બિડેન વ્હાઇટ હાઉસે તાજેતરમાં તેના નવીનતમ એક્ઝિક્યુટિવ ઓર્ડરને અમલમાં મૂક્યો છે, જે જનરેટિવ આર્ટિફિશિયલ ઇન્ટેલિજન્સ ડેવલપમેન્ટ માટે માર્ગદર્શક માળખું સ્થાપિત કરવા માટે રચાયેલ છે – જેમાં સામગ્રી પ્રમાણીકરણ અને ડિજિટલ વોટરમાર્કનો ઉપયોગ એ સૂચવવા માટે છે કે જ્યારે ફેડરલ સરકાર દ્વારા બનાવવામાં આવેલી ડિજિટલ અસ્કયામતો કમ્પ્યુટર છે. પેદા જનરેટિવ AI ખોટી માહિતીના યુગમાં આ અને સમાન કૉપિ પ્રોટેક્શન ટેક્નૉલૉજી સામગ્રી સર્જકોને તેમના ઑનલાઇન કાર્યોને વધુ સુરક્ષિત રીતે પ્રમાણિત કરવામાં કેવી રીતે મદદ કરી શકે છે તે અહીં છે.
વોટરમાર્કિંગનો ઝડપી ઇતિહાસ
એનાલોગ વોટરમાર્કિંગ ટેકનોલોજી સૌપ્રથમ 1282 માં ઇટાલીમાં વિકસાવવામાં આવી હતી. કાગળના નિર્માતાઓ કાગળના ઘાટમાં પાતળા વાયરને રોપતા હતા, શીટના લગભગ અસ્પષ્ટ રીતે પાતળા વિસ્તારો બનાવતા હતા જે પ્રકાશ સુધી રાખવામાં આવે ત્યારે સ્પષ્ટ થઈ જાય છે. એનાલોગ વોટરમાર્ક્સનો ઉપયોગ માત્ર કંપનીના ઉત્પાદનો ક્યાં અને કેવી રીતે ઉત્પન્ન થાય છે તે પ્રમાણિત કરવા માટે જ થતો ન હતો, પરંતુ છુપાયેલા, એન્કોડેડ સંદેશાઓને પસાર કરવા માટે ગુણનો લાભ પણ લઈ શકાય છે. 18મી સદી સુધીમાં, ચલણની બનાવટી અટકાવવાના સાધન તરીકે આ ટેકનોલોજી સરકારી ઉપયોગમાં ફેલાઈ ગઈ હતી. રંગીન વોટરમાર્ક ટેકનોલોજી, જે કાગળના સ્તરો વચ્ચે સામગ્રીને રંગ આપે છે, તે જ સમયગાળાની આસપાસ વિકસાવવામાં આવી હતી.
જો કે “ડિજિટલ વોટરમાર્કિંગ” શબ્દ 1992 સુધી પ્રચલિત થયો ન હતો, તેની પાછળની ટેક્નોલોજી સૌપ્રથમ 1954માં મુઝેક કોર્પોરેશન દ્વારા પેટન્ટ કરવામાં આવી હતી. તેમણે બનાવેલી સિસ્ટમ, અને જેનો તેમણે 1980ના દાયકામાં કંપની વેચી ત્યાં સુધી ઉપયોગ કર્યો હતો, તે ઓળખની માહિતી સંગ્રહિત કરવા માટે મોર્સ કોડ જેવા ચોક્કસ વિસ્ફોટોમાં 1 કિલોહર્ટ્ઝ પર ઓડિયો સિગ્નલોને અવરોધિત કરવા માટે મુઝકનો ઉપયોગ કરીને સંગીતની માલિકીની ઓળખ કરશે. “નોચ ફિલ્ટર” નો ઉપયોગ થાય છે. આ માટે.
જાહેરાત દેખરેખ અને પ્રેક્ષકો માપન કંપનીઓ જેમ કે નીલ્સન કંપનીએ અમેરિકન ઘરો શું જોઈ રહ્યા છે તે નિર્ધારિત કરવા માટે ટેલિવિઝન શોના ઓડિયો ટ્રેકને ટેગ કરવા માટે લાંબા સમયથી વોટરમાર્કિંગ તકનીકોનો ઉપયોગ કર્યો છે. આ સ્ટેગનોગ્રાફિક પદ્ધતિઓએ આધુનિક બ્લુ-રે સ્ટાન્ડર્ડ (સિનાવીયા સિસ્ટમ) તેમજ સરકારી એપ્લિકેશનો જેમ કે ડ્રાયવર્સ લાયસન્સ, રાષ્ટ્રીય ચલણ અને અન્ય સંવેદનશીલ દસ્તાવેજોને પ્રમાણિત કરવા માટે તેમનો માર્ગ શોધી કાઢ્યો છે. ઉદાહરણ તરીકે, ડિજીમાર્ક કોર્પોરેશને પેકેજિંગ માટે એક વોટરમાર્ક વિકસાવ્યો છે જે ઉત્પાદનના બારકોડને આખા બોક્સમાં લગભગ અદ્રશ્ય રીતે છાપે છે, જે દૃષ્ટિની લાઇનમાં રહેલા કોઈપણ ડિજિટલ સ્કેનરને તેને વાંચવાની મંજૂરી આપે છે. તેનો ઉપયોગ એન્ટી-કાઉન્ટરફીટીંગથી લઈને મટીરીયલ રિસાયક્લિંગ ક્ષમતામાં વધારો કરવા સુધીના કાર્યક્રમોમાં પણ કરવામાં આવ્યો છે.
અહીં અને હવે
આધુનિક ડિજિટલ વોટરમાર્કિંગ એ જ સિદ્ધાંતો પર કામ કરે છે, ખાસ એન્કોડિંગ સૉફ્ટવેરનો ઉપયોગ કરીને સામગ્રીના એક ભાગ (તે છબી, વિડિઓ અથવા ઑડિઓ હોય) પર અદ્રશ્યપણે વધારાની માહિતી એમ્બેડ કરે છે. આ વોટરમાર્ક મશીનો દ્વારા સરળતાથી વાંચી શકાય છે પરંતુ માનવ વપરાશકર્તાઓ માટે મોટાભાગે અદ્રશ્ય છે. આ પ્રથા હાલની ક્રિપ્ટોગ્રાફિક પ્રોટેક્શન જેમ કે પ્રોડક્ટ કી અથવા સોફ્ટવેર સિક્યુરિટી ડોંગલ્સથી અલગ છે, જેમાં વોટરમાર્ક્સ અનધિકૃત ફેરફાર અથવા સામગ્રીના ડુપ્લિકેશનને સક્રિયપણે અટકાવતા નથી, પરંતુ સામગ્રી ક્યાંથી આવી છે અથવા કૉપિરાઇટ ધારક કોણ છે તેનો રેકોર્ડ પ્રદાન કરે છે. તે છે.
જો કે, સિસ્ટમ સંપૂર્ણ નથી. “કોપીરાઇટ કરેલા કાર્યોને નકલ થવાથી બચાવવા માટે વર્ચ્યુઅલ રીતે કંઈ નથી [by generative AI models]AI કંપનીઓના અપ્રમાણિત, બિનઅસરકારક શબ્દોને બાજુએ રાખીને,” શિકાગો યુનિવર્સિટીના કોમ્પ્યુટર સાયન્સના ન્યુબોઅર પ્રોફેસર ડૉ. બેન ઝાઓએ ઈમેઈલ દ્વારા એન્ગેજેટને જણાવ્યું હતું.
“કોપીરાઇટ કરેલા કાર્યોને સુરક્ષિત કરવા માટે કોઈ વર્તમાન ક્રિપ્ટોગ્રાફિક અથવા નિયમનકારી પદ્ધતિઓ નથી – કોઈ નહી“તેણીએ કહ્યું.” Stability.ai (એસડી 3.0 નાપસંદ કરવા માટે સાઇન અપ કરનાર દરેકને અવગણવા માટે તેઓએ મોડલનું નામ બદલીને SDXL કરી દીધું છે), અને Facebook/Meta દ્વારા મજાક બનાવવામાં આવી છે. વપરાશકર્તાઓને તેમની તાજેતરની નાપસંદ સૂચિ પર પ્રતિસાદ આપ્યો, એક સંદેશ છે કે ‘તમે સાબિત કરી શકતા નથી કે તમે અમારા મોડેલોમાં પહેલેથી જ પ્રશિક્ષિત છો, તેથી તમે નાપસંદ કરી શકો છો. વિકલ્પ પસંદ કરી શકતા નથી.
ઝાઓ કહે છે કે જ્યારે વ્હાઇટ હાઉસનો એક્ઝિક્યુટિવ ઓર્ડર “મહત્વાકાંક્ષી છે અને જમીનનો જબરજસ્ત જથ્થો આવરી લે છે,” ત્યારે વ્હાઇટ હાઉસ દ્વારા આજની તારીખ સુધીની યોજનાઓમાં “તે ખરેખર તેના જણાવેલ લક્ષ્યોને કેવી રીતે પ્રાપ્ત કરશે તેની તકનીકી વિગતોનો અભાવ છે.”
તે નોંધે છે કે “ઘણી એવી કંપનીઓ છે કે જેમની પાસે તેમના GenAI આઉટપુટને વોટરમાર્ક કરવા માટે કોઈ નિયમનકારી અથવા કાનૂની દબાણ નથી. સ્વૈચ્છિક પગલાં પ્રતિકૂળ સેટિંગમાં કામ કરતા નથી જ્યાં હિસ્સેદારોને નિયમો અને દેખરેખને ટાળવા અથવા ટાળવા માટે પ્રોત્સાહિત કરવામાં આવે છે.
તેમણે કહ્યું, “ગમશે કે નહીં, વ્યાપારી કંપનીઓ પૈસા કમાવવા માટે બનાવવામાં આવી છે, અને નિયમનોથી બચવું તેમના શ્રેષ્ઠ હિતમાં છે.”
અમે ખૂબ જ સરળતાથી જોઈ શકીએ છીએ કે આગામી રાષ્ટ્રપતિ વહીવટીતંત્ર ઓફિસમાં આવે છે અને બિડેનના એક્ઝિક્યુટિવ ઓર્ડર અને તેને લાગુ કરવામાં સામેલ તમામ ફેડરલ ઇન્ફ્રાસ્ટ્રક્ચરને તોડી નાખે છે, કારણ કે એક્ઝિક્યુટિવ ઓર્ડરમાં કૉંગ્રેસના કાયદાની બંધારણીય સ્થિતિનો અભાવ છે. પરંતુ આ મુદ્દા પર કંઈપણ કરવા માટે ગૃહ અને સેનેટ પર વિશ્વાસ કરશો નહીં.
કોલંબિયા યુનિવર્સિટીના કાયદાના પ્રોફેસર અનુ બ્રેડફોર્ડે જણાવ્યું હતું કે, “કોંગ્રેસ ઊંડે ધ્રુવીકરણમાં છે અને એટલી હદે નિષ્ક્રિય છે કે નજીકના ભવિષ્યમાં કોઈપણ અર્થપૂર્ણ AI કાયદો ઘડવાની શક્યતાઓ ખૂબ જ ઓછી છે.” mit ટેક સમીક્ષા, અત્યાર સુધી, આ વોટરમાર્કિંગ યોજનાઓ માટે અમલીકરણ પદ્ધતિઓ સામાન્ય રીતે ઉદ્યોગના મુખ્ય ખેલાડીઓ દ્વારા પિંકી શપથ લેવા સુધી મર્યાદિત હતી.
સામગ્રી ઓળખપત્રો કેવી રીતે કાર્ય કરે છે
સરકારના પૈડાં આટલા ધીમી ગતિએ ફરતાં હોવાથી ઉદ્યોગ માટેના વિકલ્પો આવશ્યક સાબિત થઈ રહ્યાં છે. માઈક્રોસોફ્ટ, ધ ન્યૂ યોર્ક ટાઈમ્સ, CBC/રેડિયો-કેનેડા અને બીબીસીએ 2019 માં પ્રોજેક્ટ ઓરિજિન લોન્ચ કર્યું હતું જેથી સામગ્રીની અખંડિતતાને સુરક્ષિત કરી શકાય, પછી ભલે તે કોઈપણ પ્લેટફોર્મ પર વપરાય. તે જ સમયે, એડોબ અને તેના ભાગીદારોએ સર્જકના પરિપ્રેક્ષ્યમાં મુદ્દાને જોતા, સામગ્રી પ્રમાણીકરણ પહેલ (CAI) શરૂ કરી. આખરે CAI અને પ્રોજેક્ટ ઓરિજિને તેમના પ્રયત્નોને જોડીને કોએલિશન ફોર કન્ટેન્ટ પ્રોવેનન્સ એન્ડ ઓથેન્ટિસિટી (C2PA)ની રચના કરી. આ સહયોગથી કન્ટેન્ટ પ્રમાણપત્ર (સંક્ષિપ્ત “CR”) આવ્યું, જેની જાહેરાત Adobeએ 2021માં તેની મેક્સ ઇવેન્ટમાં કરી હતી.
જ્યારે પણ કોઈ ઈમેજ ક્રિપ્ટોગ્રાફિકલી સુરક્ષિત મેનિફેસ્ટ તરીકે નિકાસ અથવા ડાઉનલોડ કરવામાં આવે છે ત્યારે CR તેના વિશે વધારાની માહિતી ઉમેરે છે. મેનિફેસ્ટ ઇમેજ અથવા વિડિયો હેડરમાંથી ડેટા ખેંચે છે – નિર્માતા માહિતી, તે ક્યાં લેવામાં આવી હતી, ક્યારે લેવામાં આવી હતી, કયા ઉપકરણે લીધી હતી, શું DALL-E અથવા સ્ટેબલ ડિફ્યુઝન જેવી સામાન્ય AI સિસ્ટમનો ઉપયોગ કરવામાં આવ્યો હતો અને પછી કયા સંપાદનો કરવામાં આવ્યા હતા. – મેનિફેસ્ટમાં કરવામાં આવેલા ઉત્પત્તિના દાવાઓ વિરુદ્ધ વેબસાઇટ્સને તે માહિતી તપાસવાની મંજૂરી આપે છે. જ્યારે વોટરમાર્કિંગ ટેક્નોલૉજી સાથે જોડવામાં આવે છે, ત્યારે પરિણામ એ એક અનન્ય પ્રમાણીકરણ પદ્ધતિ છે જેનો ઉપયોગ EXIF અને મેટાડેટા (એટલે કે છબી લેનાર સૉફ્ટવેર અથવા ઉપકરણ દ્વારા આપમેળે ઉમેરવામાં આવતી તકનીકી વિગતો) જ્યારે સોશિયલ મીડિયા સાઇટ્સ પર અપલોડ કરવામાં આવે ત્યારે ચકાસવા માટે થઈ શકે છે. સરળતાથી દૂર કરી શકાતું નથી (ક્રિપ્ટોગ્રાફિક ફાઇલ હસ્તાક્ષરને કારણે). બ્લોકચેન ટેકનોલોજી કરતાં અલગ નથી!
મેટાડેટા સામાન્ય રીતે સામાન્ય વર્કફ્લોમાં ટકી શકતા નથી કારણ કે સામગ્રી ઇન્ટરનેટ પર ફરતી રહે છે. ડિજીમાર્કના ચીફ પ્રોડક્ટ ઓફિસર કેન સિકલ્સે એન્ગેજેટને સમજાવ્યું હતું કે, ઘણી ઓનલાઈન સિસ્ટમ્સ તેમને સપોર્ટ કરવા અથવા વાંચવા માટે બનાવવામાં આવી નથી અને તેથી ડેટાને સરળતાથી અવગણવામાં આવે છે.
“અમે ભૂતકાળમાં જે સામ્યતાનો ઉપયોગ કર્યો છે તે એક પરબિડીયું છે,” ટોની રોડ્રિગ્ઝે, ડિજીમાર્કના ચીફ ટેક્નોલોજી ઓફિસર, એન્ગેજેટને જણાવ્યું. એક પરબિડીયુંની જેમ, તમે જે મૂલ્યવાન સામગ્રી મોકલવા માંગો છો તે અંદર મૂકવામાં આવે છે અને અહીં વોટરમાર્ક થાય છે. તે વાસ્તવમાં પિક્સેલનો ભાગ છે, ઑડિયો, મીડિયા ગમે તે હોય. મેટાડેટા, અન્ય તમામ માહિતી, પરબિડીયુંની બહાર લખવામાં આવી રહી છે.
જો કોઈએ વોટરમાર્કને દૂર કરવાનું મેનેજ કરવું જોઈએ (બહાર આવે છે, એટલું મુશ્કેલ નથી, ફક્ત છબીનો સ્ક્રીનશોટ કરો અને આયકનને કાપી નાખો) ઓળખપત્રો તેમના ભંડારમાં મેચ શોધવા માટે વેરિફાઈડ દ્વારા ફરીથી સોંપી શકાય છે. અપલોડ કરેલી છબી સામે મશીન વિઝન અલ્ગોરિધમ્સ ચલાવે છે. જો અપલોડ કરેલી છબી ઓળખી શકાય છે, તો ઓળખપત્રો ફરીથી લાગુ કરવામાં આવે છે. જો કોઈ વપરાશકર્તાને અચાનક ઇમેજ કન્ટેન્ટનો સામનો કરવો પડે, તો તેઓ સંપૂર્ણ મેનિફેસ્ટ ખેંચવા માટે CR આયકન પર ક્લિક કરીને તેના ઓળખાણપત્રને તપાસી શકે છે અને માહિતીની ચકાસણી કરી શકે છે અને કઈ ઑનલાઇન સામગ્રી પર વિશ્વાસ કરવો તે વિશે વધુ જાણી શકે છે. જાણકાર નિર્ણય લઈ શકે છે.
સિકલ આ પ્રમાણીકરણ પ્રણાલીઓની કલ્પના કરે છે જે સંકલિત સ્તરોમાં કામ કરે છે, જેમ કે હોમ સિક્યુરિટી સિસ્ટમ કે જે તેના કવરેજને વિસ્તારવા માટે કેમેરા અને મોશન સેન્સર્સ સાથે લોક અને ડેડબોલ્ટને જોડે છે. “સામગ્રી ઓળખપત્રો અને વોટરમાર્ક્સની સુંદરતા એ છે કે તેઓ એક સાથે આવે છે,” સિકલસે કહ્યું. “તેઓ એક છબીની આસપાસની અધિકૃતતા અને ઉત્પત્તિને સમજવા માટેના આધાર તરીકે વ્યક્તિ કરતાં વધુ મજબૂત સિસ્ટમ બની જાય છે.” DigiMark તેના વોટરમાર્ક ડિટેક્શન ટૂલને જનરેટિવ AI ડેવલપર્સને સ્વતંત્ર રીતે વિતરિત કરે છે, અને તેના હાલના વેલિડેટ ઓનલાઈન કોપી પ્રોટેક્શન પ્લેટફોર્મમાં કન્ટેન્ટ ક્રેડેન્શિયલ સ્ટાન્ડર્ડને એકીકૃત કરી રહ્યું છે.
વ્યવહારમાં, અમે પહેલાથી જ Leica M11-P જેવા ભૌતિક વ્યાપારી ઉત્પાદનોમાં સમાવિષ્ટ ધોરણો જોઈ રહ્યા છીએ જે છબીઓ લેવામાં આવે ત્યારે આપમેળે CR ઓળખપત્ર જોડશે. ન્યૂ યોર્ક ટાઇમ્સ પત્રકારત્વના પ્રયાસોએ તેનો ઉપયોગ શોધી કાઢ્યો છે, જેમાં રોઇટર્સે તેની મહત્વાકાંક્ષી 76 દિવસની સુવિધા માટે તેનો ઉપયોગ કર્યો છે અને માઇક્રોસોફ્ટે તેને Bing ઇમેજ ક્રિએટર અને Bing AI ચેટબોટમાં પણ ઉમેર્યું છે. સોની તેના આલ્ફા 9 III ડિજિટલ કેમેરામાં સ્ટાન્ડર્ડનો સમાવેશ કરવા માટે કામ કરી રહી છે, જેમાં 2024 માં આલ્ફા 1 અને આલ્ફા 7S III મોડલ્સમાં ફર્મવેર અપડેટ્સ આવશે. CR એ Adobe ના ફોટો અને વિડિયો એડિટિંગ ટૂલ્સના વિશાળ સ્યુટમાં પણ ઉપલબ્ધ છે, જેમાં ઇલસ્ટ્રેટર અને Adobe Expressનો સમાવેશ થાય છે. , સ્ટોક અને બેહેન્સ. કંપનીની પોતાની જનરેટિવ AI, Firefly, જનરેટિવ ફીલ (આવશ્યક રીતે જનરેટિવ ફીચરનો ઉપયોગ કરવામાં આવ્યો હતો કે કેમ તે ધ્યાનમાં લીધા વિના, પરંતુ કોના દ્વારા નહીં) જેવી ચોક્કસ સુવિધાઓ માટે CRમાં વ્યક્તિગત રીતે ઓળખી ન શકાય તેવી માહિતી આપમેળે શામેલ કરશે પરંતુ અન્યથા પસંદ કરવામાં આવશે.
તેણે કહ્યું કે, C2PA સ્ટાન્ડર્ડ અને ફ્રન્ટ-એન્ડ કન્ટેન્ટ પ્રમાણપત્રો ભાગ્યે જ વિકાસની બહાર છે અને હાલમાં સોશિયલ મીડિયા પર શોધવા અત્યંત મુશ્કેલ છે. “મને લાગે છે કે તે ખરેખર આ તકનીકોના વ્યાપક પાયે અપનાવવા પર અને તેને ક્યાં અપનાવવામાં આવે છે તેના પર નિર્ભર છે; કન્ટેન્ટ ઓળખપત્રો જોડવા અને તેમની સાથે લિંક કરવા માટે વોટરમાર્ક દાખલ કરવાના બંને પરિપ્રેક્ષ્યમાં, સિકલસે જણાવ્યું હતું.
નાઇટશેડ: સીઆર વિકલ્પ જે ડેટાબેઝ માટે ઘાતક છે
કેટલાક સુરક્ષા સંશોધકોએ કાયદાઓ લખવા માટે અથવા ઉદ્યોગના ધોરણો રુટ લેવા માટે ખૂબ લાંબી રાહ જોવી પડી છે, અને તેના બદલે તેમના પોતાના હાથમાં નકલ સુરક્ષા લીધી છે. ઉદાહરણ તરીકે, શિકાગો યુનિવર્સિટીની SAND લેબની ટીમોએ ખાસ કરીને જનરેટિવ AI સામે ઉપયોગ કરવા માટે અત્યંત મજબૂત કૉપિ પ્રોટેક્શન સિસ્ટમ્સની જોડી વિકસાવી છે.
ઝાઓ અને તેમની ટીમે ગ્લેઝ વિકસાવી છે, જે સર્જકો માટે એક સિસ્ટમ છે જે સામાન્ય AI (વિરોધી ઉદાહરણોની વિભાવનાનું શોષણ કરીને) ની નકલ કરવાની શૈલીને અવરોધે છે. આ આપેલ આર્ટવર્કમાં પિક્સેલને એવી રીતે બદલી શકે છે કે જે માનવ આંખ દ્વારા શોધી શકાતું નથી પરંતુ જે મશીન વિઝન સિસ્ટમથી મૂળભૂત રીતે અલગ દેખાય છે. જ્યારે સામાન્ય AI સિસ્ટમને આ “ચમકદાર” છબીઓ પર પ્રશિક્ષિત કરવામાં આવે છે, ત્યારે તે કલાની ઇચ્છિત શૈલીની ચોક્કસ નકલ કરવામાં અસમર્થ બને છે – ક્યુબિઝમ કાર્ટૂની બની જાય છે, અમૂર્ત શૈલીઓ એનાઇમ બની જાય છે. આ એક વરદાન સાબિત થઈ શકે છે, ખાસ કરીને જાણીતા અને વારંવાર નકલ કરાયેલા કલાકારો માટે, તેમની બ્રાન્ડેડ કલાત્મક શૈલીઓને વ્યાવસાયિક રીતે સુરક્ષિત કરવામાં.
જ્યારે ગ્લેઝ ગેરકાયદે ડેટા સ્ક્રેપરના પ્રયત્નોને રોકવા માટે નિવારક પગલાં પર ધ્યાન કેન્દ્રિત કરે છે, ત્યારે SAND લેબનું નવીનતમ સાધન સંપૂર્ણપણે શિક્ષાત્મક છે. નાઇટશેડ તરીકે ડબ કરાયેલ, સિસ્ટમ આપેલ ઇમેજમાં પિક્સેલ્સને સૂક્ષ્મ રીતે બદલી નાખશે, પરંતુ ગ્લેઝની જેમ તેને પ્રશિક્ષિત કરાયેલા મોડેલોને મૂંઝવણમાં મૂકવાને બદલે, બલ્કમાં સમાવિષ્ટ તાલીમ ડેટાબેઝને દૂષિત કરીને ઝેરી ઈમેજો. વિકાસકર્તાઓને પાછા જવા અને મેન્યુઅલી દૂર કરવા દબાણ કરે છે. પ્રત્યેક. સમસ્યાને ઉકેલવા માટે ઇમેજને નુકસાન પહોંચાડવું – અન્યથા સિસ્ટમ ફક્ત ખરાબ ડેટાને ફરીથી કામ કરશે અને ફરીથી સમાન સમસ્યાઓનો સામનો કરશે.
આ સાધન સામગ્રી નિર્માતાઓ માટે “છેલ્લા ઉપાય” તરીકે બનાવાયેલ છે, પરંતુ તેનો ઉપયોગ હુમલો વેક્ટર તરીકે કરી શકાતો નથી. “તે તમારા લંચમાં ગરમ ચટણી મૂકવાની સમકક્ષ છે કારણ કે કોઈ તેને ફ્રિજમાંથી ચોરી કરતું રહે છે,” ઝાઓએ દલીલ કરી.
નાઇટશેડ દ્વારા નુકસાન પામેલા મોડેલોના માલિકો માટે ઝાઓને થોડી સહાનુભૂતિ છે. “જે કંપનીઓ જાણીજોઈને ઓપ્ટ-આઉટ લિસ્ટની અવગણના કરે છે અને સ્ક્રેપ ન કરે તેવી સૂચનાઓ જાણે છે કે તેઓ શું કરી રહ્યા છે,” તેમણે કહ્યું. “ડેટા પર કોઈ ‘આકસ્મિક’ ડાઉનલોડિંગ અને તાલીમ નથી. “કોઈની સામગ્રી લેવા, તેને ડાઉનલોડ કરવા અને તેના પર તાલીમ આપવા માટે ઘણી મહેનત અને સંપૂર્ણ ઇરાદાની જરૂર પડે છે.”
આ લેખ મૂળરૂપે Engadget પર https://www.engadget.com/can-digital-watermarking-protect-us-from-generative-ai-184542396.html?src=rss પર દેખાયો હતો.