Image Generation

Today's Stories

1. 1

   কোকা-কোলার AI বিজ্ঞাপন বিতর্ক মানুষের তৈরি কাজকে বিপণনে এগিয়ে রাখতে পারে এমন ইঙ্গিত দেয়

   কী ঘটেছে: ২০২৪ সালের শেষে কোকা-কোলা সম্পূর্ণ AI-উৎপাদিত হলিডে বিজ্ঞাপন প্রকাশ করায় ভোক্তা প্রতিক্রিয়ার সম্মুখীন হয়েছে, যা তার ১৯৯৫ সালের ক্যাম্পেইনের প্রতিধ্বনি করার জন্য ডিজাইন করা হয়েছিল। ভ্যালেন্টিনো একইভাবে ২০২৫ সালের শেষে ইনস্টাগ্রামে সম্পূর্ণ AI-তৈরি হ্যান্ডব্যাগ ক্যাম্পেইনের জন্য সমালোচনার সম্মুখীন হয়েছে, মন্তব্যকারীরা এটিকে "সস্তা" এবং "অলস" বলে অভিহিত করেছেন। এই প্রবণতা মানুষের তৈরি কাজকে একটি সম্ভাব্য বিপণন প্রতিপ্রবণতা হিসেবে গ্রহণে আগ্রহ জাগাচ্ছে। কেন এটা গুরুত্বপূর্ণ: গবেষণা দেখায় যে উত্তর আমেরিকার ৪৩% ভোক্তা বলেছেন নিম্নমানের বা "অস্বাভাবিক" AI বিজ্ঞাপন তাদের ব্র্যান্ড সম্পর্কে মতামত ক্ষতিগ্রস্ত করবে, এবং জার্নাল অফ অ্যাডভার্টাইজিং রিসার্চ দেখেছে যে বিলাসবহুল ব্র্যান্ডগুলি AI-উৎপাদিত চিত্র প্রকাশ করলে ভোক্তারা আরও নেতিবাচকভাবে প্রতিক্রিয়া করেন কারণ কাজটি কম প্রচেষ্টাপূর্ণ এবং ব্র্যান্ডটি কম প্রামাণিক বলে মনে হতে পারে। বিশ্বাস এবং সত্যতা যখন কোম্পানিগুলি প্রিমিয়াম মূল্যের ন্যায্যতা প্রমাণ করার জন্য কেন্দ্রীয়, তখন AI-উৎপাদিত সামগ্রী ব্র্যান্ড ইমেজকে দুর্বল করার ঝুঁকিতে রয়েছে যা ব্যবসাগুলি বিক্রয় করার চেষ্টা করছে।

   লক্ষ্য রাখার মতো বিষয়: Pew Research Center দেখেছে যে ৫৩% আমেরিকান মনে করেন AI আমাদের স্বাধীন সৃজনশীল চিন্তার ক্ষমতা হ্রাস করবে, এবং অর্ধেক আমেরিকান জানিয়েছেন যে AI-এর উত্থান তাদেরকে উত্তেজিত করার চেয়ে বেশি চিন্তিত করে—এগুলি সংকেত যে দৈনন্দিন জীবনে অটোমেশন সম্পর্কে ভোক্তা সন্দেহ ব্র্যান্ড কৌশলকে অব্যাহত রাখতে পারে।

2. 2

   Adobe Firefly লঞ্চ করছে AI অডিও টুলস, যুক্ত করছে Google-এর Gemini Omni Flash

   কী ঘটেছে: Adobe তিনটি AI অডিও টুল রিলিজ করছে — Generate Music (ভিডিওর জন্য রয়্যালটি-মুক্ত সঙ্গীত), Generate Speech (স্ক্রিপ্ট থেকে ভয়েসওভার রূপান্তর) এবং Generate Sound Effects (দৃশ্যের অডিও) — Firefly প্ল্যাটফর্ম জুড়ে, সবকিছু বাণিজ্যিক ব্যবহারের জন্য অনুমোদিত। Firefly AI Assistant এখন বিনামূল্যে দৈনিক জেনারেশন প্রদান করে, এবং Adobe Google-এর Gemini Omni Flash মডেল ইন্টিগ্রেট করেছে, যা ভিডিও, অডিও, ইমেজ এবং টেক্সট ইনপুট গ্রহণ করে Kling AI, Luma AI এবং Runway-এর বিদ্যমান তৃতীয় পক্ষের মডেলের পাশাপাশি। কেন এটি গুরুত্বপূর্ণ: অডিও টুলগুলি Firefly-এর সৃজনশীল স্যুটকে টেক্সট এবং ইমেজ জেনারেশনের বাইরে প্রসারিত করে, সৃজনশীলদের একটি একক প্ল্যাটফর্মের মধ্যে ভিডিও সাউন্ডট্র্যাক এবং ভয়েসওভার তৈরি করতে দেয় লাইসেন্সিং উদ্বেগ ছাড়াই। Gemini Omni Flash-এর মাল্টিমোডাল ইনপুট (ভিডিও, অডিও, ইমেজ, টেক্সট) Firefly যেসব সৃজনশীল কাজ সামলাতে পারে তার পরিসীমা প্রশস্ত করে, সম্ভাব্যভাবে কন্টেন্ট প্রযোজকদের জন্য কর্মপ্রবাহ সুগম করে।

   দেখার মতো বিষয়: Adobe রিপোর্ট করে যে "Create Storyboard" এবং "Create Brand Kit" Firefly-এর সবচেয়ে বেশি ব্যবহৃত বৈশিষ্ট্যগুলির মধ্যে রয়েছে, যা একীভূত সৃজনশীল টুলিংয়ের চাহিদা নির্দেশ করে; অডিও টুলগুলির গ্রহণযোগ্যতা সংকেত দেবে যে ব্যবহারকারীরা এই বৈশিষ্ট্যগুলি অনুরূপ হারে গ্রহণ করে কিনা।

3. 3

   MIT গবেষণা: AI ছবি প্রশিক্ষণ উৎসের সাথে ট্রেসযোগ্য নয়

   কী ঘটেছে: MIT-এর Computer Science and Artificial Intelligence Laboratory-এর গবেষকরা আবিষ্কার করেছেন যে বৃহৎ ডেটাসেটে প্রশিক্ষিত জেনারেটিভ AI মডেলগুলি তাদের প্রশিক্ষণ ডেটার ব্যক্তিগত ছবিগুলিতে নির্ভরযোগ্যভাবে ট্রেস করা যায় না — এটি একটি ঘটনা যা তারা "attribution decay" বলে অভিহিত করেন। একটি মডেল যত বেশি ডেটায় প্রশিক্ষিত হয়, একটি নির্দিষ্ট উৎসের সাথে উৎপন্ন ছবি সংযুক্ত করা তত কঠিন হয়ে ওঠে, এমনকি যদি কোনো শিল্পীর সম্পূর্ণ কাজ প্রশিক্ষণ সেট থেকে সরিয়ে দেওয়া হয়। কেন এটি গুরুত্বপূর্ণ: এই আবিষ্কার কপিরাইট প্রয়োগকে জটিল করে তোলে। MidJourney, OpenAI এবং Microsoft সহ AI কোম্পানিগুলি প্রায়শই লেখক অনুমতি ছাড়াই বই, নিবন্ধ, ফটো এবং অন্যান্য কাজে মডেল প্রশিক্ষিত করেছে, যা Disney, NBCUniversal, DreamWorks এবং The New York Times-এর কাছ থেকে মামলা ট্রিগার করেছে। গবেষণার প্রধান লেখক Zheng Dai (একজন সাবেক MIT গবেষক) উল্লেখ করেন যে অ্যাট্রিবিউশন লিঙ্ক স্থাপন করতে অক্ষমতা বৌদ্ধিক সম্পত্তি আইন এবং ন্যায্য ব্যবহার নীতির পুনর্বিবেচনা করতে বাধ্য করতে পারে — "the attribution link sort of vanishes" — আদালতে লঙ্ঘন প্রমাণ করা কঠিন করে তোলে।

   কী দেখতে হবে: আইনি প্রভাব। বর্তমানে চলমান কপিরাইট মামলাগুলি সম্ভবত এই বিষয়ের উপর নির্ভর করবে যে আদালতগুলি attribution decay কে বড় আকারের জেনারেটিভ মডেলের একটি মৌলিক সম্পত্তি হিসাবে গ্রহণ করে কিনা, সম্ভবত AI প্রশিক্ষণ অনুশীলনের বিরুদ্ধে বৌদ্ধিক সম্পত্তি দাবিগুলি কীভাবে মূল্যায়ন করা হয় তা পুনর্নির্ধারণ করবে।

4. 4

   কৃত্রিম বুদ্ধিমত্তা দ্বারা তৈরি চিত্রগুলি প্রশিক্ষণ ডেটাতে ট্রেস করা যায় না—গবেষণা খুঁজে পায়

   কী ঘটেছে: কৃত্রিম বুদ্ধিমত্তা দ্বারা তৈরি চিত্রগুলি পরীক্ষা করে একটি গবেষণা দেখেছে যে অনেকগুলিকে তাদের মূল প্রশিক্ষণ ডেটা উৎসের কাছে নির্ভরযোগ্যভাবে ট্রেস করা যায় না, এমনকি যখন গবেষকরা উৎপাদিত ফলাফলগুলির বিস্তারিত বিশ্লেষণ করার চেষ্টা করেন। কেন এটি গুরুত্বপূর্ণ: এই আবিষ্কারটি কৃত্রিম বুদ্ধিমত্তা চিত্র প্রজন্মে বৈশিষ্ট্য এবং জবাবদিহিতা সম্পর্কে প্রশ্ন উত্থাপন করে। যদি উৎপন্ন চিত্রগুলিকে নির্দিষ্ট প্রশিক্ষণ উৎসের সাথে যুক্ত করা না যায়, তবে স্বত্ব লঙ্ঘন চিহ্নিত করা, মূল নির্মাতাদের থেকে সম্মতি যাচাই করা বা কৃত্রিম বুদ্ধিমত্তা সিস্টেম যা বিষয়বস্তু তৈরি করে তার জন্য দায়বদ্ধতার একটি স্পষ্ট শৃঙ্খল প্রতিষ্ঠা করা আরও কঠিন হয়ে ওঠে।

   লক্ষ্য রাখুন: কৃত্রিম বুদ্ধিমত্তা বিকাশকারী এবং প্ল্যাটফর্মগুলির জন্য যা চিত্র প্রজন্ম ব্যবহার করে—তারা ট্রেসেবিলিটি প্রক্রিয়াগুলি উন্নত করতে বা উৎপন্ন বিষয়বস্তুকে এর প্রশিক্ষণ উৎসের সাথে সংযুক্ত করার জন্য নতুন সুরক্ষা প্রয়োগ করার জন্য আইনি এবং নৈতিক চাপের মুখোমুখি হতে পারে।

5. 5

   ডেভেলপার pagedMark তৈরি করেছে যা স্ব-উৎপাদিত ছবি থেকে AI ওয়াটারমার্ক সরায়

   কী ঘটেছে: একজন ডেভেলপার pagedMark তৈরি করেছে, একটি টুল যা AI প্রোভেন্যান্স মার্কার—দৃশ্যমান লেবেল এবং অদৃশ্য পিক্সেল-এম্বেডেড ওয়াটারমার্ক উভয়ই—ছবি এবং ভিডিও থেকে সরানোর জন্য ডিজাইন করা হয়েছে যা AI টুলস দ্বারা তৈরি। টুলটি অদৃশ্য চিহ্ন দূর করার জন্য ছবি পুনরুৎপন্ন করে এবং ভিজ্যুয়াল সাদৃশ্য সংরক্ষণের চেষ্টা করে, এবং বর্তমানে ছবির জন্য ChatGPT, gpt-image API, Z-Image Turbo এবং Nano Banana থেকে ওয়াটারমার্ক সমর্থন করে, সাথে ভিডিওর জন্য Sora, Veo, Seedance, Hailuo এবং Kling থেকে দৃশ্যমান চিহ্ন এবং মেটাডেটা। কেন এটি গুরুত্বপূর্ণ: AI-উৎপাদিত সামগ্রী ক্রমবর্ধমানভাবে মেটাডেটা এবং এম্বেডেড সংকেত (যেমন SynthID ওয়াটারমার্ক) বহন করে যা এর উৎস চিহ্নিত করে। তাদের নিজস্ব AI-উৎপাদিত উপকরণের সাথে কাজ করা নির্মাতাদের জন্য, এই চিহ্নগুলি কর্মপ্রবাহকে জটিল করতে পারে—স্ক্রিনশট মতো সাধারণ অপসারণ পদ্ধতি পিক্সেল-স্তরের মার্কার দূর করে না। pagedMark এটি সমাধান করে প্রভাবিত সামগ্রী পুনরুৎপন্ন করার মাধ্যমে, যদিও ব্যবহারকারীদের জানা উচিত যে আউটপুট মূলটির থেকে আলাদা হতে পারে (মুখ, পাঠ্য এবং ছোট বিবরণ পরিবর্তিত হতে পারে)।

   যা দেখতে হবে: টুলটি Apple Silicon Macs-এ 8 GB এবং 16 GB মেমোরি সহ পরীক্ষা করা হয়েছে, মেমোরি-সচেতন প্রসেসিং তৈরি করা হয়েছে নিম্ন-স্পেক মেশিনে সম্পদ সীমাবদ্ধতা পরিচালনা করতে।

6. 6

   প্রকৌশলী মাত্র ২৬৪KB র্যামের মাইক্রোকন্ট্রোলারে ইমেজ AI প্রশিক্ষণ দিয়েছেন

   কী ঘটেছে: একজন বিকাশকারী Shrike lite মাইক্রোকন্ট্রোলারে একটি ডিফিউশন মডেল (একধরনের ইমেজ জেনারেশন AI) প্রশিক্ষণ দিয়েছেন যার মাত্র ২৬৪KB SRAM রয়েছে এবং ৩২×৩২ পিক্সেল ইমেজ তৈরি করেছেন। ডিভাইসটিতে একটি অনবোর্ড FPGA (পুনর্বিন্যাসযোগ্য চিপ) অন্তর্ভুক্ত রয়েছে, যা বিকাশকারী গণনা ত্বরান্বিত করতে ১৬-বিট সংগ্রহের সাথে দুটি সমান্তরাল INT8 MAC ইঞ্জিন তৈরি করতে ব্যবহার করেছেন। কেন এটি গুরুত্বপূর্ণ: অত্যন্ত স্মৃতি-সীমিত হার্ডওয়্যারে AI মডেল চালানো প্রদর্শন করে যে ইমেজ জেনারেশন—যা সাধারণত একটি কম্পিউট-নিবিড় কাজ—এমবেডেড ডিভাইসে কাজ করতে পারে। এটি এজ ডিভাইস (সেন্সর, IoT হার্ডওয়্যার) এ AI অনুমানের জন্য দরজা খুলে দিতে পারে যেখানে মডেল ক্লাউড সার্ভারে ডাউনলোড করা অবাস্তব বা অনাকাঙ্ক্ষিত।

   পর্যবেক্ষণের বিষয়: সমান্তরাল অ্যাক্সিলারেটররা প্রকৃতপক্ষে কর্মক্ষমতা আরও খারাপ করেছে (প্রতি ইমেজে ~220 সেকেন্ড) CPU-শুধু সংস্করণের (~70 সেকেন্ড প্রতি ইমেজ) তুলনায়, ভারী I/O অপারেশন থেকে স্মৃতি বাধার কারণে—এটি একটি অনুস্মারক যে হার্ডওয়্যার গতি একাই end-to-end লাভের গ্যারান্টি দেয় না যখন স্মৃতি ব্যান্ডউইথ সীমাবদ্ধতা। ইমেজ গুণমান পরিমাণীকরণ এবং স্মৃতি সীমাবদ্ধতার দ্বারা হ্রাস পেয়েছিল, যদিও কিছু আউটপুট ব্যবহারযোগ্য ছিল।