यह भाषा मशीन द्वारा अनुवादित है और किसी मानव द्वारा समीक्षा नहीं की गई है।

NIVΞCTOR
समाचारसहयोग

काउंटर अभी शुरू नहीं हुआ है

कृत्रिम बुद्धिमत्ता · लेख

AI कला और संगीत कैसे तैयार करता है, और क्यों "असली रचनात्मकता" विवादास्पद रहती है

प्रकाशित:

Théâtre d'Opéra Spatial
चित्र: Left intentionally blank · Public domain · Wikimedia Commons

संक्षेप में

AI छवि उपकरण जैसे Midjourney और Stable Diffusion शोर प्रक्रिया को उल्टा करना सीखकर चित्र बनाते हैं, जबकि Suno और Udio जैसे संगीत उपकरण ऑडियो को टोकन में संपीड़ित करते हैं और उन्हें चरणबद्ध तरीके से पूर्वानुमान लगाते हैं, पाठ संकेत द्वारा निर्देशित। क्या दोनों में से कोई भी प्रक्रिया असली रचनात्मकता के रूप में गिना जाता है यह अनसुलझा है: शोधकर्ता इसे पैटर्न-आधारित "पुनः मिश्रण" कहने और इसे मापयोग्य रचनात्मक प्रदर्शन के साथ श्रेय देने के बीच विभाजित हैं।

यह संस्करण मूल पाठ (English) का मशीनी अनुवाद है। मूल पाठ पढ़ें

Generative AI उपकरण अब एक छोटे पाठ संकेत से छवियां, गीत और पूर्ण ट्रैक तैयार करते हैं, और उनके पीछे की तकनीक एक सक्रिय कानूनी और सांस्कृतिक विवाद बन गई है। अक्टूबर 2026 में, संगीत प्रकाशक Reservoir ने कैलिफोर्निया के उत्तरी जिले की संघीय अदालत में Suno और Anthropic के खिलाफ मुकदमा दायर किया, दोनों कंपनियों पर हजारों कॉपीराइट रचनाओं पर लाइसेंस के बिना AI सिस्टम को प्रश���क्षित करने का आरोप लगाया। उस विवाद के साथ, शोधकर्ता एक अलग सवाल पर बहस जारी रखते हैं: क्या इस आउटपुट में से कोई भी रचनात्मकता के रूप में गिना जाता है, या यह कुछ बिल्कुल अलग है?

AI द्वारा उत्पन्न छवियां कैसे बनाई जाती हैं

Stable Diffusion, Midjourney और DALL-E जैसे उपकरण विसरण मॉडल पर निर्भर करते हैं। प्रशिक्षण के दौरान, सिस्टम को वास्तविक छवियां दिखाई जाती हैं जबकि यादृच्छिक शोर चरणबद्ध रूप से जोड़ा जाता है जब तक कि मूल चित्र अपहचान योग्य न हो जाए। मॉडल फिर उलटी प्रक्रिया सीखता है — Cloudinary द्वारा प्रकाशित एक तकनीकी मार्गदर्शिका के अनुसार उस शोर को कैसे दूर करें। पीढ़ी इसे उलट देती है: सिस्टम शुद्ध यादृच्छिक शोर से शुरू होता है और इसे चरणों में हटाता है, प्रारंभिक चरण व्यापक आकार और संरचना का उत्पादन करते हैं और बाद के चरण बनावट, प्रकाश और विवरण को परिष्कृत करते हैं जब तक कि एक सुसंगत छवि दिखाई न दे। एक पाठ संकेत प्रत्येक denoising चरण का मार्गदर्शन करता है, मॉडल को बताता है कि कौन से विषय, शैली और सेटिंग की ओर बढ़ना है।

AI पाठ संकेत से संगीत की रचना कैसे करता है

Suno और Udio जैसे संगीत सिस्टम विवरण में अलग तरीके से काम करते हैं लेकिन सिद्धांत में समान होते हैं। क्योंकि कच्ची ऑडियो बहुत घनी है — प्रति सेकंड लाखों संख्याएं — सीधे एक भाषा-शैली मॉडल में खिलाने के लिए, ये सिस्टम पहले ऑडियो को neural audio codecs का उपयोग करके असतत "tokens" की एक छोटी संख्या में संपीड़ित करते हैं, एक तकनीकी अवलोकन के अनुसार लगभग 600 गुना संपीड़न प्राप्त करते हैं। एक बार जब ऑडियो टोकन में बदल जाता है, तो एक transformer मॉडल — बड़े भाषा मॉडलों के पीछे आर्किटेक्चर के समान — अगले टोकन की भविष्यवाणी करता है, फिर अगला, एक पूरा गीत टुकड़े दर टुकड़े बनाते हुए। एक पाठ संकेत (और कोई भी गीत) पहले एक मोटी योजना में विस्तारित किया जाता है जो शैली, गति और गीत संरचना को शामिल करती है इससे पहले कि ऑडियो टोकन उत्पन्न हों। मॉडलों को बड़ी संगीत लाइब्रेरी पर प्रशिक्षित किया जाता है और उस अवलोकन में वर्णित "संरचना इंजन" के रूप में कार्य करते हैं जो chord प्रगति और गीत संरचना को अवशोषित करते हैं बजाय विशिष्ट मौजूदा गीतों को पुनः प्राप्त करने के।

तकनीक के पीछे कॉपीराइट लड़ाई

इन सिस्टमों को प्रशिक्षित करने के लिए बड़ी मात्रा में मौजूदा रचनात्मक कार्य की आवश्यकता होती है, जो अब सक्रिय मुकदमेबाजी का विषय है। Reservoir के 21 अक्टूबर, 2026 के मुकदमे में आरोप है कि Suno ने 1,050 कॉपीराइट संगीत रचनाओं का उपयोग किया और Anthropic ने 853 रचनाओं से गीत का उपयोग किया — जिसमें Madonna, Johnny Cash और Joni Mitchell के कार्य शामिल हैं — बिना अधिकार के, Law Commentary द्वारा की गई filing के एक सारांश के अनुसार। Reservoir Suno से लगभग $186.4 मिलियन statutory damages और Anthropic से लगभग $151.4 मिलियन के लिए मांग कर रहा है, Digital Millennium Copyright Act के तहत दावों के अतिरिक्त। Suno ने तर्क दिया है कि कॉपीराइट सामग्री पर AI को प्रशिक्षित करना fair use के रूप में योग्य हो सकता है और अलग से Warner, BMG और Believe के साथ लाइसेंसिंग समझौते पर हस्ताक्षर किए हैं; Anthropic ने कहा कि यह मामले का बचाव करने का इरादा रखता है। Reservoir की शिकायत उन लाइसेंसिंग समझौतों को इस बात के प्रमाण के रूप में उद्धृत करती है कि संगीत का उपयोग करने के लिए पहले से एक वैध बाजार मौजूद है।

क्या यह कोई "रचनात्मक" है? शोधकर्ता असहमत हैं

कानूनी प्रश्न से अलग, विद्वान इस बात पर असहमत हैं कि क्या इन सिस्टमों का आउटपुट रचनात्मकता की कोई उचित परिभाषा को पूरा करता है। Computational linguist Emily Bender और सहकर्मी बड़े मॉडलों को "stochastic parrots" के रूप में वर्णित करते हैं जो प्रशिक्षण डेटा में पैटर्न को सांख्यिकीय रूप से प्रतिध्वनित करते हैं बजाय विचारों को उत्पन्न करने के, Heidelberg Laureate Foundation की बहस की समीक्षा के अनुसार। Computer vision researcher Alexei Efros बंद, नियम-आधारित डोमेन जैसे शतरंज या Go — जहां AI सिस्टम निश्चित नियमों के भीतर नवाचार कर सकते हैं — और खुले-समाप्ति डोमेन जैसे कला, जहां कोई निश्चित लक्ष्य नहीं है, के बीच एक अंतर खींचते हैं।

कला बंद नहीं है। हमें यह भी नहीं पता कि 100 साल में कला क्या होगी।

— Alexei Efros, computer vision researcher, Heidelberg Laureate Foundation के माध्यम से उद्धृत

अन्य शोधकर्ता एक अलग कोण से वापस धकेलते हैं। AI researcher Selmer Bringsjord तर्क देते हैं कि वर्तमान AI आउटपुट प्रशिक्षण डेटा का "remixing" के बजाय असली निर्माण के रूप में है, और उन्होंने Lovelace Test का प्रस्ताव दिया, जिसके तहत एक सिस्टम केवल तभी creative माना जाएगा यदि यह आउटपुट का उत्पादन करे जो इसके अपने डिजाइनर समझा नहीं सकते — एक दंड जो वह कहते हैं कि आज के मॉडल नहीं हैं, BrainFacts.org द्वारा प्रकाशित एक सारांश के अनुसार। Psychologist Mark Runco जोड़ते हैं कि मानव रचनात्मकता के लिए intentionality केंद्रीय है: लोग सचेतन रूप से बनाने का चुनाव करते हैं, जबकि AI सिस्टम उन prompts का जवाब देते हैं जो उपयोगकर्ता के इरादे को प्रतिबिंबित करते हैं अपने स्वयं के नहीं। Testing के आधार पर, वही BrainFacts.org सारांश नोट करता है कि कुछ मॉडल, GPT-4 सहित, divergent-thinking tests पर औसत मानव से अधिक स्कोर किए जो varied विचारों को उत्पन्न करने की क्षमता को मापते हैं — हालांकि शीर्ष मानव रचनात्मक प्रदर्शनकर्ता अभी भी परीक्षण किए गए AI सिस्टमों को outscored।

जहां शोधकर्ता AI और रचनात्मकता पर खड़े हैं
स्थितिमुख्य तर्कस्रोत
AI output रचनात्मक हो सकता हैकुछ मॉडल divergent-thinking रचनात्मकता परीक्षणों पर औसत मानव से बेहतर प्रदर्शन करते हैंBrainFacts.org, 2024 के अध्ययन का हवाला देते हुए
AI output रचनात्मक नहीं हैमॉडल प्रशिक्षण डेटा से पैटर्न को interpolate करते हैं बजाय आविष्कार के; कला के डोमेन में optimize करने के लिए निश्चित नियम नहीं हैंAlexei Efros, Heidelberg Laureate Foundation के माध्यम से
AI output एक remix हैOutputs प्रशिक्षण डेटा का सांख्यिकीय रूप से प्रशंसनीय पुनर्संयोजन हैं, अपने स्वयं के डिजाइनर द्वारा समझाया जा सकता हैSelmer Bringsjord, Lovelace Test के निर्माता, BrainFacts.org के माध्यम से
रचनात्मकता intentionality की आवश्यकता हैमनुष्य सचेतन रूप से बनाने का चुनाव करते हैं; AI prompts का जवाब देता है जो उपयोगकर्ता के इरादे को प्रतिबिंबित करते हैं, अपने स्वयं के नहींMark Runco, मनोवैज्ञानिक, BrainFacts.org के माध्यम से

बहस कलाकारों और श्रोताओं को कहां छोड़ती है

Heidelberg Laureate Foundation की समीक्षा नोट करती है कि, यह देखते हुए कि मानव रचनात्मकता की परिभाषा पहले से ही शोधकर्ताओं के बीच कितनी विवादास्पद है, AI पर एक definitive उत्तर अनसुलझा रह सकता है। उस समीक्षा में उद्धृत कई आलोचकों ने आगे के अधिक व्यावहारिक मार्ग को AI को एक उपकरण के रूप में मानना है जो मानव रचनात्मक कार्य को बढ़ाता है बजाय एक अलग रचनात्मक एजेंट के रूप में — एक framing जो साथ-साथ है, लेकिन हल नहीं करता, चल रहे कॉपीराइट विवाद कि इन सिस्टमों को कैसे पहली जगह में प्रशिक्षित किया गया था।

प्रश्न

AI एक पाठ संकेत से कैसे जानता है कि किस छवि या गीत को बनाना है?
छवि मॉडल लाखों प्रशिक्षण छवियों पर शोर-जोड़ने की प्रक्रिया को उलटना सीखते हैं, फिर यादृच्छिक स्टैटिक से शोर हटाने के प्रत्येक चरण का मार्गदर्शन करने के लिए पाठ संकेत का उपयोग करते हैं। संगीत मॉडल प्रशिक्षण ऑडियो को असतत tokens में परिवर्तित करते हैं और एक transformer का उपयोग करके पाठ संकेत के आधार पर अगले token की भविष्यवाणी करते हैं, उसी तरीके से कि भाषा मॉडल अगले शब्द की भविष्यवाणी करते हैं।
क्या AI-generated कला या संगीत सीधे मौजूदा कार्यों से नकल की जाती है?
मॉडलों को विशिष्ट मौजूदा गीतों या छवियों को पुनः प्राप्त करने के रूप में वर्णित नहीं किया गया है; वे बड़े प्रशिक्षण सेट में सीखे गए पैटर्न के आधार पर नया आउटपुट उत्पन्न करते हैं। हालांकि, अक्टूबर 2026 में दायर मुकदमे, Suno और Anthropic के खिलाफ Reservoir के cases सहित, यह दावा करते हैं कि अंतर्निहित प्रशिक्षण स्वयं बिना लाइसेंस के हजारों कॉपीराइट कार्यों का उपयोग करता है।
क्या AI मानव रचनात्मकता के परीक्षणों को पास कर सकता है?
BrainFacts.org द्वारा उद्धृत एक 2024 के अध्ययन के अनुसार, कुछ AI मॉडल, GPT-4 सहित, divergent-thinking परीक्षणों पर औसत मानव से ऊपर स्कोर किए हैं जो varied विचारों को उत्पन्न करने की क्षमता को मापते हैं — हालांकि शीर्ष मानव रचनात्मक प्रदर्शनकर्ता अभी भी उस शोध में परीक्षण किए गए AI सिस्टमों को outscored।
AI रचनात्मकता के लिए Lovelace Test क्या है?
Researcher Selmer Bringsjord द्वारा प्रस्तावित, यह यह है कि एक AI सिस्टम केवल तभी सच में रचनात्मक है यदि यह आउटपुट का उत्पादन करे जो इसके अपने डिजाइनर समझा नहीं सकते। Bringsjord का तर्क है कि आज के मॉडल इस बार को पूरा नहीं करते।
संगीत कंपनियां अब AI firms पर मुकदमा क्यों कर रही हैं?
संगीत प्रकाशक Reservoir ने अक्टूबर 21, 2026 को कैलिफोर्निया संघीय अदालत में Suno और Anthropic पर मुकदमा दायर किया, यह दावा करते हुए कि कंपनियों ने AI सिस्टमों को क्रमशः 1,050 और 853 कॉपीराइट रचनाओं पर बिना अधिकार के प्रशिक्षित किया, combined में लगभग $338 मिलियन statutory damages मांग रहे हैं।

स्रोत

  1. Cloudinary — How Diffusion Models Generate Images
  2. AI-TLDR — How AI Music Generation Works: Suno, Udio & More
  3. Heidelberg Laureate Foundation — Beyond the AI Paradox: Are Machines Capable of Genuine Creativity?
  4. BrainFacts.org — Can AI Truly Match Human Creativity?
  5. Law Commentary — Suno and Anthropic Face Nearly $340 Million in Copyright Claims Over Songs by Madonna, Johnny Cash

यह लेख कृत्रिम बुद्धिमत्ता से तैयार किया गया और प्रकाशन से पहले स्वचालित स्रोत-जाँच से गुज़रा। कोई गलती दिखे तो सुधार का अनुरोध करें। सुधार या उत्तर का अनुरोध करें · हम कैसे काम करते हैं

संबंधित लेख