دروغی که همه باور کردند
وقتی هوش مصنوعی پلنگ صورتی را به خیابان‌های آشوب‌زده و اعتراضات فرانسه برد
نگار علی
- ۲۹ مهر ۱۴۰۵
تصاویر وایرال‌شده از حضور شخصیتی با لباس پلنگ صورتی در اعتراضات فرانسه واقعی نیستند؛ ابزارهای تشخیص محتوای مصنوعی و بررسی نشانه‌های تصویری، از تولید یا دست‌کاری آن‌ها با هوش مصنوعی حکایت دارند. این ماجرا بار دیگر نشان داد که در عصر هوش مصنوعی مولد، شباهت یک تصویر به عکس خبری، دیگر برای اثبات وقوع یک رویداد کافی نیست.
در روزهای اخیر، تصاویری از فردی با لباس شخصیت کارتونی «پلنگ صورتی» در میان معترضان فرانسوی در شبکه‌های اجتماعی دست‌به‌دست شد. در یکی از تصاویر، این شخصیت در حال فرار از مقابل ماشین آب‌پاش پلیس دیده می‌شد. در تصویری دیگر، در میان جمعیت و مقابل نیروهای امنیتی ایستاده بود.
خوراک جنجالی رسانه‌های اجتماعی
ترکیب فضای اعتراضی، تجهیزات پلیس و شخصیت کارتونی آشنا، این تصاویر را به محتوایی جذاب و مستعد انتشار گسترده تبدیل کرد.
اما برخلاف آنچه تصاویر القا می‌کردند، شواهد معتبری از حضور چنین فردی در اعتراضات وجود نداشت. بررسی‌های منتشرشده در ۱۹ اکتبر ۲۰۲۶ از سوی رسانه‌های راستی‌آزمایی، از جمله «ورفیکادو» و «میکامیکا»، نشان دادند تصاویر موردبحث با هوش مصنوعی تولید شده‌اند یا محتوای مصنوعی در ساخت آن‌ها نقش داشته است. خبرگزاری اسپانیا، EFE، نیز در گزارشی جداگانه جعلی‌بودن تصاویر و ویدئوی منتسب به این رویداد را بررسی کرد.
از نشانه‌های تصویری تا ردیابی محتوای مصنوعی
یکی از نکات مهم در این پرونده، ترکیب بررسی فنی با راستی‌آزمایی متعارف است. در تصویر منتسب به ماشین آب‌پاش پلیس فرانسه، نوشته‌ها و نشان سازمانی نیروهای امنیتی با نمونه رسمی مطابقت نداشتند.
همچنین، سبیل لباس پلنگ صورتی در بخش‌هایی از ویدئو تغییر می‌کرد یا ناپدید می‌شد و برخی جزئیات پس‌زمینه با یک صحنه واقعی سازگاری نداشتند.
این نشانه‌ها به‌تنهایی برای اثبات جعلی‌بودن یک تصویر کافی نیستند؛ فشرده‌سازی، کیفیت پایین یا ویرایش معمولی نیز می‌تواند برخی جزئیات را تغییر دهد. بااین‌حال، کنار هم قرارگرفتن این ناهماهنگی‌ها با نتایج ابزارهای تشخیص، فرضیه تولید مصنوعی را تقویت کرد.
در یکی از بررسی‌ها، ابزار (SynthID) متعلق به گوگل، وجود نشانه‌های مرتبط با محتوای تولیدشده یا ویرایش‌شده با هوش مصنوعی را در تصاویر شناسایی کرد. ابزار (Hive) نیز در بررسی منتشرشده از سوی میکامیکا، احتمال تولید هوش مصنوعی را برای یکی از تصاویر ۹۹٫۹ درصد اعلام کرد.
گوگل شناسایی محتوای تولیدشده با هوش مصنوعی با ابزار SynthID Detector را برای همه امکان‌پذیر کرد
چرا یک تصویر جعلی می‌تواند باورپذیر باشد؟
هوش مصنوعی مولد امکان تولید تصاویری را فراهم کرده است که از نظر نورپردازی، ترکیب‌بندی، بافت محیط و جزئیات ظاهری به عکس‌های خبری شباهت دارند. در چنین شرایطی، مخاطب ممکن است به‌جای بررسی منشأ تصویر، بر اساس آشنایی خود با صحنه و سازگاری آن با انتظاراتش درباره یک رویداد قضاوت کند.
در ماجرای پلنگ صورتی، تصویر از چند عنصر آشنا بهره می‌برد: اعتراض خیابانی، ماشین آب‌پاش، نیروهای امنیتی و شخصیتی طنزآمیز که در موقعیتی غیرمنتظره قرار گرفته است. همین ترکیب، تصویر را هم سرگرم‌کننده می‌کند و هم به آن ظاهری مستند می‌دهد.
از سوی دیگر، طنز می‌تواند سرعت انتشار محتوا را افزایش دهد. کاربران ممکن است تصویری را نه با هدف انتشار خبر، بلکه برای خنداندن دیگران بازنشر کنند؛ اما پس از جداشدن تصویر از توضیح اولیه، مخاطبان دیگر ممکن است آن را به‌عنوان سندی از یک رویداد واقعی ببینند.
بنابراین، خطر محتوای مصنوعی فقط انتشار عمدی اخبار جعلی نیست. یک تصویر سرگرم‌کننده نیز می‌تواند در چرخه بازنشر، به اطلاعات نادرست تبدیل شود.
مسئله فقط جعل نیست؛ بحران اعتماد به تصاویر واقعی است
پیامد هوش مصنوعی مولد در فضای خبری به انتشار تصاویر جعلی محدود نمی‌شود. گسترش این فناوری می‌تواند اعتماد عمومی به تصاویر واقعی را نیز تضعیف کند. وقتی تولید یک صحنه ساختگی آسان‌تر می‌شود، هم تشخیص محتوای جعلی اهمیت بیشتری پیدا می‌کند و هم امکان دارد تصاویر واقعی، به‌سادگی و بدون مدرک کافی، جعلی خوانده شوند.
این وضعیت را می‌توان یکی از چالش‌های جدی راستی‌آزمایی در عصر هوش مصنوعی دانست:
رسانه‌ها باید هم در برابر تصاویر ساختگی مقاوم باشند و هم از ردکردن شتاب‌زده اسناد تصویری معتبر پرهیز کنند.
در چنین شرایطی، اتکا به یک ابزار تشخیص یا جست‌وجوی ساده کافی نیست. بررسی زمان و مکان انتشار، یافتن نسخه‌های قدیمی‌تر تصویر، تطبیق نشانه‌های محیطی با منابع مستقل، جست‌وجوی معکوس و بررسی منشأ فایل می‌توانند در کنار ابزارهای فنی، اعتبار یک محتوای تصویری را روشن‌تر کنند.
رسانه‌ها چگونه باید با تصاویر تولیدشده با هوش مصنوعی برخورد کنند؟
ماجرای پلنگ صورتی چند اصل عملی را برای تحریریه‌ها برجسته می‌کند:
- منبع اولیه را پیدا کنید: بازنشر گسترده یک تصویر، به‌خودی‌خود اعتبار آن را افزایش نمی‌دهد.
- تصویر را در زمینه رویداد بررسی کنید: مکان، زمان، نشانه‌های شهری، لباس‌ها و تجهیزات قابل مشاهده باید با شواهد مستقل تطبیق داده شوند.
- از چند روش راستی‌آزمایی استفاده کنید: ابزارهای تشخیص هوش مصنوعی باید در کنار جست‌وجوی معکوس و بررسی منابع معتبر به کار روند.
- در انتشار نتیجه احتیاط کنید: اگر منشأ تصویر روشن نیست، بهتر است به‌جای اعلام قطعی، سطح اطمینان و محدودیت‌های بررسی توضیح داده شود.
- محتوای مصنوعی را شفاف برچسب بزنید: اگر تصویر برای طنز، بازسازی یا تصویرسازی خبری ساخته شده است، مخاطب باید بتواند ماهیت آن را تشخیص دهد.
پلنگ صورتیِ حاضر در اعتراضات فرانسه، شخصیتی واقعی در یک صحنه خبری نبود؛ تصویری مصنوعی بود که توانست در بستر یک رویداد واقعی، ظاهری باورپذیر پیدا کند. اهمیت این ماجرا برای صنعت هوش مصنوعی، بیش از آنکه به یک تصویر وایرال مربوط باشد، به مسئله اعتماد در محیط اطلاعاتی بازمی‌گردد.
در عصر هوش مصنوعی مولد، پرسش اصلی دیگر فقط این نیست که «آیا می‌توان تصویری جعلی ساخت؟»؛ پرسش مهم‌تر این است که چگونه می‌توان اصالت یک تصویر را سنجید، منشأ آن را ردیابی کرد و بدون اتکای مطلق به الگوریتم‌ها، از تبدیل محتوای مصنوعی به شاهدی جعلی برای رویدادهای واقعی جلوگیری کرد؟
