Google的技術(shù)孵化器Jigsaw發(fā)布了一個名為Assembler的實驗平臺，以幫助記者和前線事實檢查人員快速驗證圖像。

工作原理：

Assembler結(jié)合了學(xué)術(shù)界現(xiàn)有的幾種技術(shù)來檢測常見的操縱技術(shù)，包括更改圖像亮度和將復(fù)制的像素粘貼到其他地方以掩蓋某些東西，同時保留相同的視覺紋理。它還包括一個檢測器，該檢測器可以發(fā)現(xiàn)使用StyleGAN創(chuàng)建的深層偽造品，StyleGAN是一種可以生成逼真的假想面孔的算法。這些檢測技術(shù)會輸入到主模型中，該模型會告訴用戶圖像被操縱的可能性有多大。

為何重要：

偽造圖像是更難驗證的事情，尤其是隨著人工智能操縱的興起。隨著信息的傳播速度和規(guī)模的擴大，新聞記者和事實檢查者作出反應(yīng)的機會窗口也在迅速縮小。

并非萬能藥：

匯編程序是與受控媒體作斗爭的重要一步，但它并未涵蓋許多其他現(xiàn)有的操縱技術(shù)，包括用于視頻的操縱技術(shù)，隨著生態(tài)系統(tǒng)的不斷發(fā)展，團隊需要對其進行補充和更新。它仍然作為與通常分發(fā)篡改圖像的渠道分開的平臺而存在。專家建議，像Facebook和Google這樣的技術(shù)巨頭將這些類型的檢測功能直接整合到其平臺中。這樣，可以在上傳和共享照片和視頻時幾乎實時地執(zhí)行此類檢查。

也有其他方法可以考慮。例如，一些初創(chuàng)公司正在采用驗證技術(shù)，該技術(shù)可以在拍攝照片時記住照片中像素的位置，但這也帶來了挑戰(zhàn)。

超越技術(shù)：

最終，技術(shù)修復(fù)還遠遠不夠。數(shù)字偽造最棘手的方面之一并不是偽造圖像本身。而是它們存在的想法，可以很容易地調(diào)用它們來質(zhì)疑真實媒體的準(zhǔn)確性。這是挑戰(zhàn)的類型，也將需要社會和政策解決方案。