AI से बने चेहरे असली लोगों के लिए नौकरी पाना कठिन बना सकते हैं

यह जानने के लिए वैज्ञानिकों की जरूरत नहीं कि आकर्षक रूप अवसरों के दरवाजे खोलता है। जीवन में कभी न कभी आप इससे लाभान्वित या नुकसान उठाने वाले रहे होंगे। इसी तरह यह भी स्पष्ट है कि AI से बने चेहरे अक्सर असली लोगों से अधिक आकर्षक होते हैं। इसके कई कारण हैं, जिनमें मनुष्यों की बनाई पसंद और प्रक्रियाएँ शामिल हैं।

फिर भी, अमेरिका के एक नए अकादमिक सहयोग ने आज मेरा ध्यान खींचा। इसमें प्रमाण दिए गए हैं कि AI की बनाई सुंदरता असली लोगों से नौकरी के साक्षात्कार के अवसर छीन सकती है। 570 लोगों के अध्ययन में, पहले असाधारण आकर्षक AI चेहरे देखने वालों ने बाद में वास्तविक आवेदकों को नौकरी के लिए कम उपयुक्त और कम भरोसेमंद माना। साक्षात्कार देने की उनकी इच्छा 77.4% से घटकर 72.5% हुई, जबकि वे बिल्कुल उन्हीं आवेदकों का मूल्यांकन कर रहे थे।

अध्ययन के AI-निर्मित चेहरों के उदाहरण, जो आकर्षण अंकों में बड़ा अंतर दिखाते हैं। शोधकर्ताओं ने 27 चित्र जनरेटर सामान्य प्रॉम्प्ट से जाँचे, जिनमें सुंदरता का उल्लेख नहीं था। ऊपरी पंक्ति में स्वचालित प्रणालियों से सबसे ऊँचे आकर्षण अंक पाने वाले कुछ चेहरे हैं; निचली में सबसे कम अंक पाने वाले कुछ चेहरे। चित्र में सभी आठ लोग AI से बने हैं, वास्तविक नहीं। स्रोत

शोधकर्ताओं ने विभिन्न व्यावसायिक और खुले वज़न वाले मॉडलों के चित्रों से यह भी जाँचा कि AI के चेहरे वास्तविक चेहरों की तुलना में कितने आकर्षक लगते हैं। 550 लोगों से असली तस्वीरों के साथ AI चेहरे आँकने को कहा गया, और कृत्रिम चेहरों को लगातार अधिक अंक मिले। एक अतिरिक्त तुलना में उपयुक्त मापदंडों ने पाया कि AI के 37% महिला चेहरे सामान्य पेशेवर फैशन मॉडल से अधिक आकर्षक आँके गए।

27 चित्र जनरेटरों में AI चेहरों और पेशेवर फैशन मॉडलों की तुलना। स्वचालित आकर्षण मापों के आधार पर चित्र दिखाता है कि कितने प्रतिशत निर्मित चेहरे पेशेवर मॉडल की माध्यिका से ऊँचे अंक पाते हैं। काले बिंदु सभी निर्मित चेहरे और पीले वृत्त केवल महिला चेहरे दर्शाते हैं। कुल 23% चेहरे इस मानक से ऊपर थे; महिलाओं के लिए यह 37% था। टूटी रेखाएँ इन दो औसतों को दिखाती हैं।

शोधपत्र^† कहता है:

“हमने 2022 से 2026 के बीच जारी 27 टेक्स्ट-टू-इमेज जनरेटरों की जाँच ऐसे सरल प्रॉम्प्ट से की जो आकर्षण या सुंदरता का कभी उल्लेख नहीं करते। मुख्य और पूरक तुलनाओं में 51,300 निर्मित चेहरे और असली लोगों की 160,196 तस्वीरें विश्लेषित की गईं।

“हमने तीन स्वचालित माप इस्तेमाल किए और कुछ चित्रों पर 550 मानव मूल्यांकनकर्ताओं की रेटिंग जुटाई।

“स्वचालित मापों पर लगभग सभी जनरेटरों ने तस्वीरों के चेहरों से अधिक अंक पाने वाले चेहरे बनाए। मानव मूल्यांकनकर्ताओं ने सभी 23 जनरेटरों के परिणामों को तस्वीरों से सांख्यिकीय रूप से अधिक आकर्षक माना, अनेक तुलनाओं के लिए समायोजन के बाद भी।

“लिंग पर केंद्रित विश्लेषण में पाया गया कि महिला-निर्दिष्ट प्रॉम्प्ट से बने 37% चेहरे पेशेवर फैशन मॉडल की माध्यिका से ऊपर थे।”

लेखक यह भी कहते हैं कि मानव और AI विशेषज्ञ इस पर असहमत होकर बहस कर सकते हैं कि ‘सुंदर’ श्रेणी में सबसे ऊपर कौन है। लेकिन ‘आकर्षक नहीं’ या ‘बहुत थोड़ा आकर्षक’ वाली अंक-सीमा में ऐसा बारीक भेद नहीं होता। तुलना में वह एक सामान्य कूड़ेदान जैसी श्रेणी है*:

“सबसे अधिक मूल्यवान माने जाने वाले लोगों की तुलना में सबसे कम मूल्यवान माने जाने वालों पर मापों के बीच अधिक सहमति, फैशन मॉडलिंग जैसे क्षेत्रों में सौंदर्य-वर्गीकरण की एक महत्वपूर्ण विशेषता से मिलती है: किसकी शक्ल को कम महत्व मिलता है, इसमें बार-बार असमानता पैदा करने के लिए लोगों और संस्थाओं का एक आदर्श पर सहमत होना जरूरी नहीं।”

चेहरों का मूल्य

अध्ययन के कई निष्कर्ष संदर्भ-आधारित और सापेक्ष अनुभूति के सामान्य मानव अनुभव को दोहराते हैं। मसलन, स्कूल में सबसे बुद्धिमान या आकर्षक रहे व्यक्ति के लिए आइवी लीग विश्वविद्यालय में प्रवेश आसपास का स्तर बहुत बढ़ा सकता है और नए समूह में उसकी सापेक्ष स्थिति गिर सकती है।

लेकिन दुनिया ऐसे AI-निर्मित लोगों से नहीं भरी जो सचमुच घूमते हों और नौकरी के साक्षात्कार में हाड़-माँस के लोगों को किनारे कर रहे हों। तो जनरेटिव AI की सुंदरता की यह सांस्कृतिक घटना कैसे फर्क डाल सकती है?

इस चिंताजनक संभावना के अलावा कि लोग ‘AI मानक’ के करीब जाने के लिए प्लास्टिक सर्जरी करा सकते हैं, अध्ययन का प्रभाव AI से पहले की फिल्मों, टीवी, फैशन और मानव संस्कृति के दूसरे दिखने वाले, प्रभावशाली क्षेत्रों की सौंदर्य-संस्कृति जैसा है। हम अवास्तविक शारीरिक आदर्शों से घिरे थे और हैं, तथा इसे संकेत और शोर की समस्या की तरह सँभालना सीखते हैं। फिल्मी सितारों के सपने देखते हैं, लेकिन शादी उसी से करते हैं जिससे संभव हो।

शोधपत्र AI की अपनी दृश्य सौंदर्य-दृष्टि के बढ़ते प्रभाव को इसी संदर्भ में बताता है*:

“यदि निर्मित चेहरे वास्तविक चेहरों से अधिक आकर्षक हों और वह आकर्षण असमान भी हो, तो [the]सवाल उठता है: असली लोगों के मूल्यांकन पर क्या परिणाम होंगे? बहुत चुनिंदा या संपादित चित्र देखना रूप की तुलना और बाद के निर्णय को बदलता है। पुराने कंट्रास्ट प्रयोग दिखाते हैं कि बेहद आकर्षक लोगों को देखने से बाद के आकर्षण संबंधी निर्णय नीचे जा सकते हैं।

“जनरेटिव AI एक ही सौंदर्य-प्रक्रिया से बने अलग-अलग चेहरों की लगातार धाराएँ दे सकता है। इन चेहरों को देखने से असली लोगों के महत्वपूर्ण परिणाम वाले मूल्यांकन बदलते हैं या नहीं, यह अस्पष्ट है।”

लेखक कोई खास उपाय नहीं सुझाते। वे और शोध की माँग करते हैं ताकि पता चले कि AI की सुंदरता कब असली लोगों पर हमारे फैसले बदलती है, कृत्रिम चेहरों की कौन-सी विशेषताएँ यह प्रभाव पैदा करती हैं, और क्या परिणाम नकली भर्ती प्रयोग के बाहर भी लागू होंगे।

विधि और डेटा चयन

यह पता करने के लिए कि AI चित्र जनरेटर आकर्षक चेहरों को कितनी व्यापकता से प्राथमिकता देते हैं, शोधकर्ताओं ने 2022–2026 में आए 27 सिस्टम जाँचे: Stable Diffusion 1.5, 2.1, XL, 3, 3.5-medium, 3.5-large और 3.5-large-turbo; FLUX.1 dev और schnell, FLUX.2, FLUX.2-klein 9B, FLUX.2-klein 4B; GPT Image 1.5, GPT Image 2; Grok Image, Grok Imagine; Nano Banana 2, Nano Banana Pro; Midjourney v6, v7, v8; PixArt-Sigma; Playground 2.5; HunyuanDiT; Qwen-Image; Sana; और Lumina-2।

सभी सिस्टमों में एक ही सरल प्रॉम्प्ट से पुरुष और महिला वर्गों की 14 जनसांख्यिकीय श्रेणियों तथा आठ व्यवसायों (डॉक्टर; वकील; पशु चिकित्सक; फार्मासिस्ट; रसोइया; निर्माण मजदूर; नर्स और खुदरा कर्मचारी) के चित्र बनवाए गए, बिना सुंदरता या आकर्षण का उल्लेख किए।

जनसांख्यिकी, लिंग या व्यवसाय की जानकारी छोड़ने वाले प्रॉम्प्ट भी जाँचे गए। विश्लेषण के लिए कुल 51,300 चित्र बने।

तुलना के लिए FairFace; IdenProf; SCUT-FBP5500; MEBeauty; Chicago Face Database और उसके बहुजातीय व भारतीय विस्तार; तथा Face Research Lab London Set से 94,249 तस्वीरें ली गईं। 89,435 तस्वीरों में उपयोग योग्य चेहरे पाए गए।

नए अध्ययन के छह डेटासेटों में से एक, SCUT-FBP5500 के विविध पश्चिमी और एशियाई चेहरे। स्रोत

अतिरिक्त तुलनाओं में 10k US Adult Faces Database; पेशेवर फैशन मॉडलों की 15,182 तस्वीरों का संग्रह; LookismBench-SyntheticFaces; FFHQ; और StyleGAN2 इस्तेमाल हुए। मॉडल तस्वीरों को ‘ऊँचे आकर्षण’ का मानक बनाया गया, बाकी संग्रहों का अलग विश्लेषण कर आकर्षण मापों को परखा गया और आगे तुलना की गई।

चेहरे MTCNN से पहचानकर काटे गए, फिर मानकीकृत किए गए। आकर्षण को SCUT-FBP5500 और MEBeauty पर प्रशिक्षित ResNet-50 मॉडलों तथा CelebA टिप्पणियों पर प्रशिक्षित SwinFace से आँका गया।

स्वचालित अंक मानव राय से मेल खाते हैं या नहीं, यह जाँचने के लिए अमेरिका के 550 वयस्कों ने 1,374 चुने हुए वास्तविक और AI चेहरों का मूल्यांकन किया।

अलग प्रयोग में 570 अमेरिकी वयस्कों को तीन समूहों में बाँटकर वास्तविक तस्वीरों, सँवारी हुई तस्वीरों या AI चेहरों वाले आवेदक दिखाए गए। बाद में तीनों समूहों ने उन्हीं वास्तविक आवेदकों को आँका, जिससे भर्ती निर्णयों के अंतर मापे जा सके। अध्ययन के मुख्य विश्लेषण पहले से पंजीकृत थे।

परीक्षण

दोनों मुख्य आकर्षण मापों पर 27 में से 24 जनरेटरों के AI चेहरों को वास्तविक तस्वीरों से सांख्यिकीय रूप से अधिक अंक मिले। नीचे दिखाए अनुसार CelebA/SwinFace माप ने भी इसकी पुष्टि की:

27 चित्र जनरेटरों में AI चेहरे और वास्तविक तस्वीरों के आकर्षण का अंतर, तीन स्वचालित मापों के औसत कोहेन d अंकों के रूप में। धनात्मक मान निर्मित चेहरों के अधिक आकर्षण अंक दर्शाते हैं।

शोधपत्र के अनुसार तीनों मापों में 13 जनरेटरों के चेहरे वास्तविक तस्वीरों से एक मानक विचलन से भी अधिक ऊपर आँके गए। हालांकि Nano Banana Pro, Grok Image या Nano Banana 2 में कोई बढ़त नहीं मिली।

असाधारण आकर्षक चेहरे बनाने की प्रवृत्ति नए Midjourney और OpenAI मॉडलों में कम थी। दूसरी ओर, खुले वज़न वाले मॉडलों में प्रभाव OpenAI, Google, Midjourney और xAI के व्यावसायिक उत्पादों से लगभग दोगुना था।

मानव मूल्यांकन में विश्वसनीय तुलना के लिए पर्याप्त चित्र वाले सभी 23 जनरेटरों के चेहरे वास्तविक तस्वीरों से अधिक आकर्षक माने गए। 1 (सबसे कम आकर्षक) से 7 (सबसे आकर्षक) के पैमाने पर वास्तविक चेहरों का औसत 3.10 था, जबकि जनरेटर के अनुसार AI चेहरे 0.34 से 2.06 अंक ऊपर रहे, जैसा नीचे है:

23 AI चित्र जनरेटरों के चेहरों की मानव आकर्षण रेटिंग, 1 से 7 के पैमाने पर। जनरेटर वास्तविक तस्वीरों के औसत से ऊपर हैं, जिसे नीली टूटी रेखा दिखाती है। लाल बिंदु औसत रेटिंग और क्षैतिज पट्टियाँ हर औसत के आसपास की अनिश्चितता हैं।

सभी छह नस्ली और जातीय श्रेणियों में AI चेहरों को ऊँची मानव रेटिंग मिली (नीचे ग्राफ देखें)। यह Nano Banana Pro, Grok Image और Nano Banana 2 पर भी लागू था, जिनके चेहरे स्वचालित जाँच में असली तस्वीरों से ऊपर नहीं थे:

छह नस्ली और जातीय श्रेणियों में AI चेहरों (लाल) और वास्तविक तस्वीरों (नीला) की मानव आकर्षण रेटिंग। हर श्रेणी में AI का औसत अधिक है, सात अंकों के पैमाने पर 0.74 से 1.37 अंक का अंतर है। खड़ी पट्टियाँ हर औसत के आसपास की अनिश्चितता दिखाती हैं।

नए मॉडलों के लिए भी मानव और स्वचालित परिणाम अलग थे। OpenAI के GPT Image 1.5 और GPT Image 2 में बहुत कम अंतर था, जबकि Midjourney संस्करण 6, 7 और 8 में आकर्षण अंक क्रमशः बढ़े।

अर्थात लोगों ने नए AI मॉडलों को अब भी असाधारण आकर्षक चेहरे बनाने वाला माना, जबकि स्वचालित माप इस प्रवृत्ति के कम होने का संकेत देते थे।

अनुचित बढ़त

अंतिम प्रयोग ने जाँचा कि आकर्षक AI चेहरे देखने से असली नौकरी आवेदकों का मूल्यांकन बदल सकता है या नहीं।

‘ग्राहक सफलता सहयोगी’ की नकली रिक्ति के लिए 570 अमेरिकी वयस्क तीन समूहों में बाँटे गए। चार समान आवेदकों को आँकने के बाद हर समूह को आठ प्रोफाइल दिखाए गए, जिनमें वास्तविक, सँवारी हुई तस्वीरें या AI चेहरे थे। AI चेहरों को पहले आकर्षण के सात में से 5.75 अंक मिले थे, जबकि वास्तविक तस्वीरों को 2.99। सँवारी तस्वीरों को Facetune के One-tap Enhance फीचर पर आधारित प्रभाव से चिकना और चमकीला बनाया गया था।

बारह और आवेदक शामिल किए गए, जिनकी तस्वीरें और योग्यताएँ तीनों समूहों में समान थीं। उद्देश्य था जाँचना कि अलग प्रकार के चित्र देखना भर्ती निर्णयों को बदलता है या नहीं।

AI चेहरों वाले आवेदकों को रोजगार-उपयुक्तता और भरोसे की कुछ ऊँची रेटिंग मिली, लेकिन साक्षात्कार निमंत्रण में महत्वपूर्ण वृद्धि नहीं मिली। हालांकि ऐसे चेहरे देखने के बाद वही वास्तविक आवेदक नौकरी के लिए कम उपयुक्त और कम भरोसेमंद आँके गए, और साक्षात्कार निमंत्रण 77.4% से घटकर 72.5% हो गए:

भर्ती परीक्षण के परिणाम, जो अलग चेहरे देखने के बाद वास्तविक आवेदकों की मानी गई रोजगार-उपयुक्तता, विश्वसनीयता और साक्षात्कार संभावना में परिवर्तन दिखाते हैं। AI चेहरे देखने के बाद मूल्यांकन घटा, सँवारी तस्वीरों के बाद नहीं। बिंदु वास्तविक फोटो नियंत्रण समूह से अंतर और खड़ी रेखाएँ 95% विश्वास अंतराल दर्शाती हैं।

सँवारी तस्वीरें देखने के बाद ऐसा पतन नहीं दिखा। यानी अपने सबसे अच्छे रूप में दिख रहे माने जाने वाले वास्तविक इंसानों ने AI चित्रों की तरह ‘मानक ऊँचा’ नहीं किया।

लेखक कहते हैं:

“AI चेहरों के साथ जोड़े उम्मीदवारों को सीधी रेटिंग केवल कुछ बेहतर मिली, लेकिन वे चेहरे देखने वाले प्रतिभागियों ने बाद में उन्हीं वास्तविक उम्मीदवारों को तीनों परिणामों पर अधिक नकारात्मक आँका।

“AI उम्मीदवारों को स्वयं सीधी विश्वसनीयता रेटिंग कुछ अधिक मिली, इसलिए AI-चेहरे वाले प्रोफाइलों से साधारण व्यापक नापसंदगी इसका कम संभावित कारण है।

“फिर भी, प्रयोग यह बताता है कि देखना मायने रखता था, यह नहीं कि क्यों।”

निष्कर्ष

व्यक्तिगत अनुभव में, मेरे शहर के सड़क किनारे विज्ञापनों में AI पात्र छा चुके हैं, लेकिन वह 2D कला है। TV और फिल्मों में डिफ्यूज़न-आधारित जनरेटिव वीडियो का उपयोग मौजूदा कानूनी और नैतिक बाधाएँ पार करेगा या नहीं, यह देखना बाकी है। यदि करेगा, तो बहुत अधिक AI-निर्मित या AI-संवर्धित अभिनेता ‘सौंदर्य का मानक बढ़ा’ सकते हैं और नए शोधपत्र के ‘आसपास छाई AI सुंदरता’ वाले परिदृश्य को सच कर सकते हैं।

सिद्धांत नया नहीं, लेकिन स्वचालन की क्षमता नई है। ऐसे में वर्तमान या पूर्व वास्तविक हस्तियों, मॉडलों और सार्वजनिक प्रतिनिधियों का सार निकाला जा सकता है, उनकी प्रतियाँ या ‘बेहतर’ रूप बनाए जा सकते हैं और महँगी अनुबंध वार्ता के बिना व्यापक प्रसार किया जा सकता है। लेकिन वह भविष्य अभी आया नहीं है, यदि आएगा भी।

^† इसका शीर्षक है जनरेटिव AI सुंदरता का पक्षपात पैदा करता और फैलाता है, और इसे कॉर्नेल, फ्लोरिडा विश्वविद्यालय तथा पेंसिल्वेनिया विश्वविद्यालय के आठ शोधकर्ताओं ने लिखा है।

* लेखकों के पाठ के भीतर दिए संदर्भों को मैंने हाइपरलिंक में बदला है।

पहली बार प्रकाशित: सोमवार, 19 अक्टूबर 2026