Microsoft ทดสอบความสามารถของมนุษย์ในการแยกแยะภาพจริงและภาพที่สร้างโดย AI

ในสภาพแวดล้อมดิจิทัลปัจจุบันเส้นแบ่งระหว่างความเป็นจริงและสิ่งประดิษฐ์ดูเหมือนจะเลือนลางลง ทุกวัน ปรากฏการณ์นี้กระตุ้นให้ Microsoft จัดการแข่งขันระดับโลกโดยเชิญผู้ใช้อินเทอร์เน็ตหลายพันคนมาทดสอบความสามารถในการแยกแยะระหว่างภาพถ่ายที่ถ่ายด้วยกล้องจริงและผลงานที่สร้างขึ้นโดยปัญญาประดิษฐ์

การทดลองที่พัฒนาโดย Microsoft ซึ่งสามารถเข้าถึงได้ผ่านเกม'Real or Not Quiz'ได้กลายเป็นหนึ่งในความท้าทายด้านภาพออนไลน์ที่ใหญ่ที่สุดในขณะนี้ ระบบจะนำเสนอภาพต่างๆ ให้ผู้ใช้เลือก ทั้งภาพจริงและภาพที่สร้างขึ้นโดย AI และขอให้ผู้ใช้ตัดสินใจในแต่ละกรณีว่าภาพถ่ายนั้นเป็นภาพจริงหรือภาพที่สร้างขึ้น เป้าหมายคือการสำรวจว่าเราเชื่อมั่นในวิจารณญาณด้านภาพของเราเองมากน้อยเพียงใดในยุคของปัญญาประดิษฐ์

ความท้าทายระดับโลกที่เผยให้เห็นข้อจำกัดของเรา

กลไกการทดสอบนั้นง่ายมาก: ผู้เข้าร่วมจะดูภาพที่เลือกมา และต้องจำแนกภาพเหล่านั้นว่าเป็นภาพจริงหรือภาพที่สร้างขึ้นโดย AI โดยรวมแล้ว ฐานข้อมูลที่จัดการโดย Microsoft มีภาพถ่ายประมาณ 287.000ภาพ ซึ่งเป็นภาพจริงและภาพที่สร้างขึ้นโดยใช้เครื่องมือสร้างภาพขั้นสูงที่สุด (เช่น DALL-E 3, Midjourney v6, Stable Diffusion, Amazon Titan และ GAN ต่างๆ)

สิ่งที่น่าประหลาดใจคือความแม่นยำของผู้ใช้ค่อนข้างต่ำมีผู้ทำแบบทดสอบมากกว่า 12.500 คน และอัตราความสำเร็จโดยเฉลี่ยอยู่ที่ประมาณ62% หรือ 63% เท่านั้น ตัวเลขนี้แสดงให้เห็นว่า ในปัจจุบันการระบุที่มาของภาพได้อย่างถูกต้องนั้นไม่ได้ยากไปกว่าการเดาสุ่มเสียด้วยซ้ำคุณภาพของภาพถ่ายที่สร้างขึ้นโดยปัญญาประดิษฐ์นั้นสูงถึงระดับที่ท้าทายแม้แต่ผู้ใช้ที่มีประสบการณ์มากที่สุด

ผลลัพธ์จะถูกรวบรวมและวิเคราะห์โดยอัตโนมัติ ทำให้ผู้เข้าร่วมแต่ละคนสามารถเปรียบเทียบผลการปฏิบัติงานของตนเองกับผู้ใช้รายอื่นได้ เพียงเข้าไปที่https://www.realornotquiz.com/เพื่อทำแบบทดสอบภาพ 15 ภาพต่อครั้ง และค้นพบว่าการมองเห็นของเราอาจไม่แม่นยำเพียงใด

เพราะเหตุใดเราจึงแยกแยะพวกมันได้ยากนัก?

คำอธิบายนี้ไม่ได้เป็นเพียงแค่ข้อผิดพลาดในการสร้างภาพธรรมดาๆ เท่านั้นโมเดล AI ได้พัฒนาเทคนิคของตนจนสามารถเลียนแบบพื้นผิว แสง และองค์ประกอบภาพแบบดั้งเดิมได้อย่างแม่นยำอย่างน่าทึ่ง อันที่จริง ความสำเร็จส่วนใหญ่ในปัจจุบันเกิดจากการที่ผู้ใช้บางคนเรียนรู้ที่จะจดจำรูปแบบภาพที่เกิดขึ้นซ้ำๆ เช่น ประเภทของการเบลอ โทนสี หรือความคมชัด ซึ่งเป็นลักษณะเฉพาะของโปรแกรมสร้างภาพบางโปรแกรม

อย่างไรก็ตาม งานจะซับซ้อนมากขึ้นหากภาพที่สร้างขึ้นนั้นอิงจากภาพถ่ายจริงที่ถูกดัดแปลงเล็กน้อย หรือหากเป็นการจำลอง "ความไม่สมบูรณ์" ที่เป็นลักษณะเฉพาะของกล้องถ่ายรูปจริง ในกรณีเหล่านี้ อัตราความสำเร็จจะลดลงเหลือ21-23%ซึ่งสะท้อนให้เห็นถึงความสามารถที่จำกัดของเราในการเปิดโปงการดัดแปลงภาพดิจิทัล

ภาพถ่ายจริงบางภาพที่แสดงในการทดสอบนั้นมีความเข้าใจผิดมากกว่าที่ AI สร้างขึ้นเสียอีก ภาพสภาพแวดล้อมทางทหาร ภาพเมืองที่แปลกตา หรือภาพแสงจ้าจัด มักสร้างความสับสนให้กับผู้เข้าร่วมมากที่สุด โดยผู้เข้าร่วมมักจะให้คะแนนว่าภาพเหล่านี้เป็นของปลอมเนื่องจากลักษณะเฉพาะที่แปลกประหลาด

มนุษย์กับเครื่องจักร: ข้อได้เปรียบของอัลกอริทึม

นอกเหนือจากการทดสอบกับผู้ใช้แล้ว ไมโครซอฟต์ยังได้นำชุดภาพเดียวกันไปทดสอบกับระบบตรวจจับเนื้อหาที่สร้างโดย AI ของตนเอง ความแตกต่างนั้นน่าทึ่งมาก: ในขณะที่ผู้เข้าร่วมที่เป็นมนุษย์ทำได้แม่นยำไม่เกิน 63% ระบบตรวจจับกลับทำได้แม่นยำเกิน 95%ในทุกหมวดหมู่ภาพ

สิ่งนี้เผยให้เห็นไม่เพียงแต่ช่องว่างระหว่างวิวัฒนาการทางเทคโนโลยีและการรับรู้ของเราเท่านั้น แต่ยังแสดงให้เห็นถึงความสำคัญที่เพิ่มขึ้นของเครื่องมือตรวจสอบภาพอัตโนมัติในบริบทที่ข้อมูลเท็จซึ่งสร้างขึ้นจากภาพสังเคราะห์กำลังแพร่กระจายอย่างรวดเร็ว ปัญหาคือโซลูชันเหล่านี้ยังไม่สามารถเข้าถึงได้สำหรับทุกคน และยังไม่สามารถใช้งานได้บนแพลตฟอร์มดิจิทัลส่วนใหญ่

ดังนั้นไมโครซอฟต์จึงยืนยันถึงความจำเป็นในการใส่ลายน้ำและระบบตรวจสอบที่แข็งแกร่งเพื่อให้ผู้ใช้สามารถระบุแหล่งที่มาที่แท้จริงของภาพได้ และไม่พึ่งพาเพียงแค่สัญชาตญาณทางสายตาเท่านั้น

ภาพอะไรที่หลอกเราได้มากที่สุด?

การวิเคราะห์เผยให้เห็นรูปแบบที่น่าสนใจ: ผู้คนมักระบุภาพบุคคลได้แม่นยำกว่าอาจเป็นเพราะสมองของเราได้รับการฝึกฝนให้สังเกตรายละเอียดและข้อบกพร่องบนใบหน้า อย่างไรก็ตามการระบุตัวตนล้มเหลวอย่างสิ้นเชิงกับภาพทิวทัศน์ วัตถุ และฉากในชีวิตประจำวันซึ่ง AI สามารถกลมกลืนได้ง่ายกว่า นอกจากนี้ ภาพที่มีความละเอียดต่ำหรือภาพที่บันทึกด้วยชื่อทั่วไปมักไม่ถูกสังเกตว่าเป็นภาพปลอม

นักวิจัยของ Microsoft เองค้นพบว่าผู้ใช้ที่ใช้เครื่องมือสร้างภาพอัตโนมัติเป็นประจำจะพัฒนา "สัญชาตญาณ" บางอย่างในการจดจำรูปแบบและพื้นผิว แต่โดยทั่วไปแล้วคุณภาพทางเทคนิคของโมเดลใหม่หมายความว่าข้อผิดพลาดมีน้อยมาก และแทบเป็นไปไม่ได้เลยที่จะแยกแยะข้อผิดพลาดเหล่านั้นได้โดยปราศจากความช่วยเหลือทางเทคโนโลยี

ผู้ใช้งานอินเทอร์เน็ตทุกคนสามารถเข้าร่วมความท้าทายและทดสอบความสามารถในการมองเห็นของตนเองได้โดยการเข้าถึงแบบทดสอบ "จริงหรือไม่จริง"ภาพ 15 ภาพจะถูกสุ่มเลือกจากฐานข้อมูลขนาดใหญ่ และผลลัพธ์จะแตกต่างกันไปในแต่ละเกม เป้าหมายคือการพิจารณาว่าเราสามารถเชื่อถือสายตาของเราได้จริงหรือไม่ ท่ามกลางความก้าวหน้าอย่างไม่หยุดยั้งของปัญญาประดิษฐ์

ประสบการณ์นี้ให้ทั้งความรู้และการเปิดเผย: เส้นแบ่งระหว่างความเป็นจริงและความเสแสร้งนั้นเลือนลางลงเรื่อยๆ และความจำเป็นในการรู้เท่าทันภาพก็เพิ่มขึ้นควบคู่ไปกับความสามารถของระบบกำเนิดภาพ มีเพียงเครื่องมือใหม่ๆ และความตระหนักรู้ที่มากขึ้นเท่านั้นที่เราจะรับมือกับความท้าทายของยุคดิจิทัลใหม่นี้ ซึ่งแม้แต่ภาพถ่ายธรรมดาๆ ก็สามารถสั่นคลอนความมั่นใจของเราได้