كيف يعمل كشف الصور بالذكاء الاصطناعي فعليًا

ما الذي ينظر إليه النموذج

تسجل الكاميرا الضوء عبر العدسة على مستشعر. تترك هذه العملية نوعًا محددًا من الضجيج، ونمطًا محددًا من تلاشي الحدة نحو الحواف، وعلاقة محددة بين البكسلات المتجاورة تأتي من شبكة المستشعر وعملية التفكيك (demosaicing) التي تليها.

يبني نموذج الـ diffusion صورة عن طريق إزالة الضجيج بشكل متكرر من حقل عشوائي حتى يظهر شيء متماسك. تترك هذه العملية أيضًا توقيعًا، وهو يختلف. يمكن أن تكون النتيجة مثالية بصريًا وقابلة للتمييز إحصائيًا في نفس الوقت.

هذا هو السبب في أن الكشف يصمد أمام لقطات الشاشة عندما لا تصمد البيانات الوصفية. التوقيع موجود في قيم البكسلات نفسها بدلًا من الرأس (header)، لذا فإن نسخ البكسلات يعني نسخ الأدلة.

المراحل الأربع

المرحلة الأولى: فك التشفير

يتم قراءة الملف من القرص بواسطة الصفحة وفك تشفيره إلى بكسلات خام. يتم التعامل مع HEIC و AVIF و TIFF وغيرها بواسطة مفككات التشفير الخاصة بالمتصفح. لا يتم إرسال أي شيء، وهي خاصية لمكان حدوث العمل بدلًا من كونها سياسة مطبقة على خادم.

المرحلة الثانية: تقييم الإطار بالكامل

يتم تغيير حجم الصورة إلى 384 بكسل مربع وتمريرها عبر محول رؤية. يعيد النموذج احتمالية خام لكون الإطار صناعيًا. يتم بعد ذلك معايرة هذا الرقم بحيث يتوافق مع النطاقات المنشورة بثبات بدلًا من الانحراف مع النموذج.

تغيير الحجم يفقد التفاصيل، وهو أول مكان تتسرب فيه الدقة. كما أنه أمر لا مفر منه: النموذج له حجم إدخال ثابت، ويجب تصغير صورة بدقة 4000 بكسل لتناسبه.

المرحلة الثالثة: ممر التقسيم

يتم تقسيم الإطار إلى مناطق متداخلة ويتم تقييم كل منها على حدة بواسطة نفس النموذج. هذا ما يفصل الصورة المولدة بالكامل عن صورة حقيقية بها إضافة، وهي المرحلة التي لا يمكن لرقم واحد استبدالها.

تحتاج الأجزاء إلى بكسلات كافية لتكون ذات معنى، ولهذا السبب تحصل الصور التي يقل طول أقصر جانب فيها عن 576 بكسل تقريبًا على تقييم للإطار الكامل فقط. لا توجد تفاصيل كافية في جزء صغير لتقييمه بشكل مستقل.

المرحلة الرابعة: سجل الملف نفسه

بشكل منفصل عن البكسلات، يتم فحص الملف بحثًا عن بيانات الاعتماد (Content Credentials) وعلامات المولد التي تتركها بعض الأدوات. هذا المسار مشفر بدلًا من كونه إحصائيًا: يتم التحقق من توقيع صالح مقابل قائمة ثقة، وليس تقديره.

كيف يتم دمج النتائج

لا يتم حساب متوسط المسارين، لأنهما يحملان أوزانًا مختلفة. بيانات اعتماد صالحة تعلن عن التقاط كاميرا تتفوق على نتيجة بكسل متوسطة. بيانات اعتماد تعلن عن توليد بالذكاء الاصطناعي تحسم السؤال بمفردها.

هذا الصف الأخير هو الذي يسيء الناس فهمه في أغلب الأحيان. غياب بيانات الاعتماد ليس إشارة سلبية. الغالبية العظمى من الصور التي تم إنشاؤها لا تحمل أي منها، وتقوم كل منصة تقريبًا بإزالتها عند الرفع.

لماذا يعمل في المتصفح

حجم النموذج حوالي 40 ميجابايت ويعمل عبر WebAssembly على جهاز الزائر نفسه. هذا خيار معماري مقصود له ثلاث عواقب تستحق الفهم.

• لا يتم رفع أي شيء، لذا لا يوجد خادم يحتفظ بصور أي شخص ولا توجد علاقة معالجة بيانات لتوثيقها.
• الفحص لا يكلف شيئًا لتقديمه، ولهذا السبب يمكن أن تكون الأداة مجانية بدون عداد استخدام خلفها.
• الفحص الأول أبطأ، لأن النموذج يُحمل مرة واحدة قبل أن يتمكن من العمل. تعيد الفحوصات اللاحقة استخدام النسخة المخزنة مؤقتًا.

ما الذي لا يفعله خط الأنابيب عمدًا

العديد من التقنيات التي تظهر في أدوات الطب الشرعي القديمة غائبة، لأنها لم تعد تعمل على الصور التي مرت عبر المنصات الحديثة.

• تحليل مستوى الخطأ. شائع، يُساء فهمه على نطاق واسع، وغير موثوق به في أي صورة تم حفظها أكثر من مرة.
• كشف النسخ واللصق. يجد مناطق مكررة داخل إطار، وهو ما يكشف النسخ بالأسلوب القديم وليس التوليد.
• أحكام مبنية على البيانات الوصفية. يتم إزالة EXIF عند الرفع في كل مكان تقريبًا، لذا فإن الفحص الذي يعتمد عليه يفشل في الصور التي يحتاج الناس إلى التحقق منها بدقة.
• تحليل الوجه المخصص. مفيد لفئة ضيقة واحدة من التلاعب، وأعمى تجاه كل شيء آخر.