ภัยคุกคามจากภาพถ่ายดาวเทียม Deepfake

(SeaPRwire) –   คุณเปิดโซเชียลมีเดียและเห็นภาพถ่ายดาวเทียมที่น่าตกใจ: ฐานทัพทหารกำลังถูกไฟไหม้ แต่มันเป็นเรื่องจริงหรือเปล่า?

การเพิ่มขึ้นของ AI ทำให้การสร้างภาพปลอมง่ายกว่าที่เคย ตั้งแต่ , ภาพที่ถ่ายจากอวกาศได้ทำหน้าที่เป็นวิธีการตรวจสอบสำหรับสื่อ รัฐบาล และสาธารณชน แต่ตอนนี้เทคโนโลยีได้นำแหล่งความจริงที่ดูเหมือนจะหักล้างไม่ได้นี้มาอยู่ภายใต้ภัยคุกคามแล้ว

ภาพถ่ายดาวเทียมที่สร้างโดย AI ซึ่งโพสต์บนโซเชียลมีเดียไม่น่าจะจุดชนวนสงครามได้ด้วยตัวเอง หรือหลอกกองทัพของประเทศที่มีทรัพยากรดีอย่าง U.S. ซึ่งสามารถตรวจสอบข้อเรียกร้องใด ๆ ได้ด้วยฝูงดาวเทียมของตนเอง แต่กระนั้นก็สามารถเป็นเครื่องมือที่มีประสิทธิภาพในการโน้มน้าวความคิดเห็นของสาธารณชนในลักษณะที่บ่อนทำลายระบบนิเวศข้อมูลของเราได้

มีกรณีภาพถ่ายดาวเทียม Deepfake จำนวนมากเกิดขึ้นในปีนี้เพียงปีเดียว

ในเดือนมิถุนายน ของยูเครนใช้โดรนโจมตีเครื่องบินทิ้งระเบิดพิสัยไกลอันล้ำค่าของรัสเซีย ภาพถ่ายความละเอียดสูงของผลลัพธ์แพร่กระจายอย่างรวดเร็วบนโซเชียลมีเดีย: เครื่องบินทิ้งระเบิดรัสเซียหลายลำถูกทำลาย (และเครื่องบินขนส่งลำหนึ่ง) เหลือเพียงซากปรักหักพังที่ถูกเผาไหม้ แต่การโจมตีทางทหารที่กล้าหาญของยูเครนนั้นมาพร้อมกับ ที่บ่งชี้ว่าเป็นการปฏิบัติการที่ประสบความสำเร็จมากกว่าเครื่องบินรบรัสเซีย 10 ลำที่ ถูกทำลาย

อีกกรณีหนึ่งเกิดขึ้นในปลายเดือนเดียวกันหลังจากการโจมตีของ U.S. และอิสราเอลต่อสิ่งอำนวยความสะดวกที่เชื่อมโยงกับโครงการนิวเคลียร์ของอิหร่าน หนึ่ง แสดงฝูงชนที่รวมตัวกันรอบเครื่องบิน F-35 ของอิสราเอลที่ถูกทำลาย และวิดีโอหลอกลวงอีกอันหนึ่ง กล่าวอ้างว่าเป็นภาพที่ถ่ายจากเซ็นเซอร์บนขีปนาวุธของอิหร่าน ภาพเหล่านี้บ่งชี้ถึงการตอบโต้ทางทหารของอิหร่านที่รุนแรงกว่า ที่เตหะรานสามารถรวบรวมได้จริง

มี หลังความขัดแย้งสี่วันระหว่างอินเดีย-ปากีสถานในเดือนพฤษภาคม ทั้งผู้ใช้อินเดียและปากีสถานบนโซเชียลมีเดียได้แชร์ภาพถ่ายดาวเทียมปลอมเพื่อชี้ให้เห็นว่ากองทัพของประเทศตนได้สร้างความเสียหายมากกว่าที่เกิดขึ้นจริง

ด้วยผู้ใช้โซเชียลมีเดียมากกว่าครึ่งโลก การ ของภาพถ่ายดาวเทียมที่ถูกบิดเบือนสามารถมีขนาดใหญ่และส่งผลกระทบเกือบจะทันที เราเคยเห็นตัวอย่างแล้วว่าภาพปลอมเพียงภาพเดียวสามารถส่งผลกระทบต่อโลกจริงได้อย่างไร: เช่น เมื่อภาพ กล่าวอ้างว่าเกิดไฟไหม้ใกล้กับเพนตากอนเมื่อปีที่แล้ว ตลาดหุ้น จนกระทั่งทางการท้องถิ่นยืนยันว่าเป็นเรื่องหลอกลวง

และในขณะที่ผู้ที่อยู่ในวงการได้เตือนถึงความเสี่ยง , ภาพปลอมในปัจจุบันก็ยิ่งแยกแยะจากความจริงได้ยากขึ้นและสร้างได้ง่ายขึ้น

ในอดีต โมเดลที่อยู่เบื้องหลังเครื่องมือออนไลน์ ได้เสนอแนวทางในการสร้างภาพถ่ายดาวเทียมที่สร้างโดย AI ขั้นพื้นฐาน แต่พวกมันมีข้อจำกัด และผลิตภัณฑ์สุดท้ายก็เป็นภาพที่เบลอและซูมออก ในการสร้างภาพปลอมคุณภาพสูงในปัจจุบัน สิ่งที่คุณต้องมีคือซอฟต์ต์แวร์ฟรีและความสามารถในการพิมพ์ข้อความแจ้ง (prompt) ที่จะนำ AI ที่คุณเลือก

นั่นคือเหตุผลที่การต่อสู้กับภาพถ่ายดาวเทียมปลอมควรเป็นความคิดริเริ่มทั่วทั้งสังคม รัฐบาลและสื่อที่ใช้ภาพถ่าย รวมถึงผู้ให้บริการเชิงพาณิชย์ ควรช่วยให้ผู้ชมของพวกเขาคุ้นเคยกับตัวบ่งชี้การหลอกลวง

ในวงการสื่อ สิ่งพิมพ์ที่อาศัยภาพถ่ายดาวเทียมในการรายงานข่าวควรจะรวมหรือเชื่อมโยงไปยังคำอธิบายว่าพวกเขาตรวจสอบภาพนั้นอย่างไร ซึ่งเป็นแนวปฏิบัติที่ บางแห่งทำอยู่แล้ว การอธิบายว่าพวกเขาจับคู่ภาพถ่ายดาวเทียมกับรายละเอียดจากภาคพื้นดินอย่างไรสามารถช่วยเสริมสร้างความไว้วางใจของผู้อ่านในการรายงานข่าวที่น่าเชื่อถือ

ในส่วนของผู้ให้บริการเชิงพาณิชย์ ควรจัดหาเครื่องมือหรือทีมงานที่ตรวจสอบภาพที่อ้างว่ามาจากพวกเขาว่าเป็นของแท้หรือไม่ เมื่อทำได้ ซอฟต์แวร์จากบุคคลที่สามเพื่อตรวจจับภาพที่สร้างโดย AI มีอยู่จริง แต่ก็ยังไม่สมบูรณ์แบบและอยู่ในการแข่งขันอาวุธกับโมเดลที่พัฒนาขึ้นเรื่อย ๆ ที่สามารถสร้างภาพถ่ายที่สมจริงเกินจริงได้

ข้อความเกี่ยวกับวิธีการที่ผู้กระทำการที่เป็นอันตรายจะใช้การหลอกลวงก็สามารถรวมอยู่ในเอกสารของรัฐบาลได้ โบรชัวร์ของรัฐบาลสวีเดน “,” อธิบายว่าอำนาจต่างชาติอาจใช้ข้อมูลบิดเบือนในยามความขัดแย้งได้อย่างไร และเสนอคำแนะนำในการป้องกันความพยายามเหล่านี้ รัฐบาลฟินแลนด์มีคู่มือที่มี เพิ่มเติมเกี่ยวกับการปฏิบัติการที่มีอิทธิพลและเครื่องมือในการแยกแยะรูปภาพและวิดีโอที่คุณเห็นในช่วงเวลาวิกฤต

ประเทศอื่น ๆ ควรปฏิบัติตามคู่มือการเตรียมพร้อมฉุกเฉินของ U.S. Department of Defense มี บางส่วนเกี่ยวกับการตระหนักรู้ด้านสื่อ แต่ยังขาดการอธิบายถึงภาพปลอมที่ศัตรูอาจสร้างขึ้น

เห็นได้ชัดว่าเนื้อหาที่สร้างโดย AI ที่ทำให้เข้าใจผิดนั้น , และภาพถ่ายดาวเทียมจะเป็นส่วนหนึ่งที่เพิ่มขึ้นของสิ่งนั้น ถึงเวลาแล้วที่หลายคนจะตระหนักถึงข้อมูลที่ผิดและการบิดเบือนข้อมูลประเภทนี้