يزداد قلق الخبراء حول العالم من الأدوات الجديدة المعتمدة على الذكاء الاصطناعي والتي تسهّل أكثر من أي وقت مضى تحرير الصور ومقاطع الفيديو.
هذه الأدوات التي ستجتمع يوماً ما مع قوة وسائل الإعلام والتواصل الاجتماعية التي تعمل على مشاركة المحتوى المروع والمزيف بسرعة ودون التحقق من صحة الحقائق.
لذلك وبحسب شركة Adobe التي كانت مسؤولة بالفعل عن تطوير بعض هذه الأدوات، فإنه حان الوقت لاستخدام تقنيات الذكاء الاصطناعي والتعلم الآلي من أجل العمل بالطريق المعاكس.
صورة لإطلاق صواريخ إيرانية عام 2008 يُقال أنها معدلة
وضّح أحدث عمل للشركة والذي عُرض هذا الشهر في مؤتمر CVPR للرؤية الحاسوبية كيف يمكن للأدلة الرقمية التي يتركها البشر عند تعديلهم للصور أن تصبح مكتشفة بواسطة الآلات في وقت أقل بكثير.
لا تمثل ورقة البحث التي قدمتها الشركة اختراقاً في هذا المجال، وهي غير متوفرة حتى الآن كمنتج تجاري، ولكن من المثير للاهتمام رؤية Adobe مهتمة بهذا النوع من العمل.
وقال متحدث باسم الشركة إن هذا المشروع كان عبارة عن بحث في مرحلة مبكرة، ولكن الشركة ترغب خلال المستقبل أن تلعب دوراً حاسماً في تطوير التكنولوجيا التي تساعد على مراقبة صحة الوسائط الرقمية والتحقق منها.
وتُظهر ورقة البحث الجديدة كيف يمكن استخدام تقنيات الذكاء الاصطناعي والتعلم الآلي للتعرف على ثلاثة أنواع شائعة من التلاعب بالصور.
أولاً الربط: حيث يتم الجمع بين جزئين من صور مختلفة، ثانياً: الاستنساخ حيث يتم نسخ ولصق الأشياء داخل الصورة، وثالثاً: الإزالة: عندما يتم تحرير كائن بشكل تام.
للاطلاع على هذا النوع من التلاعب ، يبحث خبراء التعديل الرقمي عادةً عن أدلة في الطبقات المخفية للصورة.
عندما يتم إجراء هذه الأنواع من التعديلات، فإنها تترك وراءها الأدلة الرقمية التي تشير إلى عملية تعديل محتملة، مثل التناقضات و الاختلافات العشوائية في اللون والسطوع أو ما يسمّى بضجيج الصورة.
على سبيل المثال، عندما تقوم بتجميع صورتين مختلفتين أو نسخ كائن من أحد أجزاء الصورة ولصقه في مكان آخر فإن ضجيج الخلفية قد لا يتطابق، ويصبح مثل البقعة التي تظهر على حائط مختلف باللون.
كما هو الحال مع العديد من أنظمة التعلم الآلي الأخرى، تم تعليم نظام Adobe الذي يجري تطويره باستخدام مجموعة كبيرة من الصور المحررة وهو ما يعرف بمرحلة تدريب خوارزمية النظام.
خبير التعديل الرقمي Hany Farid قال تعليقاً على هذا الموضوع: إن فائدة هذه الأساليب الجديدة هي أنها تمتلك القدرة على اكتشاف الأدلة الرقمية غير الواضحة وغير المعروفة من قبل.
ويضيف: العيب في هذه الأساليب هو أنها جيدة فقط لاكتشاف الحالات المماثلة لبيانات التدريب التي تمت تغذيتها بها، وهي في الوقت الحالي أقل احتمالاً لتعلم الحالات الفنية ذات المستوى الأعلى مثل التناقضات في هندسة الظلال والانعكاسات.
مع ذلك فإنه من الجيد رؤية المزيد من الأبحاث التي يمكن أن تساعدنا في اكتشاف البيانات المزيفة الرقمية، سواء كانت مجموعة من الصور أو مقاطع الفيديو، وذلك لتبقى أسلحة دفاعية ضد هجمات التعديل والتزييف الرقمي التي يمكن أن نشاهدها يوماً ما.
