কৃত্রিম মুখ: বাস্তবে অস্তিত্বহীন মানুষের চেহারা কম্পিউটার কীভাবে তৈরি করে?

ইন্টারনেটে সামাজিক যোগাযোগমাধ্যমে ব্রাউজ করার সময় আপনি হয়তো এমন কোনো প্রোফাইল ছবি দেখেছেন যা দেখে আপনার মনে হয়েছে ব্যক্তিটি অত্যন্ত বাস্তব, আকর্ষণীয় ও অমায়িক। কিন্তু আশ্চর্যের বিষয় হলো, এই মানুষটির বাস্তবে কোনো অস্তিত্বই নেই। তিনি কোনোদিন পৃথিবীতে জন্ম নেননি, কোনোদিন ক্যামেরার সামনে দাঁড়াননি। কৃত্রিম বুদ্ধিমত্তা দিয়ে তৈরি এই কাল্পনিক মুখাবয়বগুলোকে প্রযুক্তি বিশ্বে বলা হয় সিন্থেটিক ফেস (Synthetic Face) বা কৃত্রিম মুখ। অতীতে এমন ছবি তৈরি করতে দক্ষ শিল্পীদের ঘণ্টার পর ঘণ্টা গ্রাফিক্স সফটওয়্যারে কাজ করতে হতো; অথচ বর্তমান এআই প্রযুক্তি মাত্র কয়েক সেকেন্ডে লাখ লাখ অবাস্তব মানুষের নিখুঁত ও প্রাণবন্ত ছবি তৈরি করতে পারে।

গোপন সাংকেতিক মানচিত্র (ল্যাটেন্ট কোড) ও স্তরভিত্তিক মুখাবয়ব তৈরির প্রকৌশল

স্টাইলগ্যান (StyleGAN) কিংবা ডিফিউশন মডেল (Diffusion Model)-এর মতো আধুনিক প্রযুক্তিগুলো কীভাবে এই চেহারাগুলো তৈরি করে? এর পেছনে রয়েছে এক অত্যন্ত চিত্তাকর্ষক গাণিতিক রূপান্তর:

শুরুতে কম্পিউটার সম্পূর্ণ এলোমেলো কিছু সংখ্যা বা গোপন সংকেতের সমন্বয় (যাকে ল্যাটেন্ট কোড বা Latent Code বলা হয়) ইনপুট হিসেবে গ্রহণ করে। এই বৈশিষ্ট্য সাজানোর গাণিতিক মানচিত্রটিকে বলা হয় ল্যাটেন্ট স্পেস (Latent Space), যার প্রতিটি বিন্দু মানুষের মুখের নানা বৈশিষ্ট্যের সাথে যুক্ত। এরপর কম্পিউটারের কৃত্রিম বুদ্ধিমত্তা জালিকার (গভীর নিউরাল নেটওয়ার্ক বা Deep Neural Network) বিভিন্ন স্তরের মধ্য দিয়ে এই সংখ্যাগুলো ধাপে ধাপে বাস্তব ছবিতে রূপান্তরিত হয়। প্রাথমিক স্তরগুলোতে মুখটির মূল জ্যামিতিক কাঠামো, মাথার কোণ ও লিঙ্গ নির্ধারিত হয়। মধ্যবর্তী স্তরগুলোতে চোখ, নাক ও মুখের স্বতন্ত্র গড়ন স্পষ্ট রূপ ধারণ করে। আর চূড়ান্ত সূক্ষ্ম স্তরগুলোতে যুক্ত হয় ত্বকের রোমকূপ, আলো-ছায়ার প্রতিফলন, চোখের মণির ঔজ্জ্বল্য এবং চুলের প্রতিটি সুতোর নিখুঁত বুনন। এই স্তরভিত্তিক সমন্বয়ের ফলেই সম্পূর্ণ কাল্পনিক একটি গাণিতিক মান জীবন্ত প্রতিকৃতি হয়ে পর্দায় ফুটে ওঠে।

চাক্ষুষ ত্রুটির ক্ষণস্থায়ী প্রকৃতি বনাম ডিজিটাল প্রামাণ্যতা

সামাজিক মাধ্যমে ভুয়া প্রোফাইল শনাক্ত করতে অতীতে অনেকেই কিছু পরিচিত চাক্ষুষ খুঁত খোঁজার পরামর্শ দিতেন—যেমন কানের দুই দুলের অমিল, চশমার ফ্রেমের অসঙ্গতি, দাঁতের বিকৃতি কিংবা পেছনের পটভূমি অস্পষ্ট বা গলে যাওয়ার মতো দাগ। কিন্তু প্রযুক্তির অগ্রগতির সাথে সাথে এই চাক্ষুষ সূত্রগুলোর ওপর নির্ভর করা এখন আর নিরাপদ নয়:

• ক্ষণস্থায়ী ত্রুটি দূর হওয়া: প্রাথমিক মডেলগুলোতে যেসব শারীরিক ও জ্যামিতিক ত্রুটি দেখা যেত, আধুনিক উন্নত মডেলগুলো সেগুলো প্রায় পুরোপুরি কাটিয়ে উঠেছে। ফলে কেবল চোখ দিয়ে তাকিয়ে খুঁত খোঁজার চেষ্টা মানুষকে এক বিপজ্জনক মিথ্যা নিরাপত্তার অনুভূতি দেয়।
• ডিজিটাল মেটাডাটা ও সি২পিএ (C2PA) মানদণ্ড: কৃত্রিম মিডিয়া চেনার টেকসই উপায় হলো ছবির পেছনের ডিজিটাল তৈরির ইতিহাস ও উৎস (মেটাডাটা বা Metadata) যাচাই করা। আন্তর্জাতিক মানদণ্ড অনুযায়ী কন্টেন্ট ক্রেডেনশিয়ালস (Content Credentials) প্রযুক্তির মাধ্যমে ছবিতে অদৃশ্য নিরাপত্তা সিলমোহর (ক্রিপ্টোগ্রাফিক সিল বা Cryptographic Signature) যুক্ত থাকে, যা নিশ্চিত করে ছবিটি ক্যামেরায় তোলা নাকি সফটওয়্যারে জেনারেট করা।
• প্রোফাইলের আচরণ ও স্বাধীন যাচাই: কোনো অপরিচিত অ্যাকাউন্ট থেকে লোভনীয় চাকরির প্রস্তাব বা অর্থ পাঠানোর অনুরোধ এলে কেবল সুন্দর ছবির ওপর আস্থা রাখা যাবে না। ওই অ্যাকাউন্টের পূর্বের কার্যক্রম, পোস্টের তারিখ এবং অন্য নির্ভরযোগ্য মাধ্যমে পরিচয় যাচাই করাই মূল রক্ষা।

বাস্তব জগতে কৃত্রিম মুখের ব্যবহার ও প্রয়োজনীয় সতর্কতা

বিজ্ঞাপন তৈরিতে মডেলের খরচ বাঁচানো কিংবা অনলাইনে নিজের আসল চেহারা প্রকাশ না করে ব্যক্তিগত গোপনীয়তা রক্ষা করার জন্য অনেকেই এই কৃত্রিম মুখগুলো ব্যবহার করেন। কিন্তু একই সাথে সাইবার অপরাধীরা মানুষকে বিশ্বাস করানোর জন্য ভুয়া বিনিয়োগকারী, প্রেমের ফাঁদ কিংবা মিথ্যা রাজনৈতিক প্রচারণায় এই অস্তিত্বহীন চেহারার প্রোফাইল ব্যবহার করে প্রতারণার জাল বিস্তার করছে। সামাজিক মাধ্যমে কোনো অচেনা মানুষের আকর্ষণীয় ছবি দেখেই তার কথায় বিশ্বাস করে ব্যক্তিগত তথ্য দেওয়া বা আর্থিক লেনদেন করা মারাত্মক বিপদ ডেকে আনতে পারে। ছবি দেখে আবেগপ্রবণ না হয়ে মানুষের পরিচয় যাচাই করাই বুদ্ধিমানের কাজ।

ইন্টারনেটের পর্দায় দেখা প্রতিটি সুন্দর ও সজীব মুখই রক্তমাংসের বাস্তব মানুষের—এমন সরল বিশ্বাস সরিয়ে রেখে ডিজিটাল প্রামাণ্যতা ও স্বাধীন যোগাযোগের মাধ্যমে সত্য যাচাই করাই বর্তমান তথ্যযুগের সবচেয়ে বড় সুরক্ষা।