شرکت ادوبی با استفاده از یادگیری ماشینی، یافتن تصاویر ویرایش شده را آسان‎تر می‎کند

شرکت ادوبی با استفاده از یادگیری ماشینی، یافتن تصاویر ویرایش شده را آسان‎تر می‎کند

کارشناسان در سراسر جهان به طور فزاینده ای نگران ابزارهای جدید هوش مصنوعی هستند که باعث می‎شود تصاویر و فیلم‎ها را به راحتی ویرایش کنند – به ویژه با توجه به قدرت رسانه‎های اجتماعی برای به اشتراک گذاشتن به سرعت محتوای تکان دهنده و بدون بررسی واقعی. بعضی از این ابزار توسط Adobe ادغام شده است، اما این شرکت همچنین بر روی پادزهری در مورد نحوه استفاده از یادگیری ماشین برای شناسایی خودکار تصاویر ویرایش شده کار می‎کند.

آخرین کار این شرکت که در کنفرانس کامپیوتری CVPR نشان داده شده است، بیانگر این است که چگونه جرم یابی دیجیتالی توسط انسان می‎تواند در زمان کمتری با  کمک ماشین‎های اتوماتیک انجام شود. مقاله تحقیقی نشان دهنده یک پیشرفت بزرگ در این زمینه نیست و هنوز به عنوان یک محصول تجاری در دسترس نیست، اما جالب است که  Adobe  – که نامش  مترادف با ویرایش تصویر است – علاقه مند به این خط کار است.

یک سخنگوی شرکت گفت که این یک پروژه تحقیقاتی در مرحله اولیه بوده، اما در آینده، این شرکت می‎خواهد در «توسعه فناوری‎هایی که به نظارت و تأیید صحت رسانه‎های دیجیتال کمک کند» نقش بسزایی ایفا کند. اینکه دقیقا ممکن است به چه معنی باشد  هنوز روشن نیست، چرا که ادوبی هرگز تا قبل از این نرم افزار طراحی شده برای نشان دادن تصاویر جعلی را عرضه نکرده است. اما، شرکت به کار خود با مجریان قانون اشاره می‎کند (به عنوان مثال، به استفاده از جرم یابی قانونی دیجیتال برای کمک به یافتن کودکان گم شده) به عنوان شواهدی از نگرش مسئولانه‎ی این شرکت نسبت به تکنولوژی آن است.

مقاله پژوهشی جدید نشان می‎دهد چگونه می‎توان یادگیری ماشین را برای شناسایی سه نوع معمول از دستکاری تصویر مورد استفاده قرار داد، ترکیب : جایی که دو قسمت از تصاویر مختلف ترکیب می‎شوند؛ شبیه سازی، جایی که اشیاء درون یک تصویر کپی و جابه‎جا می‎شوند؛ و حذف، زمانی که یک شیء به طور کامل ویرایش می‎شود.

کارشناسان دیجیتال برای پیشگیری از این نوع دستکاری، معمولا در سرتاسر لایه‎های مخفی به دنبال سر نخ‎هایی هستند. هنگامی‎که این نوع ویرایش‎ها ایجاد می‎شوند، آنها رد پاهای دیجیتال، مانند اختلافات در تغییرات تصادفی در رنگ و روشنایی ایجاد شده توسط سنسورهای تصویر (همچنین به عنوان نویز تصویر)، به جا می‎گذارند. برای مثال هنگامی‎که شما دو تصویر مختلف را به هم متصل می‎کنید، ، یا یک شیء را از قسمتی از یک تصویر جدا کرده و در تصویر دیگری آن را جای گذاری می‎کنید، این شئ با نویز پس زمینه مطابقت ندارد، مانند یک لکه روی دیوار که با رنگ ترمیم شده است.

همانند بسیاری از دیگر سیستم‎های یادگیری ماشینی، ادوبی با استفاده از یک مجموعه بزرگ از تصاویر ویرایش شده آموزش داده شده است. از این تصاویر،  این هوش مصنوعی یاد گرفت که الگوهای مشترک که نشان دهنده دستکاری است را پیدا کند. در بعضی آزمونها نمرات بالاتری نسبت به  سایر سیستمهای ساخته شده توسط سایر تیم‎ها بدست آورد. با این حال، این تحقیق هیچ کاربرد مستقیمی‎در تشخیص تقلب عمیق ندارد (نسلی جدید از ویدیوهای ویرایش شده با استفاده از هوش مصنوعی).

‎هانی فرید، متخصص جرم یابی دیجیتال به Verge گفت:

مزیت این روشهای جدید یادگیری ماشینی این است که آنها توانایی کشف مصنوعاتی را دارند که آشکار نیستند و قبلا شناخته نشده‎اند. اشکال این روش‎ها این است که آنها تنها به همان اندازه اطلاعات آموزش داده شده در شبکه‎ها کارایی دارند و در حال حاضر حداقل احتمال کمتری برای یادگیری مصنوعات سطح بالا مانند ناسازگاری در هندسه سایه‎ها و بازتاب‎ها وجود دارد.

با کنار گذاشتن این  هشدارها، خوب است که تحقیقات بیشتر انجام شده تا بتواند به ما کمک کند تا تقلب‎های دیجیتالی را به چالش بکشیم. اگر این صدای زنگ هشدار درست باشد و به نوعی در حال هدایت شدن به دنیای پس از حقیقت هستیم، ما به همه ابزارهایی نیاز داریم که بتوانیم واقعیت را از غیر واقعیت تشخیص دهیم. هوش مصنوعی می‎تواند صدمه بزند، اما می‎تواند به خوبی نیز کمک کند.

0

ارسال یک دیدگاه

همچنین ممکن است دوست داشته باشید

فراتر از کهکشان: نگاهی به شایعات Galaxy S10 سامسونگ

یک سوال: چگونه جانشینی را برای  دو نسل