Meta تضيف علامة مائية غير مرئية لمحتوى الذكاء الاصطناعي
تاريخ النشر: 10th, December 2023 GMT
ديسمبر 10, 2023آخر تحديث: ديسمبر 10, 2023
المستقلة/- أعلنت شركة Meta، الشركة الأم لفيس بوك وإنستجرام، أنها ستضيف علامة مائية غير مرئية إلى المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي والذي ينتجه برنامج الدردشة الآلي الخاص بها.
وتأتي هذه الخطوة في إطار جهود Meta لتعزيز الشفافية في استخدامها للذكاء الاصطناعي، حيث يمكن أن تساعد العلامة المائية المستخدمين على تحديد المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي.
وقالت Meta إن العلامة المائية غير المرئية سيتم إنشاؤها باستخدام نموذج التعلم العميق، وستكون غير قابلة للاكتشاف بالعين البشرية، ولكن يمكن اكتشافها باستخدام النموذج المقابل.
وأضافت الشركة أن العلامة المائية ستكون مرنة لمعالجة الصور الشائعة، مما يعني أنه إذا تم إجراء أي تغييرات على الصورة مثل الاقتصاص أو تغيير اللون، فلن يكون هناك أي تأثير على العلامة المائية.
ويأتي هذا التطوير بعد أشهر من مطالبة شركات التكنولوجيا، بما في ذلك Meta وGoogle وMicrosoft العاملة في مجال الذكاء الاصطناعي، بالالتزام بمجموعة معينة من القواعد للتطوير المسؤول للتكنولوجيا وتنفيذها.
وفي أغسطس، أطلقت جوجل نسخة تجريبية من أداة SynthID لوضع العلامات المائية وتحديد الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي.
وتعهدت شركة مايكروسوفت أيضًا بإدخال علامة مائية للصور ومقاطع الفيديو التي يتم إنشاؤها بواسطة الذكاء الاصطناعي.
وأعلنت Meta أيضًا أنها تعمل على توسيع Imagine، وهي ميزة تحويل النص إلى صورة الخاصة بالذكاء الاصطناعي، خارج نطاق الدردشات، مما يجعلها متاحة في الولايات المتحدة للبدء.
وبحسب الشركة “تتيح لك هذه التجربة المستقلة للهواة المبدعين إنشاء صور باستخدام تقنية من Emu، نموذج أساس الصورة الخاص بنا، وفي حين أن تجربة المراسلة الخاصة بنا مصممة لمزيد من المرح والتفاعلات ذهابًا وإيابًا، يمكنك الآن إنشاء صور مجانية على الويب أيضًا”.
أهمية العلامة المائية غير المرئية
يمكن أن تلعب العلامة المائية غير المرئية دورًا مهمًا في تعزيز الشفافية في استخدام الذكاء الاصطناعي، حيث يمكن أن تساعد المستخدمين على تحديد المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي.
ويمكن أن يكون هذا مهمًا بشكل خاص في الحالات التي يكون فيها من المهم أن يكون المستخدمون على دراية بالكيفية التي تم بها إنشاء المحتوى، على سبيل المثال، في الحالات التي يتم فيها استخدام الذكاء الاصطناعي لإنشاء محتوى أخبار أو معلومات أخرى.
بالإضافة إلى ذلك، يمكن أن تساعد العلامة المائية غير المرئية في مكافحة انتشار المعلومات المضللة، حيث يمكن أن تساعد المستخدمين على تحديد الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي والتي قد يتم استخدامها لنشر المعلومات المضللة.
تعد إضافة العلامة المائية غير المرئية خطوة مهمة في جهود Meta لتعزيز الشفافية في استخدامها للذكاء الاصطناعي. يمكن أن تساعد هذه العلامة المستخدمين على تحديد المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي، مما يمكن أن يساعد في مكافحة انتشار المعلومات المضللة وتعزيز الفهم العام لكيفية عمل الذكاء الاصطناعي.
المصدر: وكالة الصحافة المستقلة
كلمات دلالية: یمکن أن تساعد
إقرأ أيضاً:
الذكاء الاصطناعي يحسّن علاج سرطان الرئة
أتاحت أداة من الذكاء الاصطناعي تستخدم التعلم العميق مقارنة صور الأشعة المقطعية تلقائيًا في سياق علاج السرطان، مما يسمح باكتشاف وتحديد حتى أصغر التغيرات في أورام الرئة بسرعة ودقة أكبر.
البحث أجري من قبل فريق من الباحثين الألمان والأطباء في الولايات المتحدة.
تُجرى فحوصات التصوير المقطعي المحوسب للصدر بشكل متزايد حول العالم للكشف عن أمراض الرئة، مثل سرطان الشعب الهوائية، في مرحلة مبكرة، مما يسمح بمراقبتها.
تُتيح هذه الفحوص تحديد أبسط آثار العلاج والآثار الجانبية، مما يُحسّن العلاج. ومع ذلك، تُعدّ مقارنة الفحوصات مهمة بالغة التعقيد وتستغرق وقتًا طويلاً، وهي عُرضة للأخطاء، إذ غالبًا ما يضطر أخصائيو الأشعة إلى العمل تحت ضغط زمني كبير عند تقييم الصور. ويُسهّل إنشاء التوافق التشريحي تلقائيًا بين الفحوصات، وهي عملية تُعرف باسم "التسجيل"، هذه العملية.
التعلم العميق
لتحسين التشخيص وتسهيل الممارسة السريرية اليومية للأطباء، يركز مشروع SPIRABENE، الذي يتم تطويره في ألمانيا بالتعاون مع جامعة أميركية، على الذكاء الاصطناعي.
يوضح يان مولتز، مهندس الأبحاث الرئيسي في تحليل الصور الطبية في معهد فراونهوفر ميفيس في ألمانيا "طورنا برنامجًا قائمًا على التعلم العميق يُمكّن من تحديد وقياس آفات الرئة بدقة أكبر وفي وقت قصير جدًا، كما يُمكّننا من اكتشاف آفات جديدة محتملة".
لمتابعة أمراض الرئتين، تُقارَن فحوصات التصوير المقطعي المحوسب السابقة بأحدث الصور لتحديد التطابق التشريحي. ويتمثل التحدي الأبرز هنا في أن صورتين للشخص نفسه تبدوان متشابهتين، لكنهما غير متطابقتين، على سبيل المثال، بسبب اختلافات في التنفس عند إجراء الفحص، أو فقدان محتمل للوزن نتيجة العلاج.
يدعم المقارنة الآلية بين الصور بالفعل مراقبة الصور اللاحقة، لكن استخدام التعلم العميق يُمكّن من مقارنة المسوحات تلقائيًا بسرعة ودقة أكبر.
يوضح مولتز "تُظهر نتائجنا أن 11% من الأورام تُكتشف تلقائيًا في صورة المتابعة بمساعدة الذكاء الاصطناعي مقارنةً بالتسجيل التقليدي القائم على البرامج، وفي أقل من ثانية واحدة". وهذا يعني أيضًا أن قوة الحوسبة المطلوبة أقل، مما يوفر الطاقة.
صمم الباحثون تقنية معالجة الصور الآلية بالكامل بالتعاون مع أطباء من جامعة ميشيغان الأميركية، مما يُمكّن من دمجها واستخدامها مباشرةً في البنى التحتية السريرية القائمة. وقد اختُبِر البرنامج وخضع للتقييم بالفعل في الممارسة السريرية اليومية، ويمكن استخدامه قريبًا في التطبيقات العملية. وتتمثل الخطة طويلة المدى في استخدام مراقبة المتابعة المدعومة بالذكاء الاصطناعي لكامل الجسم.
بعد التشغيل التجريبي، أعرب مولتز عن سعادته بالنجاح الأولي، وقال "أشعر بالحماس للعمل على برنامج يُستخدم فعليًا في الممارسة السريرية وله تأثير إيجابي على العمل اليومي للأطباء. كما يساعدنا البرنامج على تحديد العلاجات غير الفعالة بسرعة، وتجنب الآثار الجانبية والتكاليف غير الضرورية، وزيادة فرص شفاء المرضى".
اقتراح أميركي يسمح لإيران بتخصيب اليورانيوم.. ولكن!