شهدت السنوات الأخيرة تقدمًا هائلًا في مجال الذكاء الاصطناعي التوليدي، مما أدى إلى ظهور تقنيات صناعة فيديوهات وأصوات زائفة تُعرف بالديب فيك (Deepfake) والتي أصبحت تمثل تحديات كبيرة للسلطات القانونية وثقة العامة. تكافح أدوات الكشف الحالية، والتي تعتمد على اكتشاف علامات التزوير المحددة، لتواكب هذا التطور السريع، مما يُحد من قدرتها على التعميم على أنواع جديدة من الديب فيك.

استجابة لهذه المخاوف، ظهرت طرق نشطة للكشف عن الديب فيك عبر استخدام العلامات المائية، لكنها غالبًا ما تواجه صعوبة في تحقيق التوازن بين القوة ضد التشويهات الطيبة والحساسية تجاه التلاعب الخبيث.

تقدم ورقة بحثية جديدة إطار عمل مبتكر يستغل تمثيلات الفضاء الكامن (Latent Space) باستخدام التعلم المعزز العدائي (Adversarial Reinforcement Learning) لتطوير نهج قوي وعالي التكيف للعلامات المائية. يركز النظام الجديد على تطوير أداة تعلم قابلة لتضمين العلامات المائية تعمل في الفضاء الكامن، مما يتيح لها التقاط الدلالات العالية للصورة، بفضل التحكم الدقيق الذي توفره في تشفير الرسائل واستخراجها.

تسمح استخدام التعلم المعزز العدائي لهذه الوحدة القابلة للتعلم بالسعي نحو تحقيق توازن مثالي بين القوة والهشاشة، وذلك من خلال التفاعل مع منهج متنوع من التلاعبات التصويرية الطيبة والخبيثة المُحاكية بواسطة وكيل المهاجم العدائي.

كشفت تقييمات شاملة على مجموعتي بيانات CelebA وCelebA-HQ أن نهجنا يتفوق باستمرار على الأساليب الحالية، حيث حققنا تحسينات تتجاوز 4.5% على CelebA وأكثر من 5.3% على CelebA-HQ في ظل سيناريوهات التلاعب الصعبة.

هل تعتقد أن هذا النهج سيغير مستقبل اكتشاف الوسائط الاصطناعية؟ شاركونا بآرائكم في التعليقات!