تصویر جعلی: دنیایی که وجود ندارد
تصویر جعلی چیست؟
به زبان ساده، تصویر جعلی هر عکس یا ویدئویی است که به صورت دیجیتالی ساخته یا دستکاری شده باشد تا چیزی را نشان دهد که در واقعیت اتفاق نیفتاده است. مثل این است که یک نقاش حرفهای، جزئیاتی را به یک نقاشی اضافه کند که در صحنهٔ اصلی نبوده. با پیشرفت هوش مصنوعی1، ساخت این تصاویر بسیار آسانتر و قانعکنندهتر شده است.
مثلاً فرض کن دوستت عکسی از یک کوسهی سفید بزرگ در استخر شنای مدرسه منتشر کند. میدانی که چنین چیزی غیرممکن است. این یک نمونهٔ آشکار از تصویر جعلی است. اما برخی تصاویر جعلی آنقدر ظریف هستند که تشخیصشان سخت میشود.
انواع تصاویر جعلی: از فتوشاپ ساده تا هوش مصنوعی پیچیده
تصاویر جعلی را میتوان بر اساس روش ساخت و میزان پیچیدگی آنها دستهبندی کرد. این جدول به درک بهتر این موضوع کمک میکند:
| نوع | توضیح | مثال ملموس | سطح پیچیدگی |
|---|---|---|---|
| دستکاری ساده (فتوشاپ) | حذف، اضافه یا جابجایی اجزا در یک عکس واقعی با نرمافزارهایی مثل Adobe Photoshop. | حذف یک نفر از عکس دستهجمعی، یا گذاشتن سر یک نفر روی بدن فرد دیگر. | متوسط |
| ساخت کاملاً مصنوعی | ایجاد یک تصویر جدید از صفر توسط هوش مصنوعی، بدون پایهٔ واقعی. | عکس یک انسان یا حیوان خیالی که بسیار واقعی به نظر میرسد، ساخته شده توسط مولدهای تخاصمی2. | پیشرفته |
| جعل عمیق (دیپ فیک) | جایگزینی چهره و صدا در یک ویدئو با چهره و صدای فرد دیگر به کمک هوش مصنوعی. | ویدئویی که در آن یک بازیگر معروف، جملاتی را میگوید که هرگز نگفته است. | بسیار پیشرفته |
| بازسازی/افزایش کیفیت | استفاده از هوش مصنوعی برای واضحکردن، رنگیکردن یا کاملکردن بخشهای مخدوش یک عکس قدیمی. | رنگیکردن عکس سیاه و سفید پدربزرگ. هوش مصنوعی قسمتهای خالی را حدس میزند و پر میکند. | ساده تا پیشرفته |
هوش مصنوعی چگونه تصویر جعلی میسازد؟ یک تشبیه ساده
برای درک کار هوش مصنوعی، فرض کن دو ربات هنرمند داریم: یک جاعل و یک بازرس.
- ربات جاعل سعی میکند یک اسکناس تقلبی درست کند که کاملاً شبیه اسکناس واقعی باشد.
- ربات بازرس وظیفه دارد اسکناس تقلبی را از واقعی تشخیص دهد.
این دو ربات هزاران بار با هم تمرین میکنند. هر بار که بازرس یک جعل را تشخیص میدهد، جاعل اشتباه خود را میفهمد و دفعهٔ بعد بهتر جعل میکند. این رقابت ادامه پیدا میکند تا جایی که اسکناس ساخت جاعل آنقدر خوب شود که بازرس نتواند آن را از واقعی تشخیص دهد. در دنیای واقعی، این فرآیند "یادگیری ماشین"3 نام دارد و با حجم عظیمی از داده (مثلاً هزاران عکس واقعی از چهرهها) انجام میشود.
چگونه در زندگی روزمره تصاویر جعلی را تشخیص دهیم؟
شما نیازی به ابزار حرفهای ندارید. با چند نکتهٔ ساده میتوانید احتمال جعلی بودن یک عکس را بررسی کنید:
- منبع را بررسی کن: عکس از کجا آمده؟ یک صفحهٔ معتبر خبری است یا یک حساب ناشناس در شبکه اجتماعی؟ همیشه منبع اصلی را جستجو کن.
- به جزئیات غیرعادی دقت کن:
- سایهها: جهت سایههای افراد یا اشیا با هم همخوانی دارد؟
- انعکاسها: در عینک افراد یا پنجرهها، انعکاس منطقی دیده میشود؟
- لبهها: لبههای اطراف یک شیء یا نفر اضافه شده، تار یا نامنظم است؟ (مثل موهای دور سر)
- متن و زمینه را بسنج: آیا محتوای عکس با تیتر یا توضیح آن همخوانی دارد؟ گاهی یک عکس واقعی از یک مکان، برای رویدادی دیگر در زمان یا مکانی دیگر استفاده میشود.
- از موتور جستجو کمک بگیر: مرورگرهای مانند گوگل کرام اجازه میدهند روی عکس کلیک راست کرده و گزینهٔ "جستجوی تصویر در گوگل" را بزنید. این کار به شما نشان میدهد آیا این عکس قبلاً در جای دیگری با شرح متفاوتی منتشر شده است یا خیر.
مثال عملی: عکسی میبینید که ادعا میکند یک ببر در خیابانهای تهران دیده شده. قبل از هر چیزی، به منبع نگاه کنید (مثلاً یک کانال شایعهپراکن). سپس به جزئیات عکس دقت کنید: آیا نور و سایه روی ببر با ساختمانهای اطراف هماهنگ است؟ با جستجوی معکوس عکس، ممکن است بفهمید این عکس سالها پیش در یک باغ وحش در کشور دیگری گرفته شده است.
اشتباهات رایج و پرسشهای مهم
- شکلگیری باورهای نادرست: مردم بر اساس دروغ تصمیم میگیرند.
- تخریب اعتبار افراد: با جعل تصاویر یا ویدئوهای غیراخلاقی از افراد.
- اخلال در انتخابات: با نشان دادن گفتار یا رفتار جعلی از یک کاندیدا.
- کاهش اعتماد عمومی: وقتی مردم نتوانند به چیزی اعتماد کنند، جامعه دچار بیاعتمادی میشود.
پاورقی
1هوش مصنوعی (Artificial Intelligence): شاخهای از علوم کامپیوتر که به ساخت ماشینهایی میپردازد که میتوانند کارهایی را انجام دهند که معمولاً به هوش انسان نیاز دارد؛ مانند یادگیری، تشخیص تصویر و تصمیمگیری.
2مولدهای تخاصمی (Generative Adversarial Networks - GANs): یک معماری خاص در یادگیری ماشین که از دو شبکه عصبی (یک مولد و یک ممیز) تشکیل شده است که در رقابت با یکدیگر، دادههای جدید و واقعینمایی تولید میکنند.
3یادگیری ماشین (Machine Learning): زیرمجموعهای از هوش مصنوعی که به سیستمها توانایی یادگیری و بهبود خودکار از تجربه، بدون برنامهریزی صریح را میدهد.
