تشخیص عکس ساختهشده با هوش مصنوعی: نشانهها و ابزارها
انگشت ششتایی دیگر جواب نمیدهد. اینجا میبینیم کدام نشانهی بصری هنوز کار میکند، چرا ابزارهای تشخیص خودکار قابل اتکا نیستند، و چرا ردیابی منبع از هر نشانهای مطمئنتر است.
یک عکس در گروه خانوادگی میچرخد: خیابانی زیر آب، ماشینها تا نیمه غرق، یک جملهی هیجانی زیرش. سه نفر فرستادهاندش و هیچکس نمیداند از کجا آمده. ده سال پیش سؤال این بود که «فتوشاپ شده؟». حالا ساختن همین تصویر از صفر یک جمله و سی ثانیه وقت میخواهد.
خبر بد اینکه بیشتر چیزهایی که بهعنوان «نشانه» یاد گرفتهاید تاریخ انقضا دارند؛ انگشت ششتایی تقریباً تمام شده. خبر خوب اینکه یک روش هست که با بهتر شدن مدلها ضعیف نمیشود، و اصلاً به خودِ تصویر ربطی ندارد.
چرا چشم دیگر بهتنهایی کافی نیست
هر نشانهای که به آن تکیه میکنیم، برای سازندهی مدل یک سطر در فهرست باگ است. دستها، متن روی تابلو، بازتاب آینه — همینها بودند که در دو نسخهی اخیر رویشان کار شد و نتیجهاش پیداست. پس نشانهها را یاد بگیرید، ولی بهعنوان دلیلِ شک، نه سندِ اثبات.
و روی دیگر سکه مهمتر است: نبودِ نشانه چیزی را ثابت نمیکند. هر کس با ساخت عکس با هوش مصنوعی جدی کار کرده باشد میداند خروجی معیوب دور ریخته میشود و فقط قاب تمیز منتشر.
نشانههای بصری که هنوز گاهی کار میکنند
دست در حالت پیچیده هنوز نقطهضعف است: انگشتهای در هم قفلشده، دستی که شیء نازکی را میگیرد. حالت ساده و باز معمولاً درست درمیآید.
نوشتهی داخل تصویر بهترین سرنخ باقیمانده است: تابلوی مغازه، پلاک خودرو، جلد کتاب. برای فارسی وضع بدتر است، چون حروف متصل و جهت راستبهچپ حل نشده و خروجی «شبیه فارسی» درمیآید بدون آنکه خوانده شود.
بعد بازتاب و سایه. آینهی پشت سر، شیشهی ویترین، عدسی عینک — جایی که بازتاب باید با صحنه بخواند و اغلب نمیخواند. اگر نور از چپ میآید، همهی سایهها باید یک طرف بیفتند.
در پسزمینهی شلوغ دنبال تکرار بگردید: صورتهای یکسان در جمعیت، پنجرههایی که الگویشان وسط ساختمان میشکند. و آخر، پوست بیش از حد یکنواخت، زنجیری که وسط راه ناپدید میشود، و دندانهایی که تعدادشان درست نیست.
هر نشانه چقدر قابل اتکاست
| نشانه | قابلیت اتکا | چرا |
|---|---|---|
| متن و نوشتهی داخل تصویر | بالا | پرتکرارترین خطا، بهویژه در فارسی |
| بازتاب در آینه و شیشه | بالا | محاسبهی صحنهی بازتابیده سخت است |
| دست در حالت پیچیده | متوسط | مدلهای تازه بهتر شدهاند |
| جهت سایه و نور | متوسط | در صحنهی ساده اغلب درست است |
| تکرار الگو در پسزمینه | متوسط | فقط در قاب شلوغ به چشم میآید |
| جواهرات، بند ساعت، دندان | متوسط | نیاز به بزرگنمایی دارد |
| پوست بیش از حد صاف | پایین | فیلتر گوشی هم همین را میسازد |
| انگشت اضافه | خیلی پایین | عملاً منسوخ شده |
مهمتر از تصویر: منبع تصویر
موضع من صریح است: وقتتان را روی منبع بگذارید نه روی پیکسل. سه سؤال بپرسید. این عکس اولین بار کجا منتشر شده؟ چه تاریخی؟ کسی جز فرستنده هم آن را دارد؟
جستوجوی تصویر معکوس هر سه را در چند ثانیه جواب میدهد. عکس را در گوگل ایمیجز بگذارید؛ اگر همان تصویر پنج سال پیش زیر خبر دیگری بوده، ماجرا روشن است. سازوکارش در مدخل جستوجوی تصویر معکوس آمده و ستون فقرات کار روزنامهنگارانی است که راستیآزمایی میکنند.
یک مثال روزمرهتر: آگهی آپارتمان در دیوار با تصویری که نور و چیدمانش زیادی تمیز است. بهجای تحلیل سایه، بپرسید همین عکس در آگهی دیگری هم هست یا نه، و ویدیوی بازدید بخواهید. تصویر ساختگی از پس ویدیوی زنده برنمیآید.
ابزارهای تشخیص خودکار
سایتهایی که با آپلود عکس عددی مثل «۹۲٪ ساختهی هوش مصنوعی» میدهند در هر دو جهت خطا دارند: عکس واقعیِ فشرده یا فیلترخورده را ساختگی میخوانند و خروجی مدلهای تازه را واقعی. همان داستان تشخیص متن هوش مصنوعی؛ عدد اعتماد میسازد بدون آنکه پشتش شاهدی باشد. نظر دومشان بگیرید، نه مدرک.
مدلهای چندوجهی بهتر عمل میکنند، ولی نه چون «تشخیص» میدهند؛ چون توجهتان را به جزئیاتی میبرند که از قلم میافتد. تصویر را در نارنگی بگذارید و بخواهید بخشها را جداگانه توصیف کند. سازوکارش در مدل چندوجهی چیست آمده است.
فراداده و C2PA
هر عکس دوربین فراداده دارد: مدل دستگاه، زمان، گاهی مختصات. استاندارد C2PA جلوتر میرود و تاریخچهی ساخت و ویرایش را امضا میکند؛ چند سازندهی بزرگ آن را روی خروجیشان میگذارند.
محدودیتش هم روشن است: یک اسکرینشات همهاش را پاک میکند و بیشتر شبکههای اجتماعی هنگام آپلود فراداده را حذف میکنند. بودن برچسب اصالت خبر خوبی است؛ نبودنش هیچ چیزی نیست.
پرامپت بررسی تصویر مشکوک
یک تصویر برایت میفرستم. نقش یک بررسیکنندهی بیطرف را بگیر.
۱. صحنه را دقیق توصیف کن.
۲. این موارد را جداگانه بررسی کن: دستها، هر نوشته و تابلو،
بازتاب در شیشه و آینه، جهت سایهها، تکرار الگو در پسزمینه،
جواهرات و دندان.
۳. برای هر مورد بنویس: طبیعی / مشکوک / قابل قضاوت نیست.
۴. اگر ادعایی همراه تصویر است (مکان، زمان، رویداد)، بگو چه چیزی
در خود تصویر آن را تأیید یا رد میکند.
۵. یک جملهی پایانی: احتمال ساختگی بودن کم، متوسط یا زیاد.
چیزی را که نمیبینی حدس نزن؛ اگر نمیشود قضاوت کرد، همان را بنویس.وقتی مطمئن نیستیم
حکم ندهید و بازنشر نکنید. «منبع این تصویر روشن نیست» جملهی درستی است و از قضاوت اشتباه در هر دو جهت کمضررتر. اگر تصمیم مالی یا حقوقی به آن تصویر بند است، سراغ اصل ماجرا بروید — سند، شاهد، تماس — نه تحلیل پیکسل. برای ویدیو منطق فرق میکند و در دیپفیک چیست جدا آمده؛ چارچوب کلیتر هم در اعتماد به خروجی هوش مصنوعی باز شده است.
جمعبندی
نشانههای بصری را بلد باشید ولی به آنها دل نبندید؛ هر سال ضعیفتر میشوند. متن داخل تصویر و بازتاب هنوز بهترین سرنخاند، پوست صاف و انگشت اضافه دیگر تقریباً بیفایده.
عادتی که میماند ساده است: پیش از باور کردن هر تصویر، سی ثانیه دنبال منبعش بگردید. این کار با بهتر شدن مدلها بیاثر نمیشود، چون به کیفیت تصویر کاری ندارد.
برای ادامه:
