Adobe正在使用机器学习来更容易地发现Photoshop图像

世界各地的专家越来越担心新的人工智能工具，这使得编辑图像和视频变得前所未有的容易 - 尤其是社交媒体能够快速分享令人震惊的内容而无需事实检查。其中一些工具是由Adobe开发的，但该公司还在研究如何使用机器学习来自动发现编辑过的图片，从而开发各种解毒剂。

该公司本月在CVPR计算机视觉会议上展示的最新作品展示了人类可以在更短的时间内通过机器自动完成数字取证。该研究论文并不代表该领域的突破，它尚未作为商业产品提供，但有趣的是，Adobe - 一个与图像编辑同义的名称 - 对这一系列工作感兴趣。

该公司发言人在接受The Verge采访时说，这是一个“早期研究项目”，但未来，该公司希望在“开发有助于监控和验证数字媒体真实性的技术”中发挥作用。这可能意味着什么并不清楚，因为Adobe从未发布过旨在发现假图像的软件。但是，该公司指出其与执法部门的合作(例如，使用数字取证帮助寻找失踪儿童)作为其对其技术负责任态度的证据。

Adobe新论文中的一个例子，展示了如何通过机器学习系统发现图像中的编辑。

新的研究论文展示了机器学习如何用于识别三种常见类型的图像处理：拼接，其中两个不同图像的组合; 克隆，复制和粘贴图像中的对象; 并且在完全删除对象时删除。

为了发现这种篡改，数字取证专家通常会在隐藏的图像层中寻找线索。当进行这些类型的编辑时，它们会留下数字伪像，例如由图像传感器(也称为图像噪声)产生的颜色和亮度的随机变化的不一致。例如，当您将两个不同的图像拼接在一起时，或者将一个对象从图像的一个部分复制并粘贴到另一个图像时，这种背景噪声就不匹配，就像墙上的污点覆盖着略微不同的颜色。

与许多其他机器学习系统一样，Adobe使用编辑图像的大型数据集进行教学。由此，它学会了发现篡改的常见模式。它在一些测试中得分高于其他团队建立的类似系统，但并不是那么显着。然而，该研究没有直接应用于发现使用人工智能创建的新版编辑视频的深度伪造。

“这些新ML方法的好处在于它们具有发现不明显且以前不为人知的文物的潜力，”数字取证专家Hany Farid告诉The Verge。“这些方法的缺点是它们只能提供给网络的训练数据，并且至少现在不太可能学习更高级别的伪像，如阴影和反射几何形状的不一致。”

除了这些警告之外，很高兴看到更多的研究可以帮助我们发现数字假货。如果那些发出警报的人是正确的，我们将走向某种后真相世界，我们将需要我们可以从虚构中对事实进行排序的所有工具。人工智能可能会受到伤害，但它也有帮助。