Meta ਨੇ Muse Image ਦਾ ਖੁਲਾਸਾ ਕੀਤਾ: Agentic AI ਅਸਲ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ Instagram ਤੱਕ ਲਿਆ ਰਿਹਾ ਹੈ

Meta ਨੇ ਅਧਿਕਾਰਤ ਤੌਰ 'ਤੇ ਆਪਣਾ ਪਹਿਲਾ AI image generation ਮਾਡਲ ਲਾਂਚ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ ਉਸਦੇ ਨਵੇਂ Superintelligence Labs ਡਿਵੀਜ਼ਨ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਸੋਸ਼ਲ ਮੀਡੀਆ ਉਪਭੋਗਤਾਵਾਂ ਦੇ generative content ਨਾਲ ਜੁੜਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਤਬਦੀਲੀ ਹੈ। Muse Image ਮਾਡਲ ਨੂੰ Instagram, WhatsApp, ਅਤੇ Meta AI ਐਪ ਵਿੱਚ ਬਿਨਾਂ ਕਿਸੇ ਰੁਕਾਵਟ ਦੇ ਜੋੜਿਆ ਜਾਵੇਗਾ, ਜਦਕਿ Facebook ਅਤੇ Messenger ਲਈ ਸਹਾਇਤਾ ਜਲਦੀ ਹੀ ਉਪਲਬਧ ਹੋਵੇਗੀ।

Agentic AI ਦਾ ਉਭਾਰ: Muse Image ਅਤੇ Spark LLM

ਰਵਾਇਤੀ diffusion ਮਾਡਲਾਂ ਦੇ ਉਲਟ, ਜੋ ਸਿਰਫ਼ ਟੈਕਸਟ 'ਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਦੇ ਹਨ, Meta ਦੇ Muse Image ਨੂੰ Superintelligence Labs ਦੇ ਮੁਖੀ Alexandr Wang ਨੇ "agentic" ਵਜੋਂ ਦਰਸਾਇਆ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਹ ਮਾਡਲ ਇਕੱਲੇ ਕੰਮ ਨਹੀਂ ਕਰਦਾ; ਇਸਦੀ ਬਜਾਏ, ਇਹ ਗੁੰਝਲਦਾਰ prompts ਨੂੰ ਸਮਝਣ ਲਈ Muse Spark large language model ਦੇ ਨਾਲ ਮਿਲ ਕੇ ਕੰਮ ਕਰਦਾ ਹੈ।

Spark LLM ਦੀਆਂ ਤਰਕ ਕਰਨ ਦੀਆਂ ਯੋਗਤਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, Muse Image ਇੱਕ ਪਿਕਸਲ ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਵੈੱਬ 'ਤੇ ਸਰਚ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਯੋਜਨਾਬੰਦੀ ਦੇ ਪੜਾਅ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਸਕਦਾ ਹੈ। ਇਹ ਬਹੁਤ ਉੱਚੀ prompt adherence ਅਤੇ ਤਰਕਸ਼ੀਲ ਇਕਸਾਰਤਾ (logical consistency) ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ। Meta ਇੱਕ ਆਉਣ ਵਾਲੇ Muse Video ਮਾਡਲ ਦੀ ਵੀ ਝਲਕ ਦਿਖਾ ਰਿਹਾ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ ਉੱਚ ਵਿਜ਼ੂਅਲ ਫਿਡੈਲਿਟੀ (visual fidelity) ਅਤੇ ਟੈਂਪੋਰਲ ਇਕਸਾਰਤਾ (temporal consistency)—ਯਾਨੀ ਕਿ ਚਲਦੇ ਫਰੇਮਾਂ ਵਿੱਚ ਵਿਜ਼ੂਅਲ ਸਥਿਰਤਾ ਬਣਾਈ ਰੱਖਣ ਦੀ ਯੋਗਤਾ—'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਕੇ ਉਦਯੋਗ ਦੇ ਲੀਡਰਾਂ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਨਾ ਹੈ।

ਸੋਸ਼ਲ ਇੰਟੀਗ੍ਰੇਸ਼ਨ: @Mentions ਅਤੇ Likeness Incorporation

ਸ਼ਾਇਦ Muse Image ਦੀ ਸਭ ਤੋਂ ਵੱਡੀ ਵਿਸ਼ੇਸ਼ਤਾ Meta ਦੇ social graph ਨਾਲ ਇਸਦਾ ਡੂੰਘਾ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਹੈ। ਪਹਿਲੀ ਵਾਰ, ਉਪਭੋਗਤਾ AI prompt ਦੇ ਅੰਦਰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਹੋਰ Instagram accounts ਨੂੰ @mention ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਮਾਡਲ ਨੂੰ ਟੈਗ ਕੀਤੇ ਗਏ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਜਨਤਕ ਫੋਟੋਆਂ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹਨਾਂ ਦੀ ਦਿੱਖ (likeness) ਨੂੰ AI-ਨਿਰਮਿਤ ਤਸਵੀਰਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਸਕੇ।

ਹਾਲਾਂਕਿ ਇਹ ਰਚਨਾਤਮਕ ਪ੍ਰਗਟਾਵੇ ਅਤੇ ਡਿਜੀਟਲ ਕਹਾਣੀ ਸੁਣਾਉਣ ਲਈ ਇੱਕ ਵਿਸ਼ਾਲ ਨਵਾਂ ਖੇਤਰ ਖੋਲ੍ਹਦਾ ਹੈ, ਪਰ ਇਹ ਡਿਜੀਟਲ ਪਛਾਣ ਬਾਰੇ ਮਹੱਤਵਪੂਰਨ ਸਵਾਲ ਵੀ ਖੜ੍ਹੇ ਕਰਦਾ ਹੈ। Meta ਨੇ ਇਹ ਕਹਿ ਕੇ ਇਹਨਾਂ ਚਿੰਤਾਵਾਂ ਦਾ ਹੱਲ ਕੀਤਾ ਹੈ ਕਿ ਉਪਭੋਗਤਾ ਇਸ ਗੱਲ 'ਤੇ ਕੰਟਰੋਲ ਰੱਖਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਦੇ ਕੰਟੈਂਟ ਦੀ ਵਰਤੋਂ AI ਟ੍ਰੇਨਿੰਗ ਅਤੇ ਜਨਰੇਸ਼ਨ ਲਈ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਹਾਲਾਂਕਿ ਅਸਲ ਲੋਕਾਂ ਨੂੰ ਸਿੰਥੈਟਿਕ ਵਾਤਾਵਰਣ ਵਿੱਚ "ਪੁੱਲ" ਕਰਨ ਦੀ ਯੋਗਤਾ ਸੋਸ਼ਲ ਮੀਡੀਆ ਇੰਟਰੈਕਸ਼ਨ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਵਿਕਾਸ ਹੈ।

ਜਨਰੇਸ਼ਨ ਤੋਂ ਪਰੇ: ਹਕੀਕਤ ਨੂੰ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਅਤੇ ਇੰਟਰਐਕਟਿਵ ਐਡੀਟਿੰਗ

Muse Image ਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਸਧਾਰਨ text-to-image generator ਦੇ ਬਜਾਏ ਇੱਕ ਬਹੁ-ਕਾਰਜਸ਼ੀਲ ਰਚਨਾਤਮਕ ਟੂਲ ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਇਹ ਮਾਡਲ ਕਈ ਉਪਯੋਗੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਪੇਸ਼ ਕਰਦਾ ਹੈ:

• ਵਿਜ਼ੂਅਲ ਰੀਡਿਜ਼ਾਈਨ: ਉਪਭੋਗਤਾ ਪੂਰੇ ਕਮਰਿਆਂ ਨੂੰ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ Facebook Marketplace ਜਾਂ ਵੈੱਬ ਤੋਂ ਤਸਵੀਰਾਂ ਲੈ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਤੁਰੰਤ ਸਪੇਸ਼ੀਅਲ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਸੰਭਵ ਹੋ ਜਾਂਦੀ ਹੈ।
• ਡਾਇਰੈਕਟ ਮੈਨੀਪੂਲੇਸ਼ਨ: ਇਹ ਟੂਲ "in-painting" ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਜਿੱਥੇ ਉਪਭੋਗਤਾ ਮੌਜੂਦਾ ਫੋਟੋਆਂ 'ਤੇ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਡਰਾਅ ਕਰ ਸਕਦੇ ਹਨ ਤਾਂ ਜੋ AI ਨੂੰ ਖਾਸ ਤਬਦੀਲੀਆਂ ਕਰਨ ਲਈ ਨਿਰਦੇਸ਼ ਦਿੱਤਾ ਜਾ ਸਕੇ।
• ਗ੍ਰਾਫਿਕ ਡਿਜ਼ਾਈਨ ਯੂਟੀਲਿਟੀ: ਇਹ ਮਾਡਲ ਵਿਹਾਰਕ ਵਰਤੋਂ ਲਈ ਸੰਰਚਿਤ ਡਿਜ਼ਾਈਨ ਬਣਾ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਸੱਦਾ ਪੱਤਰ, ਪੋਸਟਕਾਰਡ, ਅਤੇ ਸੋਸ਼ਲ ਮੀਡੀਆ ਐਸੇਟਸ।

ਸਿਰਫ਼ ਜਨਰੇਸ਼ਨ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਤਰਕ, ਯੋਜਨਾਬੰਦੀ ਅਤੇ ਸੋਸ਼ਲ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਦੇ ਖੇਤਰ ਵਿੱਚ ਜਾ ਕੇ, Meta generative AI ਨੂੰ ਪੂਰੇ Meta ecosystem ਲਈ ਇੱਕ ਬੁਨਿਆਦੀ ਯੂਟੀਲਿਟੀ ਲੇਅਰ ਵਿੱਚ ਬਦਲਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ।

ਮੁੱਖ ਗੱਲਾਂ (Key Takeaways)

• Agentic Workflow: Muse Image ਤਰਕ ਕਰਨ, ਯੋਜਨਾ ਬਣਾਉਣ ਅਤੇ ਵੈੱਬ 'ਤੇ ਸਰਚ ਕਰਨ ਲਈ Muse Spark LLM ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਸਧਾਰਨ ਪੈਟਰਨ ਮੈਚਿੰਗ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਗੁੰਝਲਦਾਰ prompt execution ਤੱਕ ਜਾਂਦਾ ਹੈ।
• Social Graph Integration: Instagram ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ @mention ਕਰਨ ਦੀ ਯੋਗਤਾ AI ਨੂੰ ਜਨਤਕ ਪ੍ਰੋਫਾਈਲਾਂ ਤੋਂ ਅਸਲ ਦੁਨੀਆ ਦੀਆਂ ਦਿੱਖਾਂ (likenesses) ਨੂੰ ਜਨਰੇਟ ਕੀਤੇ ਕੰਟੈਂਟ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ।
• Ecosystem Expansion: ਇਹ ਮਾਡਲ ਸੋਸ਼ਲ ਐਪਸ ਨੂੰ ਰਚਨਾਤਮਕ ਸਟੂਡੀਓ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ ਜੋ ਕਮਰੇ ਦੇ ਰੀਡਿਜ਼ਾਈਨ, ਸਿੱਧੀ ਫੋਟੋ ਮੈਨੀਪੂਲੇਸ਼ਨ, ਅਤੇ ਗ੍ਰਾਫਿਕ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੇ ਯੋਗ ਹਨ।