صورتان، المحتوى نفسه، وعملية فرق واحدة

الصورتان أدناه تخرجان من حقل البداية نفسه. إحداهما تُعرَض كما هي. والأخرى تمرّ بعنق زجاجة: فتُصغَّر، ثم تُكبَّر بتكرار كل بكسل، وهي عملية زيادة العيّنات التي تتسلسلها مولّدات الصور للانتقال من خريطة قيم صغيرة إلى صورة كبيرة الحجم. ولا شيء آخر يفرّق بينهما.

ما يُظهره القياس

الأثر نقصٌ، لا قمّة

الفكرة الشائعة تريد أن تُظهر الصورة المصنوعة قممًا في طيفها. أما ما يقيسه هذا العرض فهو العكس، وهو أطرف. فعند ترددات شبكة زيادة العيّنات، تكون طاقة الصورة المصنوعة أقلّ من جوارها على نحو منهجي، بنحو أحد عشر ديسيبل. وهذه الترددات هي بالضبط التي يُلغيها نواة التكرار: فبتكرار كل بكسل عددًا معيّنًا من المرات، يُطبَّق مُرشِّح تقع أصفاره عند مضاعفات هذا العدد. فالطيف يحفظ إذن انخفاض الأداة التي أنتجته.

وعلى الصورة الشاهدة، بلا تشويش مُضاف، يعطي القياس نفسه فارقًا أقلّ من ديسيبل واحد، في اتجاه أو في آخر، لأن لا سبب يجعل نسيجًا يرجّح هذه الترددات أو يتجنّبها. فالفرق بين الصورتين ليس إذن انطباعًا: إنه رقم، وهو يُعاد.

وهو يزول تحت لا شيء تقريبًا

ادفع مؤشّر التشويش وانظر القياس يذوب. والقيم المرصودة على البذرة الافتراضية، عند المُعامل ثمانية، هي هذه.

وعند خمس درجات رمادي من التشويش، أي اثنين في المئة من السلّم، يكون الأثر قد ذاب سلفًا: فمن أحد عشر ديسيبل يهبط إلى أقلّ من اثنين، أي ما يعدل بالضبط ضعف ما تُظهره الصورة الشاهدة بنفسها. وعند عشر درجات، لم يبقَ له وجود: فالفارق المقيس على الصورة المصنوعة يمرّ تحت فارق الصورة الشاهدة، ولم يبقَ ما يميّز بينهما. وتشويش بهذا المقدار غير مرئي للعين، وهو يحدث من تلقاء نفسه: فإعادة ضغط، أو لقطة شاشة، أو تغيير حجم، أو مُرشِّح تحسين تفعل ذلك دون أن يريده أحد.

الأثر لا يُجادَل فيه، وهو لا يصمد أمام لا شيء تقريبًا. ونصفا هذه الجملة يهمّان بالقدر نفسه.

المنهج

الحساب كاملًا، لمن يريد إعادته بلا هذه الصفحة.

1. صناعة حقل البداية. خمس طبقات من التشويش المُلطَّف، أدقّ الواحدة بعد الأخرى، مجموعة بمقدار يتراجع إلى النصف عند كل طبقة. فنحصل على نسيج تتراجع طاقته مع التردد، مثل نسيج صورة فوتوغرافية. والسحب مُبذَّر بالبذرة المعروضة، فهو إذن قابل للإعادة.
2. صناعة الصورة الثانية. تُحسَب معدّلات الحقل بمكعّبات مربّعة بالضلع المختار، فتنتج صورة صغيرة، ثم تُكبَّر بتكرار كل بكسل بالعدد نفسه. وهذه زيادة عيّنات بأقرب جار.
3. إضافة التشويش، إن وُجد، بالمقدار نفسه على الصورتين.
4. تحويل كل صورة إلى إضاءة، وسحب معدّلها، ثم حساب تحويل فورييه لها في بُعدين. وسحب المعدّل لا بدّ منه: وإلّا سحقت المركّبة المستمرة كل شيء ولم يكن الطيف غير نقطة في الوسط.
5. إعادة تمركز الطيف، وأخذ مقدار كل تردد، وتحويله إلى ديسيبل بالنسبة إلى الحدّ الأعلى.
6. القياس. يُحسَب معدّل الديسيبلات عند الترددات التي يكون إحداثيّاها مضاعفَين لخطوة الشبكة، ثم معدّل الديسيبلات في كل مكان آخر، ثم يُطرَح أحدهما من الآخر. وهذا هو فارق الشبكة. والقيمة القريبة من الصفر تعني أن لا شيء يخصّ هذه الترددات بميزة. والقيمة السالبة بوضوح تعني أن نواة تكرار قد مرّت من هناك.

وخطوة الشبكة تساوي ضلع الصورة مقسومًا على مُعامل زيادة العيّنات. غيّر المُعامل في العرض، فتتغيّر الخطوة معه: فيبحث القياس عن الأثر في مكان آخر، ويجده. وهذا ما يُظهر أن القياس يتبع العملية فعلًا، وأنه لا يجد ما يرغب في إيجاده.

ما لا يفعله هذا العرض

ما قاسه البحث العلمي

ثلاث نتائج منشورة تؤطّر هذا العرض، ورابعة تعطي حدّه.

الصور التي تنتجها الشبكات التوليدية تُظهر آثارًا منهجية مرئية في نطاق الترددات، تسبّبها عمليات زيادة العيّنات المشتركة بين هذه البِنى. ومكوّن زيادة العيّنات في الشبكات التخاصمية يترك بصمة طيفية مميّزة وقابلة للإعادة، قابلة للاستغلال حتى دون رؤية هذا النموذج بعينه في التدريب. وهذه الأعمال تقول ما يقوله القياس أعلاه: فالأداة تُوقّع مرورها.

والحدّ منشور أيضًا، وهو واضح. فعمل مُحكَّم من الأنداد يُثبِت أن العلامات المائية غير المرئية على مستوى البكسل قابلة للإزالة بهجوم إعادة توليد، يضيف تشويشًا ثم يعيد بناء الصورة، وأن هذه الأسرة من الهجمات تحفظ الجودة البصرية. ويخلص أصحابه إلى ضرورة الانتقال من العلامات المائية غير المرئية إلى علامات تحفظ معنى الصورة. وما يفعله مؤشّر التشويش في هذه الصفحة في ثلاث ثوان هو النسخة الأولية من هذا الهجوم.

وواقعة أخيرة تُغلِق النقاش حول العين البشرية: فالمشاهدون لم يعودوا يميّزون بموثوقية وجهًا مصنوعًا من وجه حقيقي، وهم يحكمون على الوجوه المصنوعة في المتوسط بأنها أجدر بالثقة. فالاعتماد على الانطباع ليس إذن طريقة بديلة.

الخطوة التي تُحفَظ

أمام صورة يهمّ أصلها، لا تبحث عن المؤشّر في الصورة. ابحث عن المصدر: من نشرها أولًا، وفي أي تاريخ، وما تقوله بيانات المنشأ الوصفية حين توجد. وهذا الطريق مُعالَج في فصل العلامات المائية. فالمؤشّر التقني يخدم في توثيق شكّ، لا في الخلوص وحده إلى نتيجة.

للمضيّ أبعد

العمل نفسه على إشارة صوتية في فصل صوت مصنوع. والطريقتان لوسم محتوى في فصل العلامات المائية. والأوضاع التي تُغلَق فيها الأداة مجتمعة في متى لا تستخدمه. وكل عروض الموقع التفاعلية مجتمعة في صفحة العروض التفاعلية، وفهرس الدورة في صفحة الفهم.

المصادر

• Leveraging Frequency Analysis for Deep Fake Image Recognition Joel Frank، Thorsten Eisenhofer، Lea Schönherr، Asja Fischer، Dorothea Kolossa، Thorsten Holz، 2020. يُثبِت أن الصور المولَّدة بشبكات توليدية تُظهر آثارًا منهجية مرئية في نطاق الترددات، تسبّبها عمليات زيادة العيّنات المشتركة بين هذه البِنى.
• Detecting and Simulating Artifacts in GAN Fake Images Xu Zhang، Svebor Karaman، Shih-Fu Chang، 2019. يُثبِت أن مكوّن زيادة العيّنات المستخدَم في الشبكات التخاصمية يترك بصمة طيفية مميّزة وقابلة للإعادة، قابلة للاستغلال في كشف صورة مولَّدة حتى دون رؤية هذا النموذج بعينه في التدريب.
• Invisible Image Watermarks Are Provably Removable Using Generative AI Xuandong Zhao، Kexun Zhang، Zihao Su، Saastha Vasan، Ilya Grishchenko، Christopher Kruegel، Giovanni Vigna، Yu-Xiang Wang، Lei Li، NeurIPS 2024. يُثبِت أن هجوم إعادة التوليد، الذي يضيف تشويشًا إلى صورة ثم يعيد بناءها، يزيل العلامات المائية غير المرئية على مستوى البكسل مع حفظ الجودة البصرية، وأن أصحابه يوصون تبعًا لذلك بالانتقال إلى علامات تحفظ معنى الصورة.
• AI-synthesized faces are indistinguishable from real faces and more trustworthy Sophie J. Nightingale، Hany Farid، 2022. يُثبِت أن المشاهدين البشر لم يعودوا يستطيعون التمييز بموثوقية بين وجه مصنوع ووجه حقيقي، وأنهم يحكمون على الوجوه المصنوعة في المتوسط بأنها أجدر بالثقة.