Tekoäly vs. aitous: kasvava tarve alkuperälle digitaalisessa sisällössä

Miten yritykset reagoivat tekoälysisällön nousuun

Näiden ongelmien vuoksi suuret teknologiayritykset pyrkivät parantamaan median aitoutta ja alkuperää. Osana vuotuista Build-konferenssiaan Microsoft ilmoitti, että sen Bing Image Creator- ja Designer-työkaluissa olisi nyt uusia median alkuperäominaisuuksia.

Käyttäjät voivat tarkistaa, onko tekoäly tehnyt kuvia tai videoita salausmenetelmillä, jotka sisältävät tietoja sisällön alkuperästä.

Mutta jotta tämä järjestelmä toimisi, eri alustojen on hyväksyttävä Coalition for Content Provenance and Authenticity (C2PA) -määritys.

Samoin Meta on julkaissut työkalun nimeltä Meta Video Seal , joka voi lisätä näkymättömiä vesileimoja tekoälyn tekemiin videoleikkeisiin.

Tämän avoimen lähdekoodin työkalun on tarkoitus toimia olemassa olevien ohjelmistojen kanssa ilman ongelmia, mikä helpottaa tekoälyn tekemän sisällön löytämistä.

Video Seal lupaa kestää yleisiä muokkauksia, kuten hämärtymistä ja rajaamista, toisin kuin vanhemmat vesileimaustekniikat, joilla oli ongelmia videon pakkaamisessa ja käsittelyssä.

Ongelmat ja rajoitukset

Näistä parannuksista huolimatta on edelleen ongelmia saada paljon ihmisiä käyttämään näitä tekniikoita. Monet kehittäjät saattavat epäröidä siirtyä olemassa olevista patentoiduista ratkaisuista avoimen lähdekoodin vaihtoehtoihin, kuten Video Seal.

Meta aikoo järjestää työpajoja suurissa tekoälykonferensseissa ja tehdä julkisen tulostaulun, joka vertaa erilaisia vesileimausmenetelmiä saadakseen enemmän ihmisiä työskentelemään yhdessä.

Lisäksi nykyiset vesileimausmenetelmät eivät aina ole riittävän vahvoja tai tehokkaita videosisällön suhteen.

Kaksi pääasiallista lähestymistapaa tekoälyn luoman sisällön torjuntaan

Taistelussa tekoälyn tuottamaa sisältöä vastaan on syntynyt kaksi erillistä strategiaa:

1. Vesileimat (ennaltaehkäisevä lähestymistapa):

• Toimii lisäämällä näkymättömiä allekirjoituksia sisältöön luontihetkellä
• Toimii kuin digitaalinen varmenne, joka näyttää ”tämän teki tekoäly”
• Työkalut, kuten Meta Video Seal ja Microsoftin alkuperäominaisuudet, edustavat tätä lähestymistapaa
• Suurin etu on tekoälysisällön välitön tunnistaminen

2. Havaitsemisvälineet (analyyttinen lähestymistapa):

• Analysoi olemassa olevan sisällön määrittääkseen, onko se tekoälyn luomaa
• Etsii tekoälyn luomalle sisällölle tyypillisiä malleja ja ominaisuuksia
• Erityisen hyödyllinen sisällölle, jota ei ole merkitty luonnin yhteydessä
• Nämä työkalut muodostavat toisen puolustuslinjamme

Molemmat lähestymistavat ovat välttämättömiä, koska ne täydentävät toisiaan: vesileimat estävät väärinkäytön, kun taas tunnistustyökalut auttavat tunnistamaan merkitsemättömän sisällön.

Tunnistustyökalut ja -tekniikat

Tekoälyn luomaa sisältöä löytyy muullakin tavalla kuin vain vesileimaustekniikoilla. Uudet tunnistustyökalut käyttävät monimutkaisia algoritmeja sekä teksti- että kuvasisällön tarkastelemiseen.

• Omaperäisyys, tekoäly käyttää syväoppimisalgoritmeja löytääkseen malleja tekoälyn luomasta tekstistä.
• GPTZero tarkastelee kielellisiä rakenteita ja sanataajuuksia erottaakseen ihmisten kirjoittaman sisällön koneiden luomasta sisällöstä.
• CopyLeaks käyttää N-grammoja ja syntaksivertailuja löytääkseen kielestä pieniä muutoksia, jotka voivat olla merkkejä tekoälyn tekijyydestä.

Näiden työkalujen on tarkoitus antaa käyttäjille tarkkoja mielipiteitä siitä, kuinka todellista sisältö on, mutta kuinka hyvin ne toimivat, voi vaihdella paljon.

Lopuksi

Generatiivisen tekoälyn kehittyessä digitaalisen aitouden suojaamisesta tulee yhä tärkeämpää. Microsoft ja Meta johtavat syytettä uraauurtavilla standardeilla sisällön aitoudelle ja median alkuperän todentamiselle.

Jotta syväväärennöksiä voidaan torjua tehokkaasti, tarvitsemme sekä näiden työkalujen käyttöönottoa koko alalla että vahvempaa yhteistyötä teknologiayritysten välillä. Digitaalisen sisällön eheys tulevaisuudessa riippuu havaitsemistekniikoista, jotka kehittyvät nopeammin kuin tekoälyn tuottamat petokset.

Itse asiassa olemme äskettäin kertoneet, kuinka YouTube toteuttaa samanlaisia toimia ottamalla käyttöön uusia tekoälyn tunnistustyökaluja sisällöntuottajille ja brändeille. Heidän lähestymistapansa sisältää synteettisen äänitunnistuksen ja tekoälyn tuottamat kasvojentunnistustekniikat, mikä osoittaa edelleen, kuinka suuret alustat pyrkivät suojaamaan sisällön aitoutta tekoälyn aikakaudella.