Google-ன் AI நகர்வு: Gemini 2.5 Pro, Ghibli பாணி சாத்தியமா?

செயற்கை நுண்ணறிவு அரங்கின் இடைவிடாத मंथனத்தில், சந்தை நிலைப்பாடு மற்றும் திறன் விளக்கக்காட்சிகள் கிட்டத்தட்ட தினசரி மாறுகின்றன. OpenAI-ன் தலைப்புச் செய்திகளைப் பிடிக்கும் வெளியீடுகளால் தூண்டப்பட்ட உருவாக்கும் AI பந்தயத்தில் பின்தங்கியிருப்பதாக அடிக்கடி உணரப்படும் ஒரு மாபெரும் நிறுவனமான Google, சமீபத்தில் ஒரு குறிப்பிடத்தக்க வியூக நகர்வை மேற்கொண்டது. நிறுவனம் எதிர்பாராதவிதமாக அதன் Gemini 2.5 Pro மொழி மாதிரிக்கான அணுகலை, குறிப்பாக சோதனை மறு செய்கையை, அனைத்து பயனர்களுக்கும் முற்றிலும் இலவசமாகத் திறந்தது. இந்த முடிவு Google-ன் ஆரம்பத் தகவல்தொடர்பிலிருந்து ஒரு குறிப்பிடத்தக்க மாற்றத்தைக் குறித்தது, இது இந்த மேம்பட்ட மாதிரியை அதன் Gemini Advanced அடுக்கின் கட்டணம் செலுத்தும் சந்தாதாரர்களுக்கு பிரத்தியேகமாக ஒதுக்கியிருந்தது. Gemini 2.5 Pro-வின் திடீர் ஜனநாயகமயமாக்கல், தயாரிப்பு வியூகத்தில் ஒரு சரிசெய்தலை மட்டும் குறிக்கவில்லை, மாறாக OpenAI மற்றும் Anthropic போன்ற போட்டியாளர்களிடமிருந்து வெளிப்படும் தீவிர போட்டி வெப்பத்தை அடிக்கோடிட்டுக் காட்டுகிறது, இது முக்கிய வீரர்களை பயனர் மனதைப் பிடிக்கவும், சமத்துவத்தை வெளிப்படுத்தவும், இல்லையெனில் மேன்மையை வெளிப்படுத்தவும் தங்கள் சமீபத்திய கண்டுபிடிப்புகளை பரவலாகப் பயன்படுத்த கட்டாயப்படுத்துகிறது.

இந்த வெளியீடு சமூக ஊடகங்களில் சுழலும் ஒரு விசித்திரமான, ஆனால் சக்திவாய்ந்த, கலாச்சார நீரோட்டத்தின் மத்தியில் வந்தது: புகழ்பெற்ற ஜப்பானிய அனிமேஷன் நிறுவனமான Studio Ghibli-யின் தனித்துவமான, கற்பனையான அழகியலுடன் படங்களை உருவாக்கும் பரவலான மோகம். இந்த போக்கு, OpenAI-ன் ChatGPT-க்குள், குறிப்பாக GPT-4o மாதிரியில் உட்பொதிக்கப்பட்ட பெருகிய முறையில் அதிநவீன சொந்த பட உருவாக்க அம்சங்களால் பெருமளவில் தூண்டப்பட்டு நீடித்தது, இது ஒரு உடனடி, முக்கியமற்றதாக இருந்தாலும், அளவுகோலை வழங்கியது. Google, Gemini 2.5 Pro-வின் முக்கிய தர்க்கரீதியான திறன்களில் முன்னேற்றங்களை முன்னிறுத்தியபோது, பயனர் மன்றங்கள் மற்றும் தொழில்நுட்ப வலைப்பதிவுகளில் எதிரொலித்த கேள்வி மிகவும் கலைநயமிக்கதாக இருந்தது: Google-ன் புதிதாக அணுகக்கூடிய சக்திவாய்ந்த மாதிரி, Spirited Away அல்லது My Neighbor Totoro போன்ற படங்களுடன் ஒத்திருக்கும் மயக்கும் காட்சிகளைப் பிரதிபலிக்க முடியுமா?

இலவச அணுகலின் வியூக அடிப்படைகள்

Sundar Pichai-ன் Google, சோதனை Gemini 2.5 Pro-வை சந்தா கட்டணம் இல்லாமல் வழங்க எடுத்த முடிவு வெறும் கருணை செயல் அல்ல; இது அதிக ஆபத்துள்ள தொழில்நுட்ப சதுரங்க விளையாட்டில் கணக்கிடப்பட்ட நகர்வு. ஆரம்பத்தில், இந்த மாதிரியை Gemini Advanced சந்தாவிற்குள் கட்டுப்படுத்துவது தர்க்கரீதியானதாகத் தோன்றியது - அதிநவீன AI-ஐ பணமாக்குவதற்கும் கட்டணச் சலுகையை வேறுபடுத்துவதற்கும் ஒரு வழி. இருப்பினும், போட்டியாளர்களின் வளர்ச்சி மற்றும் வரிசைப்படுத்தலின் வேகம், குறிப்பாக OpenAI-ன் ChatGPT-க்கான தொடர்ச்சியான மேம்படுத்தல்கள் மற்றும் Anthropic-ன் Claude-க்கான செம்மைப்படுத்துதல்கள், Google-ன் கையை கட்டாயப்படுத்தியிருக்கலாம். தங்களின் மிகவும் திறமையான பொதுவில் கிடைக்கும் மாதிரியை ஒரு கட்டணச் சுவருக்குப் பின்னால் விட்டுவிடுவது பயனர் தத்தெடுப்பு, டெவலப்பர் பரிசோதனை மற்றும் முக்கியமாக, பொதுப் பார்வையில் தரை இழக்கும் அபாயத்தை ஏற்படுத்தியது.

AI நிலப்பரப்பு பெருகிய முறையில் அணுகல்தன்மையால் வரையறுக்கப்படுகிறது. பயனர்கள் உடனடியாக தொடர்பு கொள்ளக்கூடிய, சோதிக்கக்கூடிய மற்றும் அவர்களின் பணிப்பாய்வுகளில் ஒருங்கிணைக்கக்கூடிய மாதிரிகள் அதிவேகமாக இழுவைப் பெறுகின்றன. Gemini 2.5 Pro-வை வெகுஜனங்களுக்குக் கிடைக்கச் செய்வதன் மூலம், Google பின்வருவனவற்றை நோக்கமாகக் கொண்டுள்ளது:

• பயனர் பின்னூட்டத்தை விரிவுபடுத்துதல்: செயல்திறன், பயன்பாட்டினை மற்றும் எதிர்பாராத பயன்பாடுகள் பற்றிய தரவை மிகப் பெரிய மற்றும் மாறுபட்ட பயனர் தளத்திலிருந்து சேகரித்தல்.
• திறன்களை வெளிப்படுத்துதல்: போட்டியாளர்கள் கடக்க முடியாத முன்னணியைக் கொண்டுள்ளனர் என்ற கதையை நேரடியாக சவால் செய்தல், குறிப்பாக Google இந்த மாதிரிக்கு வலியுறுத்தும் பகுதிகளில்.
• டெவலப்பர் ஆர்வத்தைத் தூண்டுதல்: மூன்றாம் தரப்பு பயன்பாடுகள் மற்றும் சேவைகளில் ஒருங்கிணைப்பதற்கான மாதிரியின் திறனை ஆராய டெவலப்பர்களை ஊக்குவித்தல்.
• போட்டி வேகத்தை எதிர்கொள்ளுதல்: OpenAI மற்றும் பிறரால் வெளியிடப்பட்ட அணுகல்தன்மை மற்றும் அம்ச முன்னேற்றங்களுக்கு நேரடியாக பதிலளித்தல்.

Google-ன் அதிகாரப்பூர்வ நிலைப்பாடு Gemini 2.5 Pro-வை ஒரு காரண மாதிரி (reasoning model) என்று எடுத்துக்காட்டுகிறது, OpenAI-ன் o3 Mini மற்றும் DeepSeek R1 போன்ற போட்டியாளர்களுடன் ஒப்புமைகளை வரைகிறது. நிறுவனம் சிக்கலான களங்களில் நிரூபிக்கக்கூடிய முன்னேற்றத்தை வலியுறுத்துகிறது: மேம்பட்ட கணிதம், அறிவியல் புரிதல், தர்க்கரீதியான பகுத்தறிவு மற்றும் அதிநவீன குறியீட்டுப் பணிகள். MMLU (Massive Multitask Language Understanding) மற்றும் UC Berkeley-யுடன் இணைந்த ஆராய்ச்சியாளர்களால் நிர்வகிக்கப்படும் LMArena லீடர்போர்டு போன்ற புதிய மதிப்பீட்டு தளங்கள் உட்பட பல்வேறு தொழில்துறை-தரநிலை அளவுகோல்களில் செயல்திறன் மேம்பாடுகள் குறிப்பிடப்பட்டுள்ளன. இந்த கவனம் ChatGPT மற்றும் Claude-ன் உணரப்பட்ட பலங்களை தெளிவாக குறிவைக்கிறது, குறிப்பாக நிரலாக்க உதவி மற்றும் பகுப்பாய்வு சிக்கல் தீர்த்தல், நிறுவன தத்தெடுப்பு மற்றும் தொழில்முறை பயன்பாட்டு நிகழ்வுகளுக்கு முக்கியமான பகுதிகள். Google கூறுவது போல், மாதிரியின் திறன், “பரந்த தரவுத்தொகுப்புகளைப் புரிந்துகொள்வதற்கும், உரை, ஆடியோ, படங்கள், வீடியோ மற்றும் முழு குறியீடு களஞ்சியங்கள் உட்பட வெவ்வேறு தகவல் மூலங்களிலிருந்து சிக்கலான சிக்கல்களைக் கையாள்வதற்கும்,” கனமான தூக்குதலுக்காக வடிவமைக்கப்பட்ட ஒரு பல்துறை, பன்முறை நுண்ணறிவு இயந்திரத்தின் படத்தை வரைகிறது.

Ghibli-மயமாக்கலின் வைரல் கவர்ச்சி

இந்த வியூக கார்ப்பரேட் நகர்வுகளுக்கு இணையாக, ஒரு தனித்துவமான பயனர்-உந்துதல் போக்கு ஆன்லைன் உலகைக் கவர்ந்தது. “Ghibli-fy” என்ற சொல் அகராதியில் நுழைந்தது, பயனர்கள் உருவாக்கும் AI-ன் சக்தியைக் கண்டுபிடித்ததால், முதன்மையாக ChatGPT-ன் ஒருங்கிணைந்த கருவிகள் மூலம், புகைப்படங்களை மாற்றுவதற்கோ அல்லது Studio Ghibli-ன் சின்னமான பாணியில் முற்றிலும் புதிய காட்சிகளை உருவாக்குவதற்கோ. இது ஒரு எளிய வடிப்பானைப் பயன்படுத்துவதைப் பற்றியது மட்டுமல்ல; இது Ghibli-ன் சாராம்சத்தைப் பிடிப்பதை உள்ளடக்கியது - மென்மையான, ஓவியம் போன்ற இழைமங்கள், வெளிப்படையான பாத்திர வடிவமைப்புகள், ஏக்கமான வளிமண்டலம் மற்றும் இயற்கை மற்றும் கற்பனையின் இணக்கமான ஒருங்கிணைப்பு.

ஏன் Studio Ghibli? AI பட உருவாக்கத்தின் பின்னணியில் அதன் காந்த ஈர்ப்புக்கு பல காரணிகள் பங்களிக்கின்றன:

• தனித்துவமான மற்றும் பிரியமான அழகியல்: Ghibli-ன் கையால் வரையப்பட்ட பாணி உடனடியாக அடையாளம் காணக்கூடியது, பார்வைக்கு ஈர்க்கக்கூடியது, மேலும் உலகளவில் மில்லியன் கணக்கானவர்களுக்கு ஏக்கம், ஆச்சரியம் மற்றும் ஆறுதல் போன்ற வலுவான உணர்வுகளைத் தூண்டுகிறது.
• உணர்ச்சி அதிர்வு: ஸ்டுடியோவின் படங்கள் பெரும்பாலும் உணர்ச்சி ஆழத்துடன் ஆழ்ந்த கருப்பொருள்களை ஆராய்கின்றன, மேலும் பயனர்கள் தங்கள் சொந்த படங்கள் அல்லது யோசனைகளை ஒத்த உணர்வுடன் புகுத்த முற்படுகிறார்கள்.
• தொழில்நுட்ப செயல்விளக்கம்: அத்தகைய குறிப்பிட்ட மற்றும் நுணுக்கமான கலைப் பாணியை வெற்றிகரமாகப் பிரதிபலிப்பது ஒரு AI-ன் பட உருவாக்கத் திறனின் கட்டாய செயல்விளக்கமாகச் செயல்படுகிறது, பொதுவான வெளியீடுகளுக்கு அப்பால் தள்ளுகிறது.
• சமூக ஊடக பகிர்வுத்தன்மை: இதன் விளைவாக வரும் படங்கள் மிகவும் பகிரக்கூடியவை, Instagram, X (முன்னர் Twitter), மற்றும் TikTok போன்ற தளங்களில் போக்கின் வைரல் தன்மையை எரியூட்டுகின்றன.

ChatGPT, குறிப்பாக GPT-4o-ன் வெளியீட்டுடன், Ghibli அழகியலைக் கோரும் தூண்டுதல்களை விளக்குவதில் திறமையானது என்பதை நிரூபித்தது. பயனர்கள் தங்கள் செல்லப்பிராணிகள், வீடுகள், நிலப்பரப்புகள் மற்றும் செல்ஃபிகள் கூட இந்த அழகான அனிமேஷன் லென்ஸ் மூலம் மறுவடிவமைக்கப்பட்ட எண்ணற்ற எடுத்துக்காட்டுகளைப் பகிர்ந்து கொண்டனர். இந்த திறன் ஒரு முறைசாரா, ஆனால் மிகவும் புலப்படும், படைப்பாற்றல் AI-க்கான அளவுகோலாக மாறியது. அசல் கட்டுரை “விவிலிய தேவை” என்று குறிப்பிட்டதைத் தட்டியது, இந்த குறிப்பிட்ட கலை மாற்றத்தைச் சுற்றியுள்ள சுத்த அளவு மற்றும் உற்சாகத்தை எடுத்துக்காட்டுகிறது. Lego, The Simpsons, Southpark, அல்லது Pixar போன்ற பிற பாணிகளும் பிரபலமான சோதனைகளாக இருந்தபோதிலும், Ghibli தோற்றம் ஒரு தனித்துவமான தீவிரத்துடன் எதிரொலித்தது, ஒருவேளை அதன் கலைத்திறன், ஏக்கம் மற்றும் உணர்ச்சி அரவணைப்பு ஆகியவற்றின் கலவையின் காரணமாக இருக்கலாம்.

Gemini 2.5 Pro Ghibli சவாலை எதிர்கொள்கிறது: ஒரு மேல்நோக்கிய போர்

இந்தச் சூழலைக் கருத்தில் கொண்டு, இயற்கையான கேள்வி எழுந்தது: Google-ன் Gemini 2.5 Pro, இப்போது இலவசமாகக் கிடைக்கிறது, Ghibli-மயமாக்கல் விருந்தில் சேர முடியுமா? மாதிரியின் வெளியீட்டை அறிவிக்கும் அதிகாரப்பூர்வ Google வலைப்பதிவு இடுகை அதன் குறிப்பிட்ட பட உருவாக்க வழிமுறைகள் குறித்து குறிப்பிடத்தக்க வகையில் அமைதியாக இருந்தது. உரை, ஆடியோ, படங்கள், வீடியோ மற்றும் குறியீடு ஆகியவற்றிலிருந்து உள்ளீட்டைப் புரிந்துகொள்வதில் அதன் பன்முறை புரிந்துகொள்ளும் திறன்களைப் பெருமையாகக் கூறினாலும், காட்சி களத்தில் அதன் உருவாக்க திறன்களை அது வெளிப்படையாக விவரிக்கவில்லை அல்லது இந்த குறிப்பிட்ட பயனர் எதிர்கொள்ளும் செயலாக்கத்திற்கான அடிப்படை பட உருவாக்க இயந்திரத்தைப் பெயரிடவில்லை.

கையால் செய்யப்பட்ட சோதனைகள் யதார்த்தத்தை விரைவாக வெளிப்படுத்தின. Gemini 2.5 Pro (சோதனை)-லிருந்து Ghibli-போன்ற படங்களை வரவழைக்கும் முயற்சிகள் தொடர்ந்து வெறுப்பூட்டுவதாக நிரூபிக்கப்பட்டன, இது ChatGPT-யுடன் உடனடியாக அடையக்கூடிய முடிவுகளுடன் ஒப்பிடும்போது குறிப்பிடத்தக்க இடைவெளியை எடுத்துக்காட்டுகிறது.

ஆரம்ப முயற்சிகள் மற்றும் தடைகள்:

• எளிய தூண்டுதல்கள் தோல்வி: “இந்த படத்தை Ghiblify செய்” அல்லது “இந்த புகைப்படத்தை Studio Ghibli பாணிக்கு மாற்று” போன்ற நேரடியான கோரிக்கைகள் கலைநயமிக்க விளக்கத்துடன் அல்ல, மாறாக பதிவுசெய்யப்பட்ட பிழை செய்திகளுடன் சந்திக்கப்பட்டன. அசல் கட்டுரையில் குறிப்பிட்டது போல், ஒரு பொதுவான பதில்: “மன்னிக்கவும், இந்தக் கோரிக்கையை என்னால் நிறைவேற்ற முடியாது.உங்கள் படத்திற்கு ‘Ghibli’ பாணியைப் பயன்படுத்தத் தேவையான கருவி தற்போது கிடைக்கவில்லை.” இது குறிப்பிட்ட பாணி பரிமாற்றத் திறனின் பற்றாக்குறையைக் குறிக்கிறது அல்லது பதிப்புரிமை பெற்ற கலைப் பாணிகளைப் பிரதிபலிப்பதைத் தடுக்கும் பாதுகாப்புத் தடைகளைக் குறிக்கிறது, இருப்பினும் பிந்தையது மற்ற மாதிரிகளின் பரந்த திறன்களைக் கருத்தில் கொள்ளும்போது குறைவான சாத்தியக்கூறு.
• Imagen 3-ஐ சார்ந்திருத்தல்: மேலும் விசாரணை மற்றும் பயன்பாட்டு முறைகள், Gemini 2.5 Pro, அதன் chatbot செயலாக்கத்தில், படங்களை உருவாக்க Google-ன் Imagen 3 மாதிரியை சார்ந்திருக்க வாய்ப்புள்ளது என்பதை வலுவாகக் குறிக்கின்றன. இது GPT-4o-ல் மறைமுகமாக உள்ள கட்டமைப்பிலிருந்து அடிப்படையில் வேறுபட்டது, அங்கு பட உருவாக்கம் மிகவும் ஆழமாக ஒருங்கிணைக்கப்பட்டதாகத் தோன்றுகிறது, இது மொழி மாதிரியின் புரிதலுடன் நேரடியாக இணைக்கப்பட்ட மிகவும் நுணுக்கமான புரிதல் மற்றும் கையாளுதலை அனுமதிக்கிறது. Imagen 3 அதன் சொந்த உரிமையில் ஒரு சக்திவாய்ந்த மாதிரி, ஆனால் Gemini chat இடைமுகத்திற்குள் அதன் ஒருங்கிணைப்பு குறைவான தடையற்றதாக இருக்கலாம் அல்லது தேவைக்கேற்ப தனித்துவமான கலைப் பாணிகளைப் பின்பற்றுவதற்குத் தேவையான குறிப்பிட்ட நுண்-சரிசெய்தல் இல்லாமல் இருக்கலாம்.

மேம்பட்ட தூண்டுதல் மோசமான முடிவுகளைத் தருகிறது:

எளிய தூண்டுதல்கள் பயனற்றவை என்பதை உணர்ந்து, பயனர்கள் மிகவும் அதிநவீன அணுகுமுறைகளை முயன்றனர், Gemini-ஐ மிகவும் வெளிப்படையாக வழிநடத்த வடிவமைக்கப்பட்ட மிகவும் விரிவான தூண்டுதல்களை உருவாக்க ChatGPT அல்லது Grok போன்ற பிற AI கருவிகளைப் பயன்படுத்தினர். Ghibli அழகியலை உரை விவரங்களில் விவரிப்பதே குறிக்கோளாக இருந்தது - வண்ணத் தட்டுகள், கோட்டு வேலை, பாத்திர வெளிப்பாடுகள், பின்னணி கூறுகள் மற்றும் ஒட்டுமொத்த மனநிலை ஆகியவற்றைக் குறிப்பிடுவது - பதிவேற்றப்பட்ட படத்தைத் நேரடியாக “Ghiblify” செய்ய முடியாவிட்டாலும், மாதிரி இந்த விளக்கங்களை இலக்கு பாணியை ஒத்த காட்சி வெளியீடாக மொழிபெயர்க்க முடியும் என்று நம்பியது.

இந்த முயற்சிகள் பெரும்பாலும் பயனற்றவை:

• தொடர்பற்ற வெளியீடுகள்: சில சந்தர்ப்பங்களில், Gemini ஒரு படத்தை உருவாக்கும், ஆனால் அது பெரும்பாலும் பதிவேற்றப்பட்ட மூலப் படத்துடனோ அல்லது கோரப்பட்ட Ghibli பாணியுடனோ சிறிதும் ஒற்றுமையைக் கொண்டிருக்கவில்லை. வெளியீடு ஒரு பொதுவான அனிம் பாணியாக இருக்கலாம், அல்லது முற்றிலும் தொடர்பில்லாத ஒன்றாக இருக்கலாம், இது சிக்கலான தூண்டுதலை விளக்குவதில் அல்லது பாணி கட்டுப்பாடுகளைப் பயன்படுத்துவதில் ஒரு முறிவைக் குறிக்கிறது.
• செயலாக்கச் சிக்கல்கள்: அடிக்கடி, முயற்சிகள் வெறுமனே நின்றுவிடும். chatbot கோரிக்கையைச் செயலாக்குவதாகக் குறிக்கும், ஆனால் பட உருவாக்கம் காலவரையின்றி தொங்கும், ஒருபோதும் முடிவை உருவாக்காது அல்லது இறுதியில் நேரம் முடிந்துவிடும். இது தற்போதைய உள்கட்டமைப்பிற்குள் சிக்கலான பட உருவாக்கக் கோரிக்கைகள் அல்லது பாணி பரிமாற்றப் பணிகளைக் கையாள்வதில் சாத்தியமான சிரமங்களைச் சுட்டிக்காட்டுகிறது.
• சீரற்ற பிழைகள்: குறிப்பிட்ட “Ghibli பாணி கிடைக்கவில்லை” செய்திக்கு அப்பால், பயனர்கள் மற்ற, குறைவான குறிப்பிட்ட பிழை செய்திகளின் வரம்பை எதிர்கொண்டனர், இது இந்த குறிப்பிட்ட படைப்பாற்றல் பணிக்கான நம்பகத்தன்மையற்ற உணர்விற்கு மேலும் பங்களித்தது.

இந்த போராட்டங்களுக்கும் ChatGPT பயனர்கள் Ghibli-ஈர்க்கப்பட்ட படங்களை உருவாக்கும் ஒப்பீட்டு எளிமைக்கும் இடையிலான கடுமையான வேறுபாடு ஒரு திறன் இடைவெளியை அடிக்கோடிட்டுக் காட்டியது. Gemini 2.5 Pro தர்க்கரீதியான பகுத்தறிவு அல்லது குறியீடு உருவாக்கத்தில் சிறந்து விளங்கினாலும், நுணுக்கமான, பாணி-குறிப்பிட்ட படைப்பாற்றல் காட்சிப் பணிகளில் ஈடுபடும் அதன் திறன் கணிசமாக குறைவாக வளர்ந்ததாகத் தோன்றியது, குறைந்தபட்சம் அதன் பொதுவில் அணுகக்கூடிய வடிவத்தில்.

ஆழமாகச் செல்லுதல்: பட உருவாக்க கட்டமைப்புகள் மற்றும் பாணி பிரதிபலிப்பு

செயல்திறனில் உள்ள வேறுபாடு இந்த AI அமைப்புகள் பட உருவாக்கம் மற்றும் பாணி பின்பற்றுதலை அணுகும் விதத்தில் உள்ள அடிப்படை வேறுபாடுகளிலிருந்து உருவாகலாம்.

• ஒருங்கிணைந்த எதிராக ஒருங்கிணைக்கப்பட்ட உருவாக்கம்: GPT-4o போன்ற மாதிரிகள் மிகவும் இறுக்கமாக ஒருங்கிணைக்கப்பட்ட பன்முறை கட்டமைப்பைக் கொண்டிருப்பதாகத் தெரிகிறது. மொழி புரிதல் மற்றும் பட உருவாக்கக் கூறுகள் மிகவும் ஒத்திசைவாகச் செயல்படலாம், இது “Ghibli” போன்ற ஒரு பாணியின் சொற்பொருள் அர்த்தத்தை மாதிரி சிறப்பாகப் புரிந்துகொள்ளவும், அதன் முக்கிய காட்சி கூறுகளை (மென்மையான விளக்குகள், குறிப்பிட்ட பாத்திர முன்மாதிரிகள், இயற்கை மையக்கருக்கள்) பிக்சல் தரவுகளாக மொழிபெயர்க்கவும் அனுமதிக்கிறது. இது ஒரு தனி படக் கருவியை ஒரு கட்டளையைச் செயல்படுத்தக் கேட்பது போன்றது அல்ல, மாறாக காட்சி உருவாக்கத்தில் நேரடியாகப் பங்கேற்கும் முக்கிய நுண்ணறிவு போன்றது.
• வெளிப்புற மாதிரி சார்பு (Imagen 3): Gemini-ன் Imagen 3-ஐ வெளிப்படையாகச் சார்ந்திருப்பது, ஒரு திறமையான ஜெனரேட்டரைப் பயன்படுத்தும் போது, சாத்தியமான உராய்வை அறிமுகப்படுத்துகிறது. இந்த செயல்முறை Gemini மொழி மாதிரி கோரிக்கையை விளக்கி, பின்னர் Imagen 3-க்கு வழிமுறைகளை அனுப்புவதை உள்ளடக்கியிருக்கலாம். இந்த ஒப்படைப்பு தகவல் இழப்பு அல்லது தவறான விளக்கத்திற்கு வழிவகுக்கும், குறிப்பாக அகநிலை அல்லது சிக்கலான ஸ்டைலிஸ்டிக் கோரிக்கைகளுக்கு. Imagen 3 ஒளிப்பட யதார்த்தம் அல்லது பொதுவான பட உருவாக்கத்திற்காக உகந்ததாக இருக்கலாம், ஆனால் ஒரு chat இடைமுகத்திற்குள் நுணுக்கமான உரை தூண்டுதல்களின் அடிப்படையில் உண்மையான கலைப் பாணி பிரதிபலிப்புக்குத் தேவையான குறிப்பிட்ட நுண்-சரிசெய்தல் அல்லது கட்டடக்கலை நெகிழ்வுத்தன்மை இல்லாமல் இருக்கலாம்.
• “பாணி”யின் சவால்: Studio Ghibli-ன் போன்ற ஒரு கலைப் பாணியைப் பிரதிபலிப்பது இயல்பாகவே சிக்கலானது. இது வண்ணங்கள் அல்லது வடிவங்களைப் பற்றியது மட்டுமல்ல; இது மனநிலை, வளிமண்டலம், பாத்திர உணர்ச்சி மற்றும் கதை உணர்வு போன்ற அருவமான குணங்களைப் பிடிப்பதை உள்ளடக்கியது. இதற்கு வடிவப் பொருத்தத்தை விட அதிகம் தேவைப்படுகிறது; இது தற்போதைய AI-ன் எல்லைகளைத் தள்ளும் காட்சி புரிதல் மற்றும் விளக்கத் திறனின் அளவைக் கோருகிறது. பயிற்சித் தரவுகளும் முக்கியமானவை; மாதிரி இலக்கு பாணிக்கு போதுமான வெளிப்பாட்டைக் கொண்டிருக்க வேண்டும், சரியாக லேபிளிடப்பட்டு சூழலில் புரிந்து கொள்ளப்பட வேண்டும், அதை திறம்படப் பிரதிபலிக்க வேண்டும். Google-ன் பயிற்சித் தரவுத்தொகுப்புகள் அல்லது மாதிரி கட்டமைப்பு தற்போது OpenAI-யுடன் ஒப்பிடும்போது இந்த குறிப்பிட்ட வகை படைப்பாற்றல் மாற்றத்திற்கு குறைவாக உகந்ததாக இருக்கலாம்.

Studio Ghibli: பிக்சல்களுக்கு அப்பாற்பட்ட ஒரு நீடித்த மரபு

அதன் பாணியைப் பிரதிபலிப்பது ஏன் இவ்வளவு விரும்பப்படும், ஆனால் கடினமான, அளவுகோலாக இருக்கிறது என்பதைப் புரிந்து கொள்ள, Studio Ghibli எதைக் குறிக்கிறது என்பதைப் பாராட்டுவது அவசியம். 1985 ஆம் ஆண்டில் புகழ்பெற்ற Hayao Miyazaki, மறைந்த Isao Takahata, மற்றும் தயாரிப்பாளர் Toshio Suzuki ஆகியோரால் நிறுவப்பட்ட Ghibli, வெறும் அனிமேஷனைத் தாண்டியது. இது ஒரு கலாச்சார நிறுவனமாக மாறியது, அதன் நுணுக்கமான கைவினைத்திறன், கட்டாயக் கதைகள் மற்றும் ஆழ்ந்த கருப்பொருள் ஆய்வுகளுக்காக உலகளவில் புகழ்பெற்றது.

Ghibli மரபை வரையறுக்கும் முக்கிய அம்சங்கள் பின்வருமாறு:

• கையால் செய்யப்பட்ட கலைத்திறன்: CGI-யால் பெருகிய முறையில் ஆதிக்கம் செலுத்தும் ஒரு சகாப்தத்தில், Ghibli அதன் வரலாற்றின் பெரும்பகுதிக்கு பாரம்பரிய கையால் வரையப்பட்ட அனிமேஷனுக்கு கடுமையாக உறுதியளித்தது, அதன் படங்களுக்கு ஒரு தனித்துவமான அரவணைப்பு, திரவத்தன்மை மற்றும் கரிம அமைப்பைக் கொடுத்தது. ஒவ்வொரு சட்டகமும் வேண்டுமென்றே, மனிதத் தொடுதலுடன் ஊடுருவியதாக உணர்கிறது.
• செழுமையான கதைசொல்லல்: Ghibli படங்கள் பெரும்பாலும் சிக்கலான பாத்திரங்களைக் கொண்டுள்ளன (குறிப்பாக வலுவான இளம் பெண் கதாநாயகிகள்), சிக்கலான கதைகள் மற்றும் தெளிவற்ற தார்மீக நிலப்பரப்புகள். அவை எளிய நல்லது-எதிர்-தீமை இருமைகளைத் தவிர்க்கின்றன, நுணுக்கமான மனித உணர்ச்சிகள் மற்றும் உந்துதல்களை ஆராய்கின்றன.
• கருப்பொருள் ஆழம்: பொதுவான கருப்பொருள்கள் சுற்றுச்சூழல்வாதம் மற்றும் இயற்கையுடனான மனிதகுலத்தின் உறவு (Nausicaä of the Valley of the Wind, Princess Mononoke), குழந்தைப்பருவத்தின் அதிசயங்கள் மற்றும் கவலைகள் (My Neighbor Totoro, Kiki’s Delivery Service), போர் மற்றும் வன்முறையின் விமர்சனம் (Grave of the Fireflies, Howl’s Moving Castle), மற்றும் அன்றாடத்தில் உள்ளார்ந்த மந்திரம் (Spirited Away) ஆகியவை அடங்கும்.
• கையெழுத்து காட்சிகள்: பொதுவான பாணிக்கு அப்பால், குறிப்பிட்ட காட்சி மையக்கருக்கள் மீண்டும் நிகழ்கின்றன: கற்பனையான உயிரினங்கள், விரிவான இயந்திரங்கள் (பெரும்பாலும் பறக்கும் கருவிகள்), பசுமையான இயற்கை நிலப்பரப்புகள், வாயில் நீர் ஊறவைக்கும் உணவின் சித்தரிப்புகள் மற்றும் அனிமேஷன் மூலம் வெளிப்படையான பாத்திர நடிப்பு.

My Neighbor Totoro, Spirited Away (ஒரு அகாடமி விருது வென்றவர்), Howl’s Moving Castle, Kiki’s Delivery Service, மற்றும் Princess Mononoke போன்ற படங்கள் வெறும் அனிமேஷன் திரைப்படங்கள் அல்ல; அவை உலகளாவிய கலாச்சாரத்தில் அழியாத முத்திரையைப் பதித்த சினிமா அனுபவங்கள். ஒரு படத்தை “Ghiblify” செய்ய முயற்சிப்பது, எனவே, கலைத்திறன் மற்றும் உணர்ச்சியின் இந்த வளமான நரம்பைத் தட்டுவதற்கான ஒரு முயற்சியாகும், இது AI-ன் வெற்றி அல்லது தோல்வியை ஒரு தொழில்நுட்பத்தை விட அதிகமாக ஆக்குகிறது - இது ஆழமாக வேரூன்றிய கலாச்சார அழகியலுடன் இணைவதற்கான அதன் திறனின் அளவீடு ஆகும்.

பரந்த தாக்கங்கள்: படைப்பாற்றல் AI மற்றும் முன்னோக்கிய பாதை

Gemini 2.5 Pro-வின் Ghibli பாணியுடனான போராட்டங்களின் குறிப்பிட்ட வழக்கு, ஒரு முக்கியமற்ற பிரச்சினையாகத் தோன்றினாலும், உருவாக்கும் AI-ன் தற்போதைய நிலை மற்றும் பாதை பற்றிய பரந்த நுண்ணறிவுகளை வழங்குகிறது:

• பன்முறை புரிதல் எதிராக உருவாக்கம்: பல்வேறு தரவு வகைகளை (உரை, படம், ஆடியோ, வீடியோ, குறியீடு) புரிந்துகொள்ளும் Gemini-ன் திறனை Google வலியுறுத்துவது குறிப்பிடத்தக்கது. இருப்பினும், இந்த சோதனை, புரிதல் தானாகவே அனைத்து முறைகளிலும் சமமாக அதிநவீன உருவாக்கமாக மொழிபெயர்க்கப்படாது என்பதை எடுத்துக்காட்டுகிறது, குறிப்பாக மிகவும் நுணுக்கமான கலை களங்களில். ஒரு படத்தை பகுப்பாய்வு செய்வதற்கும், குறிப்பிட்ட, சிக்கலான ஸ்டைலிஸ்டிக் தேவைகளுடன் ஒன்றை உருவாக்குவதற்கும் இடையில் ஒரு இடைவெளி உள்ளது.
• சிறப்புப் பந்தயம்: AI மாதிரிகள் மிகவும் சக்திவாய்ந்ததாக மாறும்போது, நாம் பெருகிய முறையில் சிறப்புத்தன்மையைக் காணலாம். சில மாதிரிகள் பரந்த, பொதுவான நுண்ணறிவை நோக்கமாகக் கொண்டாலும் (Gemini பகுத்தறிவு மற்றும் தர்க்கத்தில் கவனம் செலுத்துவது போல), மற்றவை குறிப்பிட்ட படைப்பாற்றல் முக்கியத்துவங்களில் சிறந்து விளங்கலாம் (ChatGPT-ன் தற்போதைய சில காட்சி பாணிகளில் உள்ள விளிம்பு போல). குறிப்பிட்ட கலைப் பாணிகளை உண்மையாகப் பிரதிபலிக்கும் திறன் படைப்பாற்றல் AI தளங்களுக்கு ஒரு முக்கிய வேறுபாடாக மாறக்கூடும்.
• பயனர் எதிர்பார்ப்புகள் எதிராக யதார்த்தம்: ChatGPT வழியாக Ghibli-மயமாக்கலின் வைரல் வெற்றி உயர் பயனர் எதிர்பார்ப்புகளை அமைத்தது. Gemini 2.5 Pro போன்ற ஒரு பெரிய புதிய மாதிரி இந்த பிரபலமான திறனை வழங்கத் தவறும்போது, அது மற்ற பகுதிகளில் அதன் பலங்களைப் பொருட்படுத்தாமல் பயனர் பார்வையைப் பாதிக்கலாம். AI நிறுவனங்கள் இந்த எதிர்பார்ப்புகளை நிர்வகிக்க வேண்டும், அதே நேரத்தில் தங்கள் தொழில்நுட்பத்தின் தற்போதைய வரம்புகளை தெளிவாகத் தெரிவிக்க வேண்டும்.
• ஒருங்கிணைப்புத் தடை: AI திறன்கள் ஒருங்கிணைக்கப்பட்டு பயனருக்கு வழங்கப்படும் விதம் மிகவும் முக்கியமானது. மொழி புரிதல் இயற்கையாகவே பட உருவாக்கத்திற்குள் பாயும் ஒரு தடையற்ற, உள்ளுணர்வு இடைமுகம் (இந்த பணிக்காக ChatGPT/GPT-4o-ஆல் அடையப்பட்டதாகத் தெரிகிறது) வெவ்வேறு அடிப்படை மாதிரிகள் (Gemini மற்றும் Imagen 3 போன்றவை) குறைவான திரவத்தன்மையுடன் தொடர்பு கொள்ளக்கூடிய ஒரு அமைப்புடன் ஒப்பிடும்போது ஒரு சிறந்த பயனர் அனுபவத்தை வழங்குகிறது.
• Google-ன் படைப்பாற்றல் AI பாதை: Gemini 2.5 Pro பகுத்தறிவில் ஒரு படி முன்னேற்றத்தைக் குறிக்கும் அதே வேளையில், இந்த அத்தியாயம் Google போட்டியாளர்களால் நிரூபிக்கப்பட்ட அணுகக்கூடிய, படைப்பாற்றல் காட்சி உருவாக்கத் திறன்களுடன் பொருந்துவதற்கு இன்னும் தரை மறைக்க வேண்டும் என்று அறிவுறுத்துகிறது. Gemini மற்றும் Imagen-ன் எதிர்கால மறு செய்கைகள் இந்த இடைவெளியைக் குறைப்பதில் கவனம் செலுத்தும், ஒருவேளை ஆழமான ஒருங்கிணைப்பு மற்றும் கலைப் பாணி பின்பற்றுதலுக்கான குறிப்பிட்ட பயிற்சி மூலம்.

இறுதியில், Studio Ghibli-ன் மந்திரத்தை டிஜிட்டல் முறையில் பிரதிபலிக்கும் தேடல் பெரிய AI புரட்சியின் ஒரு கவர்ச்சிகரமான நுண் உலகமாக செயல்படுகிறது. இது தொழில்நுட்பத் திறனின் எல்லைகளைத் தள்ளுகிறது, அதே நேரத்தில் படைப்பாற்றல், ஏக்கம் மற்றும் பிரியமான கலை வடிவங்களுடனான தொடர்புக்கான ஆழமாக வேரூன்றிய மனித ஆசைகளைத் தட்டுகிறது. Google-ன் Gemini 2.5 Pro பகுப்பாய்வு களங்களில் வாக்குறுதியைக் காட்டினாலும், Totoro அல்லது Chihiro-ன் ஆவியை பிக்சல்களில் எளிதில் வரவழைக்க அதன் தற்போதைய இயலாமை, உண்மையிலேயே பல்துறை மற்றும் கலைநயமிக்க AI நோக்கிய பயணம் இன்னும் நடந்து கொண்டிருக்கிறது என்பதை நமக்கு நினைவூட்டுகிறது. போட்டி, இருப்பினும், இந்தப் பயணம் மூச்சடைக்கக்கூடிய வேகத்தில் தொடரும் என்பதை உறுதி செய்கிறது.