેટર્નને ઓળખવામાં ઉત્કૃષ્ટ છે, તેની વચ્ચે અંતર છે.
સુરક્ષા ઉપાય તરીકે નહીં
જોકે આ પ્રોજેક્ટે નોંધપાત્ર રસ જગાડ્યો છે, તે હાલમાં એન્ક્રિપ્શન (encryption) જેવા પ્રમાણભૂત સાયબર સુરક્ષા પગલાંનો વિકલ્પ નથી. ટેક નિરીક્ષકો અને નિષ્ણાતો નોંધે છે કે જ્યારે આ ફોન્ટ વર્તમાન મોડેલો માટે પડકાર છે, તે અભેદ્ય અવરોધ નથી. ઓપ્ટિકલ ફ્લો એનાલિસિસ (optical flow analysis) જેવી તકનીકો – ગતિને ટ્રેક કરવા માટે વપરાતી કમ્પ્યુટર વિઝન પદ્ધતિ – સંભવિતપણે છુપાયેલ લખાણને પુનઃપ્રાપ્ત કરી શકે છે. વધુમાં, જેમ AI ડેવલપર્સ વધુ જટિલ ટેમ્પોરલ ડેટા (temporal data) પર મોડેલોને તાલીમ આપવાનું ચાલુ રાખે છે, તેમ મશીનોની આવી ગતિ-આધારિત પેટર્નને સમજવાની ક્ષમતામાં સુધારો થવાની સંભાવના છે.
સંભવિત ભવિષ્યના ઉપયોગો
આ મર્યાદાઓ હોવા છતાં, આ ખ્યાલ દ્વારા ઓનલાઈન માનવ વપરાશકર્તાઓની ચકાસણી કરવાની નવી રીતો અંગે ચર્ચાઓ શરૂ થઈ છે. CAPTCHA ના પ્રારંભિક દિવસોની જેમ, જે કાર્યો માનવો માટે સરળ હતા પરંતુ પ્રારંભિક કમ્પ્યુટર્સ માટે મુશ્કેલ હતા, Ghost Font માનવ-ચકાસણી સાધનો (human-verification tools) અથવા ગોપનીયતા-કેન્દ્રિત સંચાર (privacy-focused communication) માં ઉપયોગી થઈ શકે છે. આવા પ્રયોગોની લાંબા ગાળાની વ્યવહારુ ઉપયોગિતા જોવી બાકી છે, કારણ કે ટેકનોલોજી ક્ષેત્ર દ્રશ્ય પ્રક્રિયા ક્ષમતાઓમાં સતત આગળ વધી રહ્યું છે.