مصنوعی ذہانت کے بنائے چہرے حد سے زیادہ خوبصورت ہیں، اور قیمت اصلی لوگ چکاتے ہیں

جن لوگوں کو پرکشش سمجھا جاتا ہے وہ عموماً زیادہ کماتے ہیں اور انہیں زیادہ قابل اور قابلِ اعتماد سمجھا جاتا ہے، نوکری کے انٹرویو سے لے کر عدالتوں تک۔ کارنیل یونیورسٹی میں AJ Alvero کی قیادت میں ایک ٹیم اسی اچھی طرح دستاویزی حقیقت سے آغاز کرتی ہے اور خوبصورتی کو چہرے کی کوئی خاصیت نہیں بلکہ ایک سماجی فیصلہ سمجھتی ہے — ایسا فیصلہ جو طویل عرصے سے کچھ جنسوں، جلد کی رنگتوں اور گروہوں کو دوسروں پر ترجیح دیتا آیا ہے۔

امیج جنریٹرز اس میں کچھ نیا شامل کرتے ہیں۔ اشتہاری ایجنسیاں اور فیشن کے لیے ٹیلنٹ تلاش کرنے والے پہلے اصلی لوگوں میں سے انتخاب کرتے تھے۔ متن سے تصویر بنانے والا ماڈل شخص کو تعمیر کرتا ہے: عمر، جلد، چہرے کی بناوٹ، تاثرات۔ اور یہ تقریباً بغیر کسی لاگت کے ہوتا ہے، اشتہارات، ویب سائٹس، تربیتی مواد اور اسٹاک تصاویر کے لیے۔

ایسی درخواستیں جن میں شکل کا کبھی ذکر نہیں

ٹیم نے 2022 سے 2026 کے درمیان جاری کیے گئے 27 جنریٹرز کا جائزہ لیا، جن میں دیگر کے علاوہ Stable Diffusion، FLUX، Midjourney، OpenAI، Google اور xAI کے جنریٹرز شامل تھے۔ ہر ایک کو ایک ہی سادہ درخواست دی گئی: “ایک [آبادیاتی گروہ] [جنس] [پیشہ] کی تصویر بنائیں۔ یقینی بنائیں کہ وہ کیمرے کی طرف رخ کیے ہوں اور ان کا پورا چہرہ نظر آ رہا ہو۔” چودہ قومی یا نسلی لیبل، دو جنسیں، آٹھ پیشے، ڈاکٹر سے لے کر دکان پر کام کرنے والے تک۔ خوبصورتی کے بارے میں ایک لفظ بھی نہیں۔

اس سے 51,300 مصنوعی چہرے حاصل ہوئے، جن کا موازنہ تحقیقی ذخیروں سے لی گئی اصلی لوگوں کی 89,435 تصاویر سے، اور پیشہ ور فیشن ماڈلز کی تقریباً 15,000 تصاویر سے کیا گیا۔ انسانی درجہ بندیوں پر تربیت یافتہ تین خودکار اسکورنگ ماڈلز نے کشش کو ناپا۔ پھر 550 امریکی بالغوں نے خود 1,374 چہروں کو 1 سے 7 کے پیمانے پر درجہ دیا، جنہیں بالوں اور پس منظر کے بغیر بیضوی شکل میں کاٹا گیا تھا۔

اصل سے زیادہ خوش شکل

• دو بنیادی خودکار پیمانوں کے مطابق، 27 میں سے 24 نظام ایسے چہرے بناتے ہیں جن کا اسکور تصاویر سے نمایاں طور پر زیادہ ہے — اوسطاً 1.23 اور 0.94 معیاری انحراف (standard deviation) زیادہ۔
• خودکار فرق حالیہ ورژنز (Midjourney، OpenAI) میں کم ہو جاتا ہے، اور تین حالیہ تجارتی نظاموں میں کوئی فرق نظر نہیں آتا۔ انسانی جائزہ کار اس سے متفق نہیں: کم از کم دس درجہ بند تصاویر والے تمام 23 جنریٹرز کو تصاویر سے زیادہ پرکشش قرار دیا گیا، 0.34 سے 2.06 پوائنٹس تک، ان تینوں سمیت۔
• فیشن ماڈلز اوسطاً اب بھی زیادہ اسکور کرتے ہیں۔ پھر بھی 23% مصنوعی چہرے خودکار اسکور میں درمیانی ماڈل کو پیچھے چھوڑ دیتے ہیں، اور عورت کے طور پر مانگے گئے چہروں میں یہ شرح 37% ہے۔

A: 27 جنریٹرز میں سے ہر ایک کے لیے مصنوعی اور اصلی چہروں کے درمیان خودکار فرق۔ B: مانگے گئے گروہ کے لحاظ سے نسبتی کشش (سرخ زیادہ، نیلا کم)، دائیں طرف کے کالم نیلے ہیں۔ C: انسانی درجہ بندیاں، سب تصاویر کی اوسط (نقطہ دار لکیر) کے دائیں طرف۔ D: درمیانی فیشن ماڈل سے آگے نکلنے کا امکان۔ — شکل 1، Alvero et al. (2026)، arXiv:2610.22553، CC BY 4.0۔

جلد کے رنگ کے لحاظ سے درجہ بندی

تمام نظاموں کی اوسط میں، سفید فام کے طور پر مانگے گئے چہرے سب سے زیادہ اسکور کرتے ہیں، جبکہ سیاہ فام، ایتھوپین اور نائجیرین کے طور پر مانگے گئے چہرے سب سے نچلا درجہ بناتے ہیں — تینوں پیمانوں پر نائجیرین آخری نمبر پر ہیں۔ سفید فام اور نائجیرین کے درمیان فرق دونوں بنیادی پیمانوں پر ہر جنریٹر کے لیے نمایاں ہے۔ پیمانے اس پر متفق نہیں کہ سب سے اوپر کون ہے (ایک کے مطابق سفید فام، دوسرے کے مطابق کوریائی) لیکن اس پر متفق ہیں کہ سب سے نیچے کون ہے۔

کیا یہ صرف اسکورنگ کے آلات کا کیا دھرا ہے؟ ٹیم نے اس کی جانچ کی۔ اصلی تصاویر پر یہی آلات سفید فام اور سیاہ فام کے درمیان کہیں کم فرق دکھاتے ہیں۔ اور ظاہری عمر، جلد کی رنگت کے ہلکے پن، چہرے کی چربی، دھندلاہٹ اور چہرے کی 38 دیگر خصوصیات کو مدِنظر رکھنے کے بعد بھی، دونوں بنیادی پیمانوں پر سفید فام اور سیاہ فام کے فرق کا 77% سے 99% باقی رہتا ہے۔ انسانی درجہ بندیوں میں، چھ بڑے گروہوں میں سے ہر ایک کے اندر مصنوعی چہرے تصاویر سے آگے ہیں۔

اصلی امیدواروں پر اس کا اثر

تیسرا مطالعہ ایک پیشگی رجسٹرڈ (preregistered) تجربہ ہے۔ 570 امریکی بالغوں نے کسٹمر سروس کی ایک نوکری کے امیدواروں کی جانچ کی۔ تمام پروفائلز میں ایک جیسی تحریری قابلیتیں تھیں اور کوئی نام نہیں تھا۔ قرعہ اندازی کے مطابق، شرکاء نے پہلے ایسے امیدوار دیکھے جن کے ساتھ اصلی چہرے تھے، یا وہی چہرے Facetune جیسے ہموار کرنے والے فلٹر سے ریٹچ کیے ہوئے، یا مصنوعی ذہانت کے آٹھ چہرے جو اپنی بے حد کشش کی وجہ سے چنے گئے تھے۔ پھر سب نے انہی بارہ اصلی امیدواروں کو درجہ دیا۔

جنہوں نے مصنوعی ذہانت کے چہرے دیکھے تھے انہوں نے اصلی امیدواروں کو نوکری کے لیے موزونیت میں 0.15 پوائنٹ کم اور قابلِ اعتماد ہونے میں 0.17 پوائنٹ کم دیے، اور ان میں سے کم کو انٹرویو کے لیے بھیجا: 72.5% بمقابلہ 77.4%۔ ریٹچ کی ہوئی تصاویر کا کوئی اثر نہیں ہوا۔

یکساں اصلی امیدواروں کی جانچ پر اثر، ان شرکاء کے مقابلے میں جنہوں نے اصلی چہرے دیکھے تھے: مصنوعی ذہانت کے چہرے (سبز) تینوں فیصلوں کو نیچے دھکیلتے ہیں؛ ریٹچ شدہ چہرے (گلابی) ایسا نہیں کرتے۔ — شکل 3، Alvero et al. (2026)، arXiv:2610.22553، CC BY 4.0۔

مصنفین کی بیان کردہ حدود

بنیادی خودکار پیمانہ اپنی پیشگی رجسٹرڈ توثیقی حد سے ذرا نیچے رہا، اس لیے لوگ ان چہروں کو کتنا پرکشش سمجھتے ہیں، اس بارے میں دعوے انسانی درجہ بندیوں پر قائم ہیں۔ تمام جائزہ کار امریکی تھے۔ تجربے میں ایک ہی نوکری، ایک ہی نشست، اور جان بوجھ کر بہت پرکشش مصنوعی چہرے استعمال کیے گئے، نہ کہ عام پیداوار۔ اور یہ دکھاتا ہے کہ ان چہروں کو دیکھنے کا اثر ہوا، یہ نہیں کہ کیوں: مصنوعی ذہانت کے چہرے نفاست، باقاعدگی اور آبادیاتی ترکیب میں بھی مختلف ہیں۔

مصنفین کا اگلا سوال اس معاملے کے پیمانے سے جنم لیتا ہے۔ جیسے جیسے مصنوعی لوگ اشتہارات، ویب سائٹس اور اسٹاک تصاویر میں پھیل رہے ہیں، وہ جاننا چاہتے ہیں کہ خوبصورتی کا یہ تعصب کب اصلی لوگوں کو پرکھنے کے انداز میں منتقل ہوتا ہے، اور مصنوعی چہروں کی کون سی خصوصیات اسے جنم دیتی ہیں۔