سه نشانه برای تشخیص عکس‌های ساخته‌شده با هوش مصنوعی
در جهانی که تصاویر جعلی می‌توانند منجر به تصمیم‌های فاجعه‌بار شوند، پروفسور هانی فرید سه روش اصلی برای شناسایی عکس‌های تولیدشده با هوش مصنوعی معرفی می‌کند؛ روشی علمی برای حفظ حقیقت در برابر موج فریب‌های دیجیتال.
تحریریه حرف مرد: تصاویر جعلی و تولیدشده با هوش مصنوعی می‌توانند از نسبتاً بی‌ضرر تا مخرب یا حتی به‌شدت خطرناک باشند. اغراق نیست اگر بگوییم این تصاویر می‌توانند پیامدهای واقعی در دنیای واقعی داشته باشند، حتی پیامدهایی مرگبار.
کارشناس جرم‌شناسی دیجیتال، پروفسور هانی فرید، اخیراً در سخنرانی‌ای، روش‌هایی را برای تشخیص عکس‌های جعلی توضیح داده است؛ آن‌طور که خودش می‌گوید، این‌ها بخشی از «مبارزه برای حقیقت» هستند.
فرید که به‌عنوان یک متخصص قابل‌اعتماد برای کمک به افراد و سازمان‌ها در تعیین صحت عکس‌های دیجیتال شناخته می‌شود، در یکی از سخنرانی‌های اخیر خود در TED تکنیک‌های کلیدی‌ای را که او و تیمش برای بررسی صحت یک تصویر استفاده می‌کنند، شرح داد.
او در مثالی برای نشان دادن موقعیت‌های واقعی‌ای که در آن باید به‌سرعت و با دقت تشخیص داد یک تصویر واقعی است یا خیر، چنین می‌گوید: «فرض کنید شما یک افسر ارشد نظامی هستید و به‌تازگی پیامی هولناک در شبکه‌های اجتماعی دریافت کرده‌اید. چهار نفر از سربازان شما گروگان گرفته شده‌اند و اگر تا ۱۰ دقیقه‌ی آینده به خواسته‌ها پاسخ داده نشود، آن‌ها اعدام خواهند شد.»
فرید ادامه می‌دهد: «تنها چیزی که در اختیار دارید، یک عکس دانه‌دانه و مبهم است.» زمان کافی برای بررسی اینکه آیا واقعاً چهار سرباز مفقود شده‌اند وجود ندارد. زمان حیاتی است و تهدید بسیار جدی. پس باید چه کرد؟
در این تصویر، چهار نفر با دستان بسته روی زمین نشسته‌اند، درحالی‌که روبه‌روی آن‌ها فردی ایستاده با لباس نظامی، در اتاقی کم‌نور با دیواری بتنی و پنجره‌ای میله‌دار.
سه روش کلیدی برای تشخیص اصالت عکس‌ها
فرید از این تصویر تولیدشده با هوش مصنوعی استفاده می‌کند تا سه روش کلیدی را برای تشخیص اصالت عکس‌ها توضیح دهد.
او می‌پرسد: «اولین واکنش شما چیست؟» و پاسخ می‌دهد: «اگر اجازه بدهید صریح بگویم، اولین واکنش شما باید تماس با فردی مثل من و تیمم باشد.»
فرید، استاد دانشگاه برکلی، یک ریاضی‌دان کاربردی و دانشمند کامپیوتر است و این موضوع او را برای علم بررسی تصاویر جعلی، کاملاً مستعد کرده است. او در ۳۰ سال گذشته به بررسی و توسعه‌ی روش‌هایی برای اصالت‌سنجی تصاویر پرداخته است؛ از عکس‌های دستکاری‌شده با فتوشاپ گرفته تا محتوای تولیدی امروزی با هوش مصنوعی.
او می‌گوید: «در گذشته، ماهی یک بار پرونده‌ای روی میزم قرار می‌گرفت. بعد شد هفته‌ای یک بار. حالا تقریباً هر روز با چنین پرونده‌هایی مواجه می‌شوم.»
همچنین بخوانید: تفکر در حال تبدیل شدن به یک کالای لوکس است!
این افزایش چشمگیر تقاضا برای خدمات تخصصی او عمدتاً به‌دلیل رشد سریع هوش مصنوعی تولیدگر است. با این حال، رسانه‌های اجتماعی نیز نقش مهمی دارند، زیرا افراد را به اشتراک‌گذاری سریع تصاویر بدون توجه به صحت آن‌ها ترغیب می‌کنند.
فرید می‌گوید: «ما درگیر یک جنگ جهانی برای حقیقت هستیم. جنگی با پیامدهای عمیق برای افراد، نهادها، جوامع و دموکراسی‌ها.»
درحالی‌که ویرایش تصاویر چیز جدیدی نیست — عکاسان قرن نوزدهم نیز تصاویر را دستکاری می‌کردند — اما سهولت و سرعت تولید تصاویر واقع‌گرایانه در عصر هوش مصنوعی تولیدگر، شگفت‌انگیز و البته خطرناک است.
با توجه به نحوه‌ی عملکرد مولدهای تصویر هوش مصنوعی، فرید می‌تواند با سه روش اصلی تشخیص دهد که آیا تصویر واقعی است یا خیر.
اولین روش به نویز دیجیتال باقیمانده مربوط می‌شود. دوربین‌های دیجیتال واقعی الگوهای نویز خاصی دارند که ناشی از حسگر تصویر و شیوه‌ی ثبت عکس‌ها هستند. اما تصاویر تولیدشده با هوش مصنوعی حاصل مدل‌هایی هستند که طی فرایندی طولانی، یاد گرفته‌اند چگونه از یک تصویر پرنویز، عکسی معمولی و معنادار بسازند که با دستور کاربر مطابقت داشته باشد. این مدل‌ها از روشی به نام «رفع نویز مشروط» استفاده می‌کنند.
فرید می‌گوید: «این فرآیند فوق‌العاده است، اما مطلقاً شبیه به نحوه‌ی واقعی ثبت یک عکس نیست.»
بنابراین یکی از اولین چیزهایی که فرید و تیمش بررسی می‌کنند، این است که آیا الگوی نویز باقیمانده در تصویر با رفتار یک دوربین واقعی همخوانی دارد یا با الگویی مشابه تصویر تولیدشده با هوش مصنوعی مطابقت دارد.
اما هیچ تکنیک قانونی‌ای کامل نیست، بنابراین فرید و تیمش روش‌های دیگر را نیز به کار می‌گیرند، از جمله بررسی نقاط گریز و سایه‌ها.
فرید توضیح می‌دهد که هوش مصنوعی مفهوم نقاط گریز را درک نمی‌کند. چون تصاویر را از طریق یک فرآیند آماری و رفع نویز تولید می‌کند و درکی انسان‌گونه از هندسه و فیزیک ندارد. به همین دلیل، تصاویر تولیدی فاقد نقاط گریز منسجم هستند.
او می‌گوید: «هوش مصنوعی اساساً فیزیک و هندسه‌ی جهان را مدل‌سازی نمی‌کند، به همین دلیل به‌راحتی این قوانین را نقض می‌کند.»
سایه‌ها نیز از دیدگاه او شباهت زیادی به نقاط گریز دارند، بنابراین هنگام تجزیه‌وتحلیل تصاویر، آن‌ها را نیز بررسی می‌کند.
در تصویر نمونه‌ای که چهار گروگان ادعایی را نشان می‌دهد، سه نشانه‌ی بارز تصویر تولیدشده با هوش مصنوعی به چشم می‌خورد: الگوی نویز غیرواقعی، نبود نقطه‌ی گریز مشخص و سایه‌هایی که با فیزیک دنیای واقعی همخوانی ندارند.
فرید می‌گوید که اگرچه ممکن نیست همه‌ی مردم یک‌شبه متخصص تحلیل قانونی تصاویر دیجیتال شوند، اما او و تیمش در حال توسعه‌ی ابزارهایی هستند تا به روزنامه‌نگاران و دادگاه‌ها کمک کنند تصاویر جعلی را با اطمینان بیشتری شناسایی کنند. به گفته‌ی فرید، ابتکار «اصالت محتوا» (Content Authenticity Initiative) در حال تلاش برای تضمین اصالت تصاویر در لحظه‌ی ثبت آن‌هاست، تا افراد بتوانند با کمک برچسب‌های اصالت (Content Credentials)، سریع‌تر عکس‌های واقعی را تشخیص دهند.
هیچ روش سریع و صددرصد دقیقی وجود ندارد که در تمام شرایط بتواند تشخیص دهد یک تصویر واقعی است یا جعلی. اما با ترکیب چندین رویکرد، می‌توان تصویر تولیدشده با هوش مصنوعی را شناسایی کرد.
منبع: PetaPixel
