વાંચવાનો સમય 4 મિનિટ

ન્યુરલ વોટરમાર્કની કાર્યપદ્ધતિ|ચિત્રો અને ઓડિયોમાં અદ્રશ્ય ડિજિટલ સહી કેવી રીતે મુકાય છે?

પ્રકાશિત

30 સેકન્ડમાં સાર

ન્યુરલ વોટરમાર્ક એ એઆઈ દ્વારા ચિત્ર, ઓડિયો કે લખાણ બનાવતી વખતે જ ડેટાના મૂળ બંધારણમાં ઉમેરાતી અદ્રશ્ય ગાણિતિક સહી છે, જે ગુણવત્તા બગાડ્યા વિના ખાસ ડિટેક્ટર સોફ્ટવેર દ્વારા સામગ્રીનો કૃત્રિમ સ્ત્રોત સાબિત કરે છે.

સોશિયલ મીડિયા ફીડ પર સ્ક્રોલ કરતી વખતે આપણી સામે એવી ઘણી વાસ્તવિક લાગતી તસવીરો કે લખાણો આવે છે, જે જોઈને કોઈ સામાન્ય વ્યક્તિ માટે એ નક્કી કરવું અશક્ય બને છે કે આ કોઈ માણસની સાચી રચના છે કે આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા જનરેટ થયેલી કૃતિ. ફોટાના ખૂણામાં મૂકેલા સામાન્ય લોગો કે દ્રશ્યમાન વોટરમાર્કને કોઈપણ વ્યક્તિ સામાન્ય ક્રોપિંગ કે સરળ એડિટિંગ દ્વારા ક્ષણવારમાં હટાવી શકે છે. ઇન્ટરનેટ પર ખોટી માહિતીના પ્રસારને રોકવા અને ડીપફેકના જોખમો સામે લડવા માટે સંશોધકોએ 'ન્યુરલ વોટરમાર્ક' પદ્ધતિ વિકસાવી છે, જે ફાઇલની સપાટી પર નહીં પરંતુ સીધા ડિજિટલ ડેટાના મૂળ ગણિતમાં એક કાયમી અને અદ્રશ્ય સહી અંકિત કરી દે છે.

પિક્સેલ્સ અને શબ્દોમાં અદ્રશ્ય ગાણિતિક છાપ કેવી રીતે ઉમેરાય છે

જનરેટિવ એઆઈ મોડેલ્સ જ્યારે કોઈ ચિત્ર બનાવે છે કે નવું લખાણ તૈયાર કરે છે, ત્યારે તેનું અલ્ગોરિધમ દરેક વિગત માટે ગાણિતિક સંભાવનાઓની ગણતરી કરતું હોય છે. ન્યુરલ વોટરમાર્કિંગ ટેકનોલોજી બરાબર આ નિર્માણની ક્ષણે જ સક્રિય બને છે. ચિત્રોના કિસ્સામાં ડિફ્યુઝન પ્રક્રિયા દરમિયાન પિક્સેલ્સના રંગ અને આવૃત્તિમાં એવી અતિસૂક્ષ્મ વધઘટ કરવામાં આવે છે જે માનવ આંખ ક્યારેય પકડી શકતી નથી, પરંતુ કમ્પ્યુટર માટે તે એક નિશ્ચિત ગાણિતિક પેટર્ન બનાવી દે છે. લખાણના સંદર્ભમાં લાર્જ લેંગ્વેજ મોડેલ્સ શબ્દો કે ટોકન્સ પસંદ કરતી વખતે ચોક્કસ અદ્રશ્ય આંકડાકીય ઝોક જાળવી રાખે છે.

આ વ્યવસ્થાનું મુખ્ય ઉદાહરણ ગૂગલ ડીપમાઇન્ડ દ્વારા ૨૦૨૩માં રજૂ કરાયેલું 'SynthID' છે, જેને જેમિની મોડેલ સાથે જોડી દેવામાં આવ્યું છે. SynthID ચિત્ર, ઓડિયો કે લખાણની મૂળ ગુણવત્તામાં કોઈ ખામી લાવ્યા વિના ડેટાના અંદરના ભાગમાં ડિજિટલ નિશાની ગોઠવી દે છે. સામાન્ય વપરાશકર્તાને આ સામગ્રી એકદમ સહજ લાગે છે. પરંતુ જ્યારે કોઈ ખાસ ડિટેક્ટર સોફ્ટવેર વડે તે ફાઇલની ચકાસણી કરવામાં આવે છે, ત્યારે તે આ છુપાયેલી પેટર્ન વાંચીને સંભાવનાનો સ્કોર જાહેર કરે છે અને સાબિત કરી આપે છે કે આ કન્ટેન્ટ એઆઈ દ્વારા બનેલું છે.

ક્રિપ્ટોગ્રાફિક પ્રમાણપત્ર અને કાનૂની પારદર્શિતાના નિયમો

ડેટાની અંદર અદ્રશ્ય કોડ છુપાવવા ઉપરાંત વૈશ્વિક સ્તરે સામગ્રીની મૂળ ઉત્પત્તિ ચકાસવા માટે ક્રિપ્ટોગ્રાફિક પ્રોવેનન્સ વ્યવસ્થા પણ ઝડપથી વિકસી રહી છે. એડોબ, માઇક્રોસોફ્ટ અને બીબીસી જેવી વૈશ્વિક સંસ્થાઓ દ્વારા રચાયેલા C2PA ગઠબંધને આંતરરાષ્ટ્રીય ધોરણો નિર્ધારિત કર્યા છે. આ માળખા હેઠળ કેમેરા કે સોફ્ટવેર જ્યારે કોઈ સામગ્રી બનાવે છે, ત્યારે તેમાં ક્રિપ્ટોગ્રાફિક સુરક્ષા ધરાવતું ડિજિટલ પ્રમાણપત્ર જોડાય છે, જે દર્શાવે છે કે ફાઇલ કોણે બનાવી અને તેમાં પાછળથી કેવા ફેરફારો થયા.

આંતરરાષ્ટ્રીય નિયમનકારી સંસ્થાઓ હવે આવી પારદર્શિતાને ફરજિયાત બનાવી રહી છે. ઉદાહરણ તરીકે, યુરોપિયન યુનિયનનો આર્ટિફિશિયલ ઇન્ટેલિજન્સ કાયદો (EU AI Act, 2024) સ્પષ્ટ આદેશ આપે છે કે એઆઈ દ્વારા બનેલા ફોટા, વિડિયો અને ઓડિયોને ઓળખી શકાય તેવી વ્યવસ્થા હોવી જોઈએ. છેતરપિંડી અને સામાજિક ગેરમાર્ગદર્શન અટકાવવા માટે આવી ટેકનોલોજીને કાનૂની જવાબદારીનું મુખ્ય સાધન ગણવામાં આવે છે.

અદ્રશ્ય વોટરમાર્કની મુખ્ય મર્યાદાઓ અને જોખમો

ન્યુરલ વોટરમાર્ક ખૂબ ઉપયોગી હોવા છતાં તે એક સંપૂર્ણ અભેદ્ય કવચ નથી. વાસ્તવિક વ્યવહારમાં તેની કેટલીક ટેકનિકલ મર્યાદાઓ ધ્યાનમાં રાખવી જરૂરી છે:

  • ભારે એડિટિંગથી નિશાની નષ્ટ થવી: ફોટાને વધુ પડતો ક્રોપ કરવાથી, રિઝોલ્યુશન ઘટાડવાથી, વારંવાર કોમ્પ્રેસ કરવાથી કે કમ્પ્યુટર સ્ક્રીનનો મોબાઈલથી ફોટો પાડવાથી આંતરિક ગાણિતિક પેટર્ન ભૂંસાઈ શકે છે.
  • ખોટી સુરક્ષાની ભ્રમણા: કોઈ સામગ્રીમાં વોટરમાર્ક ન મળે એટલે વપરાશકર્તા માની લે કે તે ૧૦૦ ટકા સાચું માનવસર્જિત છે, જ્યારે હકીકતમાં અસામાજિક તત્વોએ વોટરમાર્ક વિનાનું ઓપન સોર્સ મોડેલ વાપર્યું હોઈ શકે છે.
  • સામાન્ય માનકનો અભાવ: અલગ-અલગ કંપનીઓ પોતાની અલગ ગણતરી પદ્ધતિ વાપરતી હોવાથી એક કંપનીનું ડિટેક્ટર બીજી કંપનીના એઆઈ વોટરમાર્કને સરળતાથી ઓળખી શકતું નથી.
  • ઈરાદાપૂર્વકની છેડછાડ: ટેક્સ્ટમાં શબ્દો બદલીને ફેરવીને લખવાથી કે ચિત્રમાં વધારાનો નોઈઝ ઉમેરવાથી ઓટોમેટેડ ડિટેક્ટરની સચોટતા ઘટી જાય છે.

સોશિયલ મીડિયા પર સામગ્રી ચકાસવાના વ્યવહારુ નિયમો

ઓનલાઇન જોવા મળતી શંકાસ્પદ સામગ્રીની સત્યતા તપાસવા માટે ફક્ત એક ટેકનોલોજી પર નિર્ભર રહેવાને બદલે વ્યવહારુ પગલાં લેવા જોઈએ:

  • ડિજિટલ પ્રમાણપત્ર અને મેટાડેટા તપાસવા: ફાઇલ સાથે C2PA આધારિત ડિજિટલ ઓળખપત્ર જોડાયેલું છે કે નહીં તે ચકાસણી સાધનોની મદદથી તપાસવું.
  • રિવર્સ ઇમેજ સર્ચ અને મૂળ સ્ત્રોતની શોધ: કોઈપણ અચરજ પમાડે તેવી તસવીર દેખાય ત્યારે સર્ચ એન્જિનમાં વિપરીત શોધ કરીને વિશ્વસનીય સમાચાર સંસ્થાઓના અહેવાલો સાથે વિગતો સરખાવવી.
  • પ્લેટફોર્મના પારદર્શિતા લેબલ ધ્યાને લેવા: સોશિયલ મીડિયા પ્લેટફોર્મ્સ હવે એઆઈ સામગ્રી પર ખાસ ચેતવણી દર્શાવે છે, તેની નોંધ રાખવી.
  • ડિટેક્ટરના પરિણામને અંતિમ ન માનવું: સોફ્ટવેર સ્કોરની સાથે સાથે પરિસ્થિતિગત પુરાવા અને વિવેકબુદ્ધિનો ઉપયોગ કરીને તારણ પર પહોંચવું.

ન્યુરલ વોટરમાર્કનો ઉદ્દેશ્ય નવીનતાને દબાવવાનો નથી પરંતુ ડિજિટલ યુગમાં સત્ય અને વિશ્વાસને ટકાવી રાખવાનો છે. આ અદ્રશ્ય ગાણિતિક સહી આપણને કાલ્પનિક અને વાસ્તવિકતા વચ્ચેનો ભેદ પારખવામાં મદદ કરે છે, છતાં આપણી સભાન દ્રષ્ટિ જ સૌથી મોટું સંરક્ષણ છે.

સ્ત્રોતો
  1. Identifying AI-Generated Images with DeepMind's SynthID Neural WatermarkingIEEE Spectrum
  2. C2PA Technical Specification: Media Provenance and Cryptographic AssertionsCoalition for Content Provenance and Authenticity (C2PA)
  3. Watermarking and Identification Techniques for Synthetic ContentNational Institute of Standards and Technology (NIST)