روش‌های شناسایی تصاویر ساخته‌شده توسط هوش مصنوعی
تصاویر تولیدشده با هوش مصنوعی به سرعت در حال تصاحب شبکه‌های اجتماعی هستند و واقع‌گرایی روزافزون آنها تشخیص تصاویر جعلی را دشوار کرده است.
به گزارش هفت صبح و به نقل از رکنا، تصاویر ساخته‌شده با هوش مصنوعی به‌طور گسترده در حال اشغال فضای اینترنت هستند. این تصاویر به‌عنوان نوعی هرزنامه دیجیتال، در شبکه‌های اجتماعی روزبه‌روز بیشتر دیده می‌شوند.
طبق گزارش‌های منتشرشده، اگرچه نخستین نرم‌افزارهای هوش مصنوعی مولد در سال ۲۰۲۲ معرفی شدند، اما تنها در همین مدت کوتاه، بیش از ۱۵ میلیارد تصویر تولیدشده توسط این فناوری در فضای مجازی منتشر شده است.
بر اساس تازه‌ترین گزارش شرکت اوپن‌ای‌آی، روزانه حدود ۲ میلیون تصویر جدید به کمک مدل دال‌ای۲ تولید می‌شود. این ابزار تنها در طی ۱۵ ماه توانسته است بالغ بر ۹۱۶ میلیون تصویر خلق کند.
اغلب این تصاویر به‌طور کامل با واقعیت مطابقت ندارند و گاه اشکال خیالی یا تصاویری غریب‌تر از تصور ایجاد می‌کنند؛ از چهره‌های عجیب ساخته‌شده از موجودات مختلف گرفته تا صحنه‌هایی که در آن بناهای تاریخی توسط موجودات غول‌پیکر نابود می‌شوند.
با پیشرفت سریع فناوری هوش مصنوعی، کیفیت تصاویر نیز بهبود یافته و این امر شناسایی تصاویر تولیدشده را دشوارتر کرده است.
در یکی از موارد، یک زن فرانسوی قربانی کلاهبرداری شد، جایی که یک کلاهبردار از تصاویر دستکاری‌شده از برد پیت، بازیگر مشهور آمریکایی، سوءاستفاده کرد و موفق شد ۸۳۰ هزار یورو از او سرقت کند.
روش‌های شناسایی تصاویر ساخته‌شده توسط هوش مصنوعی
هرچند این تصاویر بسیار حقیقی به نظر می‌رسند، اما هنوز بی‌عیب نیستند. با استفاده از چند روش می‌توان تفاوت آنها با تصاویر واقعی را تشخیص داد.
یکی از رایج‌ترین ضعف‌های تصاویر تولیدی، اشکالات کوچک در فرم‌های انسانی است. برای مثال، هوش مصنوعی معمولاً در تولید دقیق دست‌ها دچار خطا می‌شود و انگشتان را بسیار بلند، کوتاه یا بدشکل تولید می‌کند. گاه تعداد انگشتان نیز نامتعارف است و ممکن است در یک تصویر افراد چهار، شش یا حتی هفت انگشت داشته باشند.
همچنین ممکن است اشکالاتی نظیر تناسب غیرطبیعی اندام‌ها یا عدم تقارن در چهرهها دیده شود. برای نمونه، چشم‌ها معمولاً نامتقارن هستند یا انعکاس‌های ناهماهنگ دارند. گاه حتی چشم‌ها علیرغم ظاهر طبیعی، بی‌روح به نظر می‌رسند.
مشکلات متن و نوشتار در تصاویر تولیدی
نشانه آشکار دیگر، نقص در تولید متن‌ها است. مدل‌های هوش مصنوعی اغلب قادر به ایجاد حروف و کلمات معنادار نیستند. به همین دلیل معمولاً در تابلوها، بیلبوردها یا برچسب‌های محصولات شاهد حروف بی‌معنی و ساختاری غیرمنظم هستیم.
بررسی نورپردازی و سایه‌ها
یکی دیگر از روش‌های تشخیص، تحلیل نورپردازی و سایه‌ها است. در عکس‌های واقعی، نور و سایه‌ها از قوانین طبیعی تبعیت می‌کنند، اما در تصاویر تولیدی، تطابقی میان منبع نور و بازتاب‌ها یا سایه‌ها وجود ندارد. این امر می‌تواند تصویر را غیرواقعی نمایان کند.
اغلب تصاویر تولیدشده یکنواختی شدیدی در نورپردازی دارند که باعث می‌شود پوست یا اشیاء درخشان و مصنوعی به نظر برسند. این ویژگی مشابه آن چیزی است که در پویانمایی‌های دیزنی مشاهده می‌شود.
کمبود نقص‌های طبیعی در تصاویر
تصاویر خلق‌شده توسط هوش مصنوعی، برخلاف عکس‌های واقعی، معمولاً فاقد نقص‌های طبیعی هستند. به عنوان مثال، نویز دیجیتال که در تصاویر عکاسی شده وجود دارد، در این تصاویر اغلب حذف شده یا به شکلی غیرطبیعی یکنواخت است.
همچنین هوش مصنوعی تمایل دارد که بافت‌ها را بیش‌ازحد صاف کند. به همین دلیل سطوح مختلف، از جمله پوست و پارچه‌ها، معمولاً بسیار بی‌نقص و حتی مصنوعی به نظر می‌رسند.
الگوهای تکرارشونده در تصاویر
الگوهای تکراری از دیگر مشخصه‌های بارز تصاویر مصنوعی محسوب می‌شوند. هوش مصنوعی به سختی می‌تواند جزئیات کاملاً منحصربه‌فرد ایجاد کند و همین مسئله منجر به تکرار برخی عناصر در تصاویر می‌شود.
برای مثال، در تصاویر گروهی ممکن است چهره‌های مشابه یا عناصر پس‌زمینه‌ای که به‌طور ناهماهنگ تکرار شده‌اند، دیده شوند.
دقت به جزئیات خارج از متن تصویر
گاهی ممکن است تصویر در نگاه اول بسیار واقعی به نظر برسد، اما نشانه‌هایی در محتوای کلی تصویر می‌توانند نشانگر جعلی بودن آن باشند. این نشانه‌ها شامل اشیایی هستند که جایگاه طبیعی خود را ندارند، مراجع فرهنگی ناسازگار یا اشتباهات تاریخی.
نمونه‌هایی از این اشتباهات می‌تواند شامل علائم خیابانی با رنگ‌های اشتباه، بازتاب‌های غیرواقعی یا عناصر معماری که با سبک منطقه تطابق ندارند باشد.
ابزارهای بررسی اصالت تصویر
اگر هنوز درمورد اصالت تصویری شک دارید، ابزارهایی برای تشخیص این موضوع وجود دارد. هرچند این ابزارها بدون نقص نیستند، اما می‌توانند تا حدی کمک‌کننده باشند.
جستجوی معکوس تصویر در گوگل یکی از قدرتمندترین روش‌ها برای سنجش اعتبار یک تصویر است. این ابزار به شما امکان می‌دهد تا ببینید آیا تصویر قبلاً در اینترنت منتشر شده و منبع اصلی آن چیست.