ইদানীং ডিপফেক এআই প্রযুক্তি ব্যবহার করে অনেক অপ্রীতিকর ছবি ও ভিডিও ইন্টারনেট দুনিয়ায় ছড়িয়ে দেওয়া হচ্ছে, যা বেশকিছু ব্যক্তি ও প্রতিষ্ঠানের সম্মানহানির কারণ হয়ে দাঁড়িয়েছে। ডিপফেক (Deepfake) হলো একটি ডিজিটালি তৈরি করা মিডিয়া ফাইল, যেমন-একটি ছবি, ভিডিও বা অডিও রেকর্ডিং, যা দেখতে আসল বলে মনে হলেও আসলে এটি কৃত্রিম বুদ্ধিমত্তা (এআই) ব্যবহার করে তৈরি এবং যার কোনো সত্যতা নেই। ডিপফেক সফটওয়্যারগুলো খুবই ইন্টারেস্টিংভাবে কাজ করে।

সফটওয়্যারগুলো এতটাই উন্নত যে, কোনো ব্যবহারকারী দুই ভিন্ন ব্যক্তির ছবি সফটওয়্যারটিকে দিয়ে যদি বলে যে, আমাকে একটি ছবি তৈরি করে দাও, যেখানে দেখা যাবে এ দুজন ব্যক্তি নিজেদের মধ্যে হাত মেলাচ্ছে, তাহলে কিছুক্ষণের মধ্যেই সফটওয়্যারটি এত নিখুঁত একটি ছবি তৈরি করে দেবে, যেটা থেকে বোঝার কোনো উপায়ই থাকবে না যে, এ ঘটনাটি কখনোই ঘটেনি।

ডিপফেক শব্দটি প্রথম ২০১৭ সালের শেষের দিকে একজন Reddit ব্যবহারকারীর মাধ্যমে অনলাইন জগতে প্রবর্তিত হয়েছিল। এটির মূল উদ্দেশ্য হলো একটি চিত্র বা ভিডিওতে একজন ব্যক্তির সাদৃশ্য অন্য ব্যক্তির সঙ্গে অদল-বদল করান।

এখন দেখা যাক ডিপফেক প্রযুক্তি কীভাবে কাজ করে। প্রথমে, এতে কৃত্রিম বুদ্ধিমত্তা বা এর বৃহৎ ভাষা মডেলগুলোকে প্রশিক্ষণ করার কাজটি করা হয়। বৃহৎ ভাষা মডেলগুলোকে লার্জ ল্যাঙ্গুয়েজ মডেলও বলা হয়, যা জেনেরেটিভ কৃত্রিম বুদ্ধিমত্তার আলগোরিদমিক একক। এখানে যে কৃত্রিম বুদ্ধিমত্তা কৌশলগুলো ব্যবহার করা হয়ে থাকে, তাকে ডিপ লার্নিং মডেল বলা হয়। এ মডেলটি সাধারণত এক বা একাধিক নিউরাল নেটওয়ার্ক ব্যবহার করে, যার লক্ষ্য হলো হাজার হাজার মানব বস্তুর ছবি এবং ভিডিওর মাধ্যমে প্রশিক্ষিত হওয়া বা শিক্ষাগ্রহণ করা। এখানে বলে রাখা ভালো, অনলাইন জগতে বিশেষ করে সোশ্যাল মিডিয়ায় আমরা যেসব ছবি বা ভিডিও পোস্ট করে থাকি সেখান থেকে আমাদের চেহারা, কণ্ঠস্বর, গতিবিধি, এবং আমাদের কনটেন্টকে এ মডেলগুলোর জন্য প্রশিক্ষণ ডেটা হিসাবে ব্যবহার করা হয়। এ ডেটা থেকে শিক্ষাগ্রহণই পরে অনেক নতুন নতুন মিডিয়ার আবির্ভাব ঘটায়, যেগুলো দেখতে আমাদের মতো, কণ্ঠস্বর শুনতে আমাদের মতো; কিন্তু মূলত এগুলো কৃত্রিম মিডিয়া, যেগুলোর সঙ্গে আসল ব্যক্তির কোনো সম্পর্ক নেই। এ কৃত্রিম বুদ্ধিমত্তা মডেলগুলো মানুষের মুখের নড়াচড়া, অভিব্যক্তি এবং ভয়েস প্যাটার্ন বা সংশ্লেষণ-বিশ্লেষণের মাধ্যমে হুবহু নকল করতে শিক্ষাগ্রহণ করে থাকে। ভয়েস সংশ্লেষণ বা কণ্ঠস্বরের ধরন বলতে একজন ব্যক্তির কথা বলার অনন্য ধরনকে বোঝায়। প্রত্যেক ব্যক্তির কথা বলার ছন্দ, স্বর, গতি এবং বিরতির মতো বৈশিষ্ট্যগুলো অন্যের থেকে আলাদা। কৃত্রিম বুদ্ধিমত্তার মাধ্যমে এ আলাদা বৈশিষ্ট্যগুলোকে চিহ্নিত করা যায় এবং সেগুলো অনুকরণ করে নির্দিষ্ট ব্যক্তির কণ্ঠস্বরে কোনো বক্তব্যও তৈরি করা সম্ভব।

দ্বিতীয় কার্যকলাপটি মানুষের চেহারার পরিবর্তন বা ফেস সোয়াপিং বা মুখাবয়ব বিকৃতিকরণের সঙ্গে সম্পর্কিত। এ কার্যকলাপটিও কৃত্রিম বুদ্ধিমত্তা মডেলকে প্রশিক্ষণের মাধ্যমে সম্পন্ন করতে হয়। এ প্রশিক্ষিত ডিপফেকের কৃত্রিম বুদ্ধিমত্তা মডেলটি একটি ভিডিও বা ছবিতে মানুষের মুখের বদলে অন্য একটি বা যে কোনো কিছুর সমন্বয় দিয়ে প্রতিস্থাপন করতে পারে। কৃত্রিম বুদ্ধিমত্তা মডেলটি মানুষের মুখের বৈশিষ্ট্য, ত্বকের রং, টোন এবং আলোর সঙ্গে সামঞ্জস্যতা রাখতে প্রশিক্ষিত হয়, যাতে মুখ অদলবদলের ঘটনাটি নির্বিঘ্ন এবং পরিচ্ছন্ন হয়। যেমন-কোনো ডিপফেক ভিডিও তৈরি করার সময় নকল বক্তব্যের ওপর ভিত্তি করে মুখের কোনো অভিব্যক্তি বা অনুভূতির মিল রাখতে হলে এ মডেলগুলো তাদের প্রশিক্ষণ থেকে প্রাপ্ত জ্ঞানকে কাজে লাগায়। এরপর, এ কৃত্রিম বুদ্ধিমত্তাটি মুখের নড়াচড়া বা মুভমেন্ট সেটআপের জন্য কাজ শুরু করে, যাতে নকল মুখ স্বাভাবিকভাবে নড়াচড়া করে, অভিব্যক্তি ও মাথার নড়াচড়া এবং এমনকি সূক্ষ্ম পেশির টান মূল ভিডিওর সঙ্গে গতির সমন্বয় করে থাকে।

এরপর ডিপফেকের পদ্ধতির মধ্যে ভয়েস সংশ্লেষণ কার্যকলাপ পরিচালিত হয়। যেখানে জাল ভিডিও বা চিত্র তৈরি করতে সংশ্লেষিত বা পরিবর্তিত ভয়েস অন্তর্ভুক্ত করা হয়, যার লক্ষ্যবস্তু হচ্ছে সম্পর্কিত ব্যক্তির বা মানুষের স্বর এবং কথা বলার ধরন অনুকরণ করা। পরিশেষে, যে কোনো বিকৃতি সংশোধন এবং দর্শকদের কাছে ডিপফেক কনটেন্টটিকে বিশ্বাসযোগ্য, খাঁটি এবং নির্ভরযোগ্য দেখাতে যা যা করা দরকার, এটি তাই করে থাকে।

এখন এ ধরনের কৃত্রিম বুদ্ধিমত্তার প্রতিরোধ করার কি কোনো উপায় নেই? অস্ট্রেলিয়ায় ই-সেফটি নামের এমন একটি উদ্যোগ পরিচালনা করা হয়, যার মধ্যে অপব্যবহার বা বিভ্রান্তির জন্য ব্যবহৃত ডিপফেক কনটেন্টও অন্তর্ভুক্ত। অস্ট্রেলিয়ায় অনেক ক্ষেত্রে ডিপফেক কনটেন্ট সম্পর্কে নির্দেশনা খুঁজতে সাধারণ জনগণ, শিক্ষাবিদ এবং সাংবাদিকরা ই-সেফটির সংস্থানগুলোকে ব্যবহার করে থাকেন। ই-সেফটি কমিশনার ডিপফেকের প্রতিক্রিয়া উন্নত করতে আইন প্রয়োগকারী সংস্থা, সোশ্যাল মিডিয়া কোম্পানি, সরকারি কর্মকর্তা এবং গবেষকদের (সরকারি-বেসরকারি সহযোগিতা) সঙ্গেও কাজ করে। এ তথ্যগুলো ই-সেফটি কমিশনার ইনিশিয়েটিভ ওয়েবসাইটের তথ্যের ওপর ভিত্তি করে তৈরি, যা গুগলের মাধ্যমে যে কোনো সময় ওপেন সোর্স হিসাবে পাওয়া যেতে পারে।

অস্ট্রেলিয়ার আরএমআইটি বিশ্ববিদ্যালয়ের অংশীদারত্বের একটি উদ্যোগের (যার মাধ্যমে ডিপফেকের তৈরি ভুয়া খবর শনাক্ত করা হয়) উদ্যোগের অনুকরণ করে, সিএসআইআরও ডিপফেক ডিটেকশন রিসার্চ ডিপফেক কনটেন্ট শনাক্তকরণের সমস্যাগুলো সমাধানের জন্য গবেষণা পরিচালনা করে। এ রকম আরেকটি উদ্যোগ হলো, অস্ট্রেলিয়ার টরেন্স বিশ্ববিদ্যালয়ের কৃত্রিম বুদ্ধিমত্তা গবেষণা ও অপ্টিমাইজেশন (এআইআরও) কেন্দ্র-এআইআরও, যেখানে ডিপফেক শনাক্তকরণ কৌশলগুলোর অগ্রণী ভূমিকা পালনের জন্য নিবেদিত একটি অ্যাকাডেমিক ডিপফেক প্রকল্প চালু আছে।

যদি বিএনপি দেশ পরিচালনার সুযোগ পায়, ডিপফেকসহ আরও অন্য সৃজনশীল যেসব এআই সম্পর্কিত টেকনোলজি আছে, এগুলো ব্যবহার করে কীভাবে বিশ্ব বাজারে মানুষের কর্মসংস্থান করা যায়, কীভাবে তরুণদের নিজেদের পেশা তৈরি করে দেওয়া, উদ্যোক্তা হতে তাদের কীভাবে নিয়োজিত করা যায় এগুলো নিয়ে কাজ করব। এর মাধ্যমে নতুন নতুন কর্মসংস্থান সৃষ্টি করা এবং পৃথিবীর বুকে তরুণ সমাজকে এ বুদ্ধিবৃত্তিক যে সমাজব্যবস্থা তাদের নেতৃত্ব দেওয়ার যোগ্যতা এবং ব্যবসা প্রতিষ্ঠান তৈরি করার যে ক্ষমতা এগুলো বৃদ্ধি করা হবে আমাদের অন্যতম দায়িত্ব।

ড. শাহ জে মিয়া : প্রফেসর অফ বিজনেস এনালিটিক্স, নিউক্যাসল ইউনিভার্সিটি, নিউ সাউথ ওয়েলস, অস্ট্রেলিয়া; বিএনপির ভারপ্রাপ্ত চেয়ারম্যানের বহির্বিশ্বে শহীদ জিয়ার আদর্শে বিশ্বাসী পেশাজীবী এক্সপার্টিজ গ্রুপের সদস্য