**به گزارش خبردونی، ماجرای «دایناسور خراسان» به نظر میرسد که صرفاً یک شوخی اینترنتی باشد، اما در واقع نشاندهنده یک چالش جدی در عصر هوش مصنوعی است: سطح اول نگاه به یک تصویر به تنهایی نمیتواند امنیت واقعی بودن آن را تضمین کند.**
تا چند سال پیش، یک تصویر برای کاربران بهعنوان نوعی مدرک محسوب میشد؛ به این معنا که اگر چیزی در یک عکس دیده میشد، فرض بر این بود که دوربینی آن را ثبت کرده است. اما با ظهور ابزارهای تولید تصویر، این قاعده به کلی دگرگون شده است. اکنون میتوان تصاویری خلق کرد که در آنها انسانها، حیوانات، ساختمانها یا حتی وقایع خیالی در مکانهای واقعی و با جزئیات بسیار بالا به تصویر کشیده شوند، بدون آنکه واقعاً در آن جا وجود داشته باشند.
به همین دلیل سؤال کلیدی این است: «این تصویر از کجا پیداشده و چه شواهدی معتبر برای واقعی بودن آن وجود دارد؟»
بررسی بصری هنوز هم میتواند راهگشا باشد؛ وجود جزئیات غیرطبیعی، نوشتههای نامنظم، اشیایی که با اصول فیزیکی سازگار نیستند یا سایههایی که تناسب ندارند، میتواند هشدار دهنده باشد. اما این نشانهها بهتنهایی قابل اعتماد نیستند و مدلهای جدید تولید تصویر بسیاری از اشکالات پیشین را برطرف کردهاند. بنابراین اگر یک تصویر کاملاً طبیعی به نظر آید، نمیتوان اصالت آن را بر اساس این قضاوت کرد.
**سؤال اول: چه کسی تصویر را منتشر کرده است؟**
برای کاربران و خبرنگاران، نخستین گام در تشخیص صحت یک تصویر، بررسی منبع آن است. عکاس کیست؟ چه رسانهای آن را منتشر کرده است؟ آیا اطلاعاتی در مورد زمان و مکان ثبت تصویر وجود دارد؟ آیا شخص منتشرکننده خود در ماجرا شاهد بوده است؟
در مورد دایناسور خراسان، این نکته بهویژه اهمیت دارد. تصویر نمیتواند بهتنهایی نشاندهنده مشاهده موجودی ناشناخته باشد و برای چنین ادعایی باید شواهد مستقل دیگری نیز ارائه گردد.
**جستجوی معکوس: ردپای تصویر را تعقیب کنید**
بررسی نسخههای قدیمیتر یا مشابه یک تصویر، روشی مهم برای راستیآزمایی است. اگر تصویری ادعا کند امروز در مکانی خاص ثبت شده اما نسخة مشابهی از آن قبلتر منتشر شده باشد، اعتبار ادعا به چالش کشیده میشود.
در این مرحله از بررسی باید به تاریخچه انتشار تصویر توجه کرد، بهویژه در تصاویری که در شبکههای اجتماعی بدون منبع رسمی منتشر میشوند.
**متادیتا: شناسنامهای که ممکن است از دست برود**
تصاویر دیجیتال ممکن است اطلاعاتی در مورد چگونگی ایجاد یا ویرایش خود داشته باشند. استانداردهای جدید مانند C۲PA و Content Credentials به ثبت منشأ و تاریخچه تغییرات یک فایل کمک میکنند. این اطلاعات میتواند بینشی درباره نحوه تولید محتوا ارائه دهد. اما غیبت این اطلاعات به معنای واقعی بودن تصویر نیست.
ممکن است فایلی از شبکهای اجتماعی دانلود شده یا تغییراتی روی آن اعمال شده باشد که باعث از بین رفتن بخشی از متادیتا گردد. بنابراین متادیتا اطلاعات مفیدی فراهم میآورد ولی به تنهایی نمیتواند حکم نهایی باشد.
**واترمارکهای نامعین به میدان آمدهاند**
شرکتهای فناوری با استفاده از روشهای نامرئی به مقابله با این مشکل پرداختهاند. نمونهای از این فناوری SynthID گوگل است که سیگنالهای نامرئی در محتواهای تولیدی به کار میبرد و امکان شناسایی آنها را فراهم میآورد. گوگل اعلام کرده که SynthID برای تصاویر و ویدیوهای تولیدی خود به کار گرفته میشود.
OpenAI نیز ابزاری برای بررسی منشأ تصاویر ارائه کرده که میتواند به دنبال نشانههای مرتبط با ابزارهای خود بگردد. اما اینجا نیز سوءبرداشتهایی وجود دارد؛ اگر چنین ابزاری نتواند نشانهای بیابد، به معنای غیرحقیقت بودن تصویر نیست.به تازگی، بحثهایی در مورد صحت تصاویر منتشر شده در فضای مجازی بالا گرفته است. کارشناسان هشدار میدهند که نمیتوان به سادگی از واقعی بودن یک تصویر نتیجهگیری کرد، چرا که ممکن است این تصاویر با ابزارهای غیرمستقیم تولید شده باشند یا اطلاعات مربوط به منشأ آنها گم شده باشد.
### آیا باید هوش مصنوعی را با هوش مصنوعی تشخیص دهیم؟
ابزارهای تحلیلی که تصاویر تولید شده توسط هوش مصنوعی را شناسایی میکنند، میتوانند در فرآیند راستیآزمایی مؤثر باشند، اما این ابزارها را نباید به عنوان «دستگاه دروغسنج» تلقی کرد. به گفته کارشناسان، بهترین روش راستیآزمایی، استفاده از چند لایه بررسی است که شامل منبع تصویر، سابقه انتشار، اطلاعات اولیه، ارزیابی فنی و شواهد مستقل میشود. هرچه این عوامل یکدیگر را تأیید کنند، اطمینان بیشتری حاصل خواهد شد. به نظر میرسد که آینده فرایند راستیآزمایی به ایجاد یک رویکرد چندمرحلهای وابسته است.
### چکلیست برای بررسی تصاویر قبل از انتشار
قبل از اینکه تصویر جذابی را در شبکههای اجتماعی منتشر کنیم، باید چند سوال اساسی مطرح کنیم تا از انتشار اخبار نادرست جلوگیری شود:
1. منبع اصلی تصویر چیست؟
2. آیا شخص یا نهادی که ادعا میشود تصویر را ثبت کرده، شناسایی شده است؟
3. آیا نسخههای قدیمیتر یا مشابهی از تصویر در دسترس است؟
4. آیا تصویر حاوی اطلاعات مربوط به منشأ یا مشخصات محتوایی است؟
5. آیا نشانهای از تولید یا ویرایش با هوش مصنوعی وجود دارد؟
6. آیا منبع مستقلی خود رویداد را تأیید کرده است؟
7. آیا محتوا مطابق با واقعیتهای علمی و جغرافیایی است؟
### از «عکس واقعی» به «منشأ قابل اعتماد»
در دنیای امروز، با ظهور تکنولوژیهای هوش مصنوعی، مرز بین واقعیت و تصویر به آرامی کمرنگتر میشود. دیگر تشخیص یک تصویر غیرعادی، کافی نیست و کاربران، به ویژه خبرنگاران، باید توانایی بررسی منشأ، مسیر انتشار، شواهد و نشانههای فنی اصالت را داشته باشند.
### چالش برای متخصصان
برخی متخصصان نیز در معرض فریب این تصاویر تولید شده با هوش مصنوعی قرار میگیرند. به گفته ستاره بنیادی، دکتری در حوزه ارتباطات علم و فناوری، این تکنولوژی میتواند فرآیند تفکر و استدلال مخاطب را تحت تأثیر قرار دهد. محتوایی که به وسیله هوش مصنوعی تولید میشود، ممکن است ظاهری منطقی و متقاعدکننده داشته باشد و به همین دلیل، تشخیص واقعیت از جعل را دشوارتر کند.
بنیادی تأکید میکند که حتی رسانههای معتبر نیز ممکن است در دام این محتوای تولیدی بیفتند، در حالی که سالها برای کسب اعتبار و اعتماد عمومی تلاش کردهاند. از این رو، موضوع تشخیص محتوای جعلی دیگر به توانایی یک کاربر در شناسایی نقصهای ظاهری محدود نمیشود.
در نهایت، فرآیند تشخیص حقیقت به مراتب پیچیدهتر شده و نیاز است که کاربران در مواجهه با هر تصویر، علاوه بر بررسی بصری، به بررسی منابع، سابقه انتشار و شواهد مستقل نیز توجه کنند.
