Google Earth નું નવું જનરેટિવ-AI ફીચર ઐતિહાસિક સ્થળો અને શહેરના વિકાસને જોવાની એક નવી રીતનું વચન આપે છે. સાથે જ, તે ડિજિટલ ખોટી માહિતીનું 'પેન્ડोरा બોક્સ' (Pandora’s box) ખોલી નાખે છે. ટેક્સ્ટ પ્રોમ્પ્ટ્સ દ્વારા વપરાશકર્તાઓને સેટેલાઇટ અને 3D ઇમેજરીને નવું રૂપ આપવાની મંજૂરી આપીને, આ પ્લેટફોર્મ "વાસ્તવિકતા બદલી નાખતું" (reality-warping) કન્ટેન્ટ બનાવવું સરળ બનાવે છે.

Nano Banana 2 ની શક્તિ અને જોખમ

Google એ Google Earth ના વેબ વર્ઝન પર વિશ્વભરમાં આ ફીચર લોન્ચ કર્યું છે, જે “Nano Banana 2” મોડેલ પર ચાલે છે. Google ના દસ્તાવેજો તેને પ્લાનર્સ અને ઇતિહાસકારો માટે રિયલ એસ્ટેટ પ્રોજેક્ટ્સ અથવા પ્રાચીન અવશેષોની કલ્પના કરવા માટેના સાધન તરીકે માર્કેટ કરે છે. વ્યવહારમાં, આ સાધન ઘણું વધુ અસ્થિર સાબિત થાય છે.

Digital Digging ના ડિજિટલ ક્રિએટર Henk van Ess એ પહેલેથી જ બતાવ્યું છે કે કેવી રીતે આ મોડેલ અત્યંત સંવેદનશીલ અને ભડકાવ ચિત્રો બનાવી શકે છે. થોડા સરળ પ્રોમ્પ્ટ્સ સાથે તેમણે "મેક્સિકન બોર્ડર પાસેના શરણાર્થીઓ" અને ગાઝામાં હોસ્પિટલની બાજુમાં બોમ્બ વિસ્ફોટના ખાડાનું દ્રશ્ય બનાવ્યું. આ ચિત્રો સ્પષ્ટ ભ્રમ (hallucinations) જેવા કે સ્ટેચ્યુ ઓફ લિબર્ટી સાથે જોડાયેલા સ્ફિન્ક્સ (Sphinx) થી વિપરીત, વાસ્તવિક ભૂગોળ પર આધારિત છે, અને તેથી ભૌગોલિક રાજકીય (geopolitical) અસત્ય ફેલાવવાનું વધુ જોખમ ઊભું કરે છે.

ડિજિટલ વોટરમાર્કિંગ પરનું યુદ્ધ

Google એ ટેકનિકલ સુરક્ષા કવચ વધારીને આનો જવાબ આપ્યો છે. હવે દરેક Nano Banana ઇમેજમાં SynthID ડિજિટલ વોટરમાર્ક હોય છે. Google વપરાશકર્તાઓને AI-જનરેટેડ કન્ટેન્ટને ઓળખવા માટે શંકાસ્પદ ચિત્રને Gemini એપ અથવા Google Lens સાથે સ્કેન કરવા અને મદદ માટે Gemini માં “@verifyai” ટેગ ઉમેરવા માટે કહે છે.

પરંતુ આ સુરક્ષા કવચ સંપૂર્ણ સુરક્ષિત સાબિત થયું નથી. Van Ess એ Google Earth માંથી મેળવેલા AI-વર્તમાન વીડિયો દ્વારા Hive ના AI ડિટેક્ટરને છેતરી દીધું, જે દર્શાવે છે કે માત્ર વોટરમાર્ક જ નિશ્ચિત હેતુ ધરાવતા લોકો (determined actors) ને રોકી શકતા નથી. આ ઘટના જનરેટિવ મોડેલ્સ અને તેમને નિયંત્રિત કરવા માટેના ડિટેક્ટર્સ વચ્ચે વધતી જતી હથિયારોની સ્પર્ધા (arms race) પર પ્રકાશ પાડે છે.

AI ઇકોસિસ્ટમ માટે આ શા માટે મહત્વનું છે

Google Earth નો વિવાદ AI ઉદ્યોગ માટે આવનારા "વાસ્તવિકતાના અંતર" (reality gap) તરફ ધ્યાન દોરે છે. જેમ જેમ મોડેલ્સ સ્ટાઇલાઇઝ્ડ આર્ટથી બદલાઈને "ગ્રાઉન્ડ ટ્રુથ" (ground truth) ડેટા—દાખલા તરીકે, સેટેલાઇટ ઇમેજરી—ને મેનીપ્યુલેટ કરવા તરફ વળે છે, તેમ જોખમ સૌંદર્યલક્ષી (aesthetic) થી બદલાઈને અસ્તિત્વવાદી (existential) બની જાય છે.

ડેવલપર્સ અને ટેક લીડર્સ માટે આ એક ચેતવણી સમાન છે. જ્યારે AI એવા સાધનોને સજ્જ કરે છે જેના પર લોકો નિષ્પક્ષ સત્ય માટે વિશ્વાસ કરે છે, ત્યારે ડિજિટલ વોટરમાર્ક માત્ર સુરક્ષાનું એક સ્તર પૂરું પાડે છે. Van Ess અને અન્ય નિષ્ણાતો દલીલ કરે છે કે એકમાત્ર વિશ્વસનીય ઉપાય ક્રોસ-પ્લેટફોર્મ વેરિફિકેશન છે: Google Earth ના આઉટપુટની સરખામણી Sentinel-2 અથવા Landsat જેવા વિશ્વસનીય ઓર્બિટલ સ્ત્રોતો સાથે કરો. જેમ જેમ જનરેટિવ AI મેપિંગ અને નેવિગેશનમાં ઊંડે સુધી વણાઈ રહ્યું છે, તેમ સિન્થેટિક રેન્ડર અને વાસ્તવિક કેપ્ચર વચ્ચેનો તફાવત પારખવો એ ડિજિટલ સાક્ષરતા માટે એક મુખ્ય કૌશલ્ય બની જશે.

મુખ્ય મુદ્દાઓ

  • ઉચ્ચ જોખમ ધરાવતી ખોટી માહિતી: Nano Banana 2 અતિ-વાસ્તવિક અને સંવેદનશીલ ઇમેજરી બનાવી શકે છે જે ભૌગોલિક રાજકીય સંઘર્ષો વિશેની જાહેર ધારણાઓને બદલી શકે છે.
  • વોટરમાર્કિંગની મર્યાદાઓ: Google નું SynthID વોટરમાર્ક મદદરૂપ છે, પરંતુ ડેમો દર્શાવે છે કે AI ડિટેક્ટર્સને હજુ પણ બાયપાસ કરી શકાય છે, તેથી ટેકનિકલ સુરક્ષા કવચ અપૂરતું છે.
  • બહુ-સ્ત્રોત વેરિફિકેશનની જરૂરિયાત: પ્રમાણિકતાની પુષ્ટિ કરવા માટે વપરાશકર્તાઓએ Sentinel-2 અથવા Landsat જેવા પ્લેટફોર્મ્સના સેકન્ડરી ઓર્બિટલ ડેટા સાથે સેટેલાઇટ ઇમેજની ચકાસણી કરવી જોઈએ.

નિષ્કર્ષ

Google નું Nano Banana 2 કાયદેસરના વપરાશકર્તાઓને શક્તિશાળી વિઝ્યુલાઇઝેશન સાધનો આપે છે, પરંતુ તે કોઈપણ વ્યક્તિને ગ્રહના સ્કેલ પર ખોટા ભૌગોલિક રાજકીય કથનો દોરવા માટે બ્રશ પણ પકડી આપે છે. એક અદ્રશ્ય વોટરમાર્ક સિન્થેટિક મૂળનો સંકેત આપે છે; તે તેની ખાતરી આપતું નથી. જ્યાં સુધી ડિટેક્શન સુધરે નહીં અને મલ્ટી-સોર્સ ચેક્સ રૂટિન ન બને ત્યાં સુધી, જો કોઈ આશ્ચર્યજનક સેટેલાઇટ ઇમેજ અચાનક દેખાય, તો જોનારાઓએ તેના પર પ્રશ્ન ઉઠાવવો જોઈએ.