adobe正在使用机器学习来更容易地识别Photoshop图像

世界各地的专家越来越担心新的人工智能工具，这些工具使编辑图像和视频比以往任何时候都更容易——特别是社交媒体能够快速分享令人震惊的内容，而无需核实事实。其中一些工具正由Adobe开发，但该公司也在研究如何利用机器学习自动识别编辑过的图片，从而研制出某种解药。...

世界各地的专家越来越担心新的人工智能工具，这些工具使编辑图像和视频比以往任何时候都更容易——特别是社交媒体能够快速分享令人震惊的内容，而无需核实事实。其中一些工具正由Adobe开发，但该公司也在研究如何利用机器学习自动识别编辑过的图片，从而研制出某种解药。

本月在CVPR计算机视觉会议上展示了该公司的最新工作，展示了如何在更短的时间内用机器自动化人类进行的数字取证。这篇研究论文并不代表这一领域的突破，它还没有作为商业产品上市，但看到Adobe（图像编辑的同义词）对这一领域的工作产生兴趣是很有趣的。

该公司的一位发言人对Verge说，这是一个“早期研究项目”，但在未来，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”方面发挥作用。这到底意味着什么还不清楚，因为Adobe以前从未发布过用于识别假图像的软件。但是，该公司指出，其与执法部门的合作（例如，利用数字取证帮助寻找失踪儿童）证明了其对技术的负责任态度。

这篇新的研究论文展示了机器学习如何用于识别三种常见的图像处理类型：拼接，将不同图像的两部分组合在一起；克隆，复制和粘贴图像中的对象；和删除，当一个对象被全部编辑掉时。

为了发现这种篡改，数字取证专家通常会在图像的隐藏层中寻找线索。当进行这些编辑时，它们会留下数字瑕疵，如图像传感器（也称为图像噪声）产生的颜色和亮度随机变化的不一致性。例如，当您将两个不同的图像拼接在一起，或将对象从图像的一个部分复制并粘贴到另一个部分时，此背景噪波不匹配，就像墙壁上的污点覆盖着稍有不同的油漆颜色一样。

与许多其他机器学习系统一样，Adobe的教学也使用了大量编辑过的图像数据集。从这一点，它学会了找出表示篡改的常见模式。它在一些测试中的得分高于其他团队构建的类似系统，但并没有显著提高。然而，这项研究并没有直接应用于发现deepfakes，这是一种使用人工智能创建的新一代编辑视频。

数字取证专家Hany Farid告诉《边缘》杂志：“这些新的ML方法的好处在于，它们有可能发现不明显、以前不知道的人工制品。”这些方法的缺点是，它们只与输入到网络中的训练数据一样好，而且至少目前不太可能学习到更高层次的伪影，如阴影和反射几何中的不一致。”

抛开这些警告不谈，我们很高兴看到更多的研究能够帮助我们发现数字假货。如果那些敲响警钟的人是对的，而我们正走向某种后真相世界，我们将需要所有我们能得到的工具来将事实与虚构区分开来。人工智能会伤害人，但也会有帮助。