← सभी गाइड पत्रकारिता

चुनावों में डीपफेक और एआई तस्वीरें

राजनीतिक रूप से भ्रामक ज़्यादातर तस्वीरें झूठे कैप्शन वाली असली तस्वीरें होती हैं। कहाँ डिटेक्शन मदद करता है, कहाँ यह गंभीर रूप से गुमराह करता है, और उन महत्वपूर्ण घंटों में क्या करना चाहिए।

· 10 मिनट का पठन · Best AI Image Detector

पिक्सेल से पहले कैप्शन की जाँच करें। राजनीतिक तस्वीरों से जुड़ी भ्रामक जानकारी का सबसे आम रूप एक असली, बिना एडिट की गई तस्वीर होती है जिसे गलत तारीख, जगह या संदर्भ के साथ पेश किया जाता है, और यह हर डिटेक्टर में पास हो जाती है क्योंकि इसमें कुछ भी सिंथेटिक नहीं होता है।

उनकी व्यापकता के आधार पर तीन श्रेणियाँ

पहले से उनका वर्गीकरण करने से सबसे आम विश्लेषणात्मक गलती से बचा जा सकता है, जो कि किसी ऐसी चीज़ पर डिटेक्टर चलाना है जिसे कोई भी डिटेक्टर नहीं पहचान सकता और फिर साफ़ परिणाम को ही अंतिम फैसला मान लेना है।

  1. असली तस्वीर, गलत संदर्भ। एक बड़े अंतर से सबसे प्रमुख श्रेणी। किसी दूसरे देश या किसी दूसरे वर्ष की एक असली तस्वीर, जिसे आज की बताकर कैप्शन किया गया हो।
  2. असली तस्वीर, बदली हुई। भीड़ को बड़ा करना, कोई साइनबोर्ड बदलना, किसी व्यक्ति को हटाना या जोड़ना। पहचान योग्य है, और रीजन मैप (क्षेत्र का नक्शा) ही इसे उजागर करता है।
  3. पूरी तरह से जनरेट की गई। एक ऐसा दृश्य जो कभी हुआ ही नहीं। सबसे ज़्यादा चर्चा में और सबसे कम आम, हालांकि यह बढ़ रहा है।

पहली श्रेणी अपनी बनावट के कारण पिक्सेल विश्लेषण की पहुँच से बाहर है। तस्वीर असली है, कैमरे से ली गई है, और इसमें एक तस्वीर के सभी सांख्यिकीय गुण मौजूद हैं, क्योंकि असल में वह वही है।

चुनाव सत्यापन का काम करने वाले किसी भी व्यक्ति के लिए यह बात अच्छी तरह समझ लेना सबसे महत्वपूर्ण है। भ्रामक राजनीतिक तस्वीर पर साफ़ डिटेक्शन परिणाम आना एक अपेक्षित परिणाम है, और इसे प्रमाणिकता के सबूत के रूप में पेश करना ही एक फैक्ट-चेकर को समस्या का हिस्सा बना देता है।

रिवर्स इमेज सर्च पिक्सेल चेक क्षेत्रीय मैप
असली फोटो, गलत कैप्शन Yes मूल तस्वीर ढूँढता है No असली जैसी लगती है No
भीड़ या साइनबोर्ड बदला गया Partly बिना बदली हुई मूल तस्वीर ढूँढ सकता है Partly स्कोर कम रहता है Yes स्थानीयकृत हीट (गर्माहट)
व्यक्ति को जोड़ा या हटाया गया Partly कभी-कभी No फ्रेम द्वारा कमज़ोर किया गया Yes यह इसके लिए सही है
पूरी तरह से जनरेट किया गया दृश्य Partly कोई पुरानी कॉपी नहीं Yes इसका सबसे अच्छा मामला Yes सपाट और हॉट
कौन सा टूल किस श्रेणी तक पहुँचता है। सबसे आम श्रेणी बाईं ओर के कॉलम में है।

उन महत्वपूर्ण घंटों में काम करना

राजनीतिक तस्वीरों के दावे उस समय सबसे तेज़ी से फैलते हैं जब सत्यापन करना सबसे कठिन होता है: अभियान के अंतिम दिन, मतदान की रात, और गिनती के बाद के घंटे। गति का दबाव इसके डिज़ाइन का ही एक हिस्सा है।

किसी भी अकेले टूल की तुलना में एक क्रम (sequence) ज़्यादा मदद करता है, क्योंकि यह उन जाँचों को पहले रखता है जो तेज़ और निर्णायक होती हैं और धीमी अस्पष्ट जाँचों को अंत के लिए छोड़ देता है।

  1. सबसे पहले रिवर्स इमेज सर्च करें

    दस सेकंड, और यह किसी पुरानी कॉपी को ढूँढकर उसके सच्चे कैप्शन के साथ सबसे बड़ी श्रेणी को सीधे सुलझा लेता है।

  2. देखें कि फ्रेम में क्या है

    साइनबोर्ड, भाषा, गाड़ियों की नंबर प्लेट, मौसम, वास्तुकला। जिस तस्वीर को किसी एक देश का बताया गया हो लेकिन उसमें किसी दूसरे देश के सड़क चिह्न दिख रहे हों, वह खुद ही अपना जवाब दे देती है।

  3. पिक्सेल चेक चलाएँ और मैप को पढ़ें

    यही वह जगह है जहाँ बदली हुई भीड़ या बदला हुआ प्लेकार्ड सामने आता है, और जहाँ मुख्य स्कोर इसके प्रभाव को कम करके दिखाएगा।

  4. सबसे शुरुआती प्रकाशन ढूँढें

    इसे सबसे पहले किसने पोस्ट किया, कब किया, और इसके बारे में क्या कहा गया। जब भी यह उपलब्ध हो, प्रोवेनेंस (उत्पत्ति का स्रोत) विश्लेषण से बेहतर होता है।

  5. अनिश्चितता को प्रकाशित करें

    जहाँ उत्तर तय न हो, वहाँ ऐसा कह देना किसी भी दिशा में एक निहित फैसले से बेहतर है।

पाँचवाँ कदम वह है जो सत्यापन (verification) को प्रचार (advocacy) से अलग करता है। किसी पाठक के लिए अनिश्चितता को ईमानदारी से स्वीकार करना आश्वस्त करने वाले गलत जवाब से ज़्यादा उपयोगी होता है, और बाद में इसे सुधारना भी काफी आसान होता है।

डिटेक्शन के परिणाम को प्रकाशित करना जोखिम भरा क्यों है

किसी नंबर में एक ऐसा अधिकार होता है जिसका समर्थन उसकी त्रुटि दर (error rate) नहीं करती है। यह प्रकाशित करना कि किसी तस्वीर का स्कोर 71 आया, पाठकों को इसे सच्चाई के माप के रूप में देखने के लिए आमंत्रित करता है, और शेयर करते समय इसकी शर्तें और सीमाएँ गायब हो जाती हैं।

राजनीतिक संदर्भों में यह एकतरफा रूप से खतरनाक भी है। किसी असली तस्वीर को गलती से नकली बता देना उसे पोस्ट करने वाले को एक वास्तविक शिकायत का मौका दे देता है, और एक सुधार कभी भी उस दर्शक वर्ग तक नहीं पहुँचता जहाँ मूल पोस्ट पहुँची थी।

अधिकांश न्यूज़ रूम्स ने जिस व्यावहारिक नियम को अपनाया है, वह यह है कि डिटेक्शन का उपयोग आंतरिक ट्राइएज सिग्नल के रूप में करें, और केवल वही निष्कर्ष प्रकाशित करें जिन्हें कोई व्यक्ति स्कोर से स्वतंत्र रूप से समझा सके: पुरानी कॉपी, मेल न खाने वाले साइनबोर्ड, या इशारा करने पर दिखने वाला बदला हुआ हिस्सा।

अब न्यूज़ रूम्स क्या अलग कर रहे हैं

अधिकांश वेरिफिकेशन डेस्क पर व्यावहारिक प्रतिक्रिया यह रही है कि डिटेक्शन को प्रक्रिया में पहले के बजाय बाद में रखा जाए। प्रोवेनेंस का काम पहले आता है, क्योंकि इससे ऐसे निष्कर्ष मिलते हैं जिन्हें प्रकाशित किया जा सकता है, और विश्लेषण अंत में आता है, क्योंकि इससे ऐसे नंबर मिलते हैं जिन्हें प्रकाशित नहीं किया जा सकता।

यह उलटफेर मायने रखता है। जो चेकर पहले डिटेक्टर चलाता है, वह उसके जवाब पर टिक जाता है, और फिर उसका समर्थन करने वाले सबूत तलाशता है। जो चेकर पहले सर्च करता है, वह यह पहले से जानकर डिटेक्टर के पास पहुँचता है कि तस्वीर का दावा क्या है, और यही वह एकमात्र संदर्भ है जिसमें किसी स्कोर का कोई मतलब होता है।

कई डेस्क ने आंतरिक रूप से उनका उपयोग जारी रखते हुए पूरी तरह से स्कोर प्रकाशित करना भी बंद कर दिया है। इसके पीछे तर्क यह है कि कोई नंबर पाठक को सत्यापन को एक माप के रूप में देखने के लिए आमंत्रित करता है, और वे शर्तें जो इसे ईमानदार बनाती हैं, शेयर किए जाने पर टिक नहीं पाती हैं।

जब आप मामले को हल न कर सकें तो क्या करें

राजनीतिक तस्वीरों का एक बड़ा हिस्सा उपयोगी समयसीमा के भीतर हल नहीं किया जा सकता है। तस्वीर खराब गुणवत्ता की है, सबसे पुरानी कॉपी नहीं मिल रही है, स्कोर बीच में है, और समय सीमा (deadline) सिर पर है।

ऐसा कह देना एक वैध परिणाम है। एक नोट जो यह बताता है कि क्या जाँच की गई थी, क्या पाया गया और क्या अज्ञात है, वह किसी निहित फैसले की तुलना में पाठक के लिए अधिक उपयोगी होता है, और बेहतर जानकारी मिलने पर इसे अपडेट करना भी बहुत आसान होता है।

यह राजनीतिक कवरेज में सबसे स्थायी नुकसान पहुँचाने वाली विफलता से भी बचाता है, जो कि गलत दिशा में एक आश्वस्त फैसला है। एक सुधार कभी भी उस दर्शक वर्ग तक नहीं पहुँचता जिस तक मूल दावा पहुँचा था, और वह गलती अगली बहस के लिए एक सबूत बन जाती है।

जहाँ किसी दावे को सुलझाया नहीं जा सकता और वह फैल रहा है, वहाँ ज़्यादा समझदारी भरा कदम आम तौर पर तस्वीर का फैसला करने के बजाय दावे के बारे में रिपोर्ट करना होता है: इसे कौन फैला रहा है, यह कब सामने आया, और इसका इस्तेमाल क्या साबित करने के लिए किया जा रहा है।

कोई भी डेडलाइन हो, एक आदत अपनाना हमेशा फायदेमंद होता है। कोई भी जाँच करने से पहले लिख लें कि तस्वीर में क्या दिखाने का दावा किया जा रहा है, और फिर तस्वीर के बजाय उस दावे की सत्यता की जाँच करें। यह एक छोटा सा नियम है जो इस क्षेत्र की सबसे आम विश्लेषणात्मक गलती को रोकता है।

अक्सर पूछे जाने वाले सवाल

क्या एआई तस्वीरें चुनाव में गलत जानकारी की मुख्य समस्या हैं?
नहीं। झूठे कैप्शन वाली असली तस्वीरें आज भी कहीं ज़्यादा आम, ज़्यादा शेयर की जाने वाली और खंडन करने में कठिन बनी हुई हैं, क्योंकि उनमें खोजने के लिए कुछ भी सिंथेटिक नहीं होता है। एक डिटेक्टर उन पर सही ढंग से एक साफ़ परिणाम देता है, यही वजह है कि रिवर्स इमेज सर्च को सबसे पहले किया जाना चाहिए।
डिटेक्टर असल में यहाँ क्या पकड़ता है?
दो चीजें अच्छी तरह से: पूरी तरह से जनरेट किए गए दृश्य, और स्थानीयकृत बदलाव जैसे कि बड़ी की गई भीड़, बदला हुआ प्लेकार्ड या जोड़ी गई आकृति। दूसरी चीज़ स्कोर के बजाय रीजन मैप पर दिखाई देती है, जो कम रहता है क्योंकि फ्रेम का अधिकांश हिस्सा एक असली तस्वीर होता है।
क्या मैं फैक्ट चेक में डिटेक्शन स्कोर प्रकाशित कर सकता हूँ?
अपने आप में ऐसा करना नासमझी होगी। एक नंबर ऐसी सटीकता का संकेत देता है जिसका समर्थन त्रुटि दर (error rate) नहीं करती है, और राजनीतिक तस्वीरों पर गलत फैसला इसे पोस्ट करने वाले को एक शिकायत का मौका दे देता है। ऐसे निष्कर्ष प्रकाशित करें जिनकी कोई पाठक स्वतंत्र रूप से पुष्टि कर सके, और यह देखने के लिए स्कोर का उपयोग करें कि आपको आगे कहाँ देखना चाहिए।
लाइव इवेंट के दौरान मैं किसी फोटो की जल्दी से जाँच कैसे करूँ?
पहले रिवर्स इमेज सर्च करें, फिर देखें कि फ्रेम में क्या है: साइनबोर्ड, भाषा, नंबर प्लेट, मौसम, वास्तुकला। दोनों ही किसी भी विश्लेषण से तेज़ हैं और दोनों सबसे बड़ी श्रेणी तक पहुँचते हैं। बदले हुए और जनरेट किए गए मामलों के लिए तीसरे नंबर पर पिक्सेल चेक चलाएँ।
लायर डिविडेंड (झूठ का लाभांश) क्या है?
वह प्रभाव जिसमें असली सबूतों को केवल इसलिए सिंथेटिक बताकर खारिज कर दिया जाता है क्योंकि सिंथेटिक मीडिया मौजूद है। यह इस पूरे क्षेत्र का दूसरे दर्जे का नुकसान है, और इसका मतलब यह है कि जो डिटेक्टर असली तस्वीरों को पूरे भरोसे के साथ गलत लेबल करते हैं, वे व्यक्तिगत मामले से कहीं आगे तक नुकसान पहुँचाते हैं।
क्या प्लेटफॉर्म्स को राजनीतिक तस्वीरों पर अपने आप लेबल लगाना चाहिए?
फाइल के अंदर मौजूद मार्करों के आधार पर लेबल लगाना तब विश्वसनीय होता है जब यह काम करता है और बाकी समय चुप रहता है, क्योंकि अधिकांश तस्वीरों में कोई मार्कर नहीं होता है। बड़े पैमाने पर डिटेक्टर स्कोर के आधार पर लेबल लगाना लाखों तस्वीरों पर एक प्रकाशित त्रुटि दर लागू कर देगा, जो कि पूरी तरह से एक अलग बात है।

अभी एक छवि की जांच करें

मुफ़्त, कोई खाता नहीं, और फ़ाइल कभी आपके डिवाइस से बाहर नहीं जाती। प्रतिदिन पचास जाँचें।

डिटेक्टर खोलें

आगे पढ़ें