Apple Reference Image คืออะไร? เทคโนโลยียืนยันภาพถ่ายจริงในยุค AI
เมื่อการสร้างและแก้ไขภาพด้วย AI ทำได้สมจริงมากขึ้นการตรวจสอบแหล่งที่มาของภาพจึงเริ่มมีความสำคัญทั้งต่อผู้ใช้งานทั่วไปสื่อ และองค์กรที่ต้องใช้ภาพเป็นข้อมูลประกอบการตัดสินใจ
Apple Reference Image คือแนวคิดด้านการยืนยันแหล่งที่มาและความถูกต้องของภาพถ่ายที่ถูกพัฒนาขึ้นท่ามกลางการเติบโตของ Generative AIซึ่งสามารถสร้างภาพใหม่หรือแก้ไขภาพเดิมให้ดูสมจริงได้มากขึ้น แนวทางนี้จึงให้ความสำคัญกับข้อมูลที่เกิดขึ้นตั้งแต่ต้นทางของการบันทึกภาพเพื่อช่วยให้สามารถตรวจสอบได้ว่าภาพที่เห็นมีความสัมพันธ์กับข้อมูลจากกล้องและไฟล์ต้นฉบับอย่างไร
ประเด็นเรื่องความน่าเชื่อถือของภาพกำลังได้รับความสนใจมากขึ้นเพราะภาพถ่ายไม่ได้ใช้เพื่อความบันเทิงเพียงอย่างเดียวแต่ยังถูกใช้ในงานข่าว รายงานภาคสนาม งานประกันภัย งานตรวจสอบทรัพย์สิน งานกฎหมาย ไปจนถึงระบบภายในขององค์กรดังนั้นความสามารถในการตรวจสอบที่มาของภาพจึงอาจกลายเป็นอีกส่วนหนึ่งของการบริหารข้อมูลดิจิทัลในอนาคต
สารบัญ
Apple Reference Image คืออะไร?
แนวคิดหลักของระบบยืนยันภาพคือการสร้างข้อมูลที่ช่วยตรวจสอบตั้งแต่ขั้นตอนเริ่มต้นของการบันทึกภาพแทนที่จะรอให้ไฟล์ภาพถูกส่งต่อ แก้ไข หรืออัปโหลดไปยังระบบอื่นก่อน ภาพดิจิทัลหนึ่งไฟล์ไม่ได้ประกอบด้วยภาพที่เราเห็นเพียงอย่างเดียวแต่ยังสามารถมีข้อมูลประกอบ เช่น เวลาในการบันทึกภาพข้อมูลของอุปกรณ์ Metadata และรายละเอียดอื่นที่ระบบใช้ประกอบการตรวจสอบ เมื่อข้อมูลเหล่านี้ถูกผูกเข้ากับกระบวนการตรวจสอบที่เหมาะสมผู้ใช้งานสามารถมีข้อมูลเพิ่มเติมสำหรับประเมินว่าไฟล์นั้นยังมีความสอดคล้องกับต้นทางหรือมีการเปลี่ยนแปลงเกิดขึ้นภายหลังหรือไม่
จุดประสงค์ไม่ใช่การห้ามใช้ AI หรือการตกแต่งภาพแต่คือการสร้างวิธีตรวจสอบสำหรับกรณีที่ผู้รับข้อมูลต้องการทราบแหล่งที่มาและความน่าเชื่อถือของภาพ
ระบบยืนยันภาพทำงานอย่างไร?
ตามแนวคิดที่นำเสนอ กระบวนการเริ่มตั้งแต่กล้องรับข้อมูลจากเซ็นเซอร์จากนั้นข้อมูลภาพจะถูกประมวลผลร่วมกับรายละเอียดที่เกี่ยวข้องเช่น Pixel, Metadata และ Timestamp ก่อนนำข้อมูลดังกล่าวไปใช้ประกอบกระบวนการยืนยันในภายหลัง
ข้อดีของการเริ่มต้นตั้งแต่ต้นทางคือระบบมีข้อมูลอ้างอิงเกี่ยวกับภาพตั้งแต่ช่วงที่ถูกบันทึกซึ่งแตกต่างจากการพิจารณาภาพด้วยสายตาเพียงอย่างเดียวเพราะภาพที่ผ่าน AI หรือระบบแต่งภาพสมัยใหม่อาจมีคุณภาพสูงจนผู้ชมทั่วไปไม่สามารถแยกได้อย่างชัดเจน
อย่างไรก็ตาม ผลการตรวจสอบควรถูกมองเป็นข้อมูลประกอบไม่ใช่การรับประกันว่าเทคโนโลยีใดเทคโนโลยีหนึ่งจะสามารถตรวจจับการดัดแปลงทุกรูปแบบได้ทั้งหมด
ภาพรวมกระบวนการตรวจสอบภาพ
Workflow แบบเข้าใจง่าย
แนวทางนี้เกี่ยวข้องกับ C2PA อย่างไร?
ในอุตสาหกรรมดิจิทัลมีการพัฒนามาตรฐานสำหรับบันทึกและตรวจสอบที่มาของ Content อยู่แล้วโดยหนึ่งในชื่อที่ถูกพูดถึงบ่อยคือ C2PAหรือ Coalition for Content Provenance and Authenticityซึ่งเกี่ยวข้องกับการเก็บข้อมูลเกี่ยวกับแหล่งที่มาและประวัติการเปลี่ยนแปลงของ Content
สิ่งที่น่าสนใจคือแนวทางใหม่กำลังพยายามผลักการยืนยันกลับไปใกล้ต้นทางมากขึ้นกล่าวคือเริ่มตั้งแต่การบันทึกภาพแทนที่จะพิจารณาเฉพาะสิ่งที่เกิดขึ้นหลังไฟล์ถูกสร้างแล้ว
สำหรับผู้ใช้งานทั่วไป ความแตกต่างอาจยังไม่เห็นชัดในชีวิตประจำวันแต่สำหรับระบบที่ต้องใช้ภาพเป็นหลักฐานข้อมูล Provenance และ Authenticationสามารถเพิ่มบริบทสำหรับการตรวจสอบได้มากกว่าการเปิดไฟล์แล้วดูด้วยสายตาเพียงอย่างเดียว
ทำไมการยืนยันภาพถึงสำคัญในยุค AI?
Generative AI ทำให้การสร้างภาพใหม่กลายเป็นเรื่องง่ายขึ้นอย่างมากผู้ใช้งานสามารถสร้างฉาก บุคคล วัตถุ หรือสถานการณ์ที่ไม่ได้เกิดขึ้นจริงได้ภายในเวลาอันสั้น
ขณะเดียวกันเครื่องมือแก้ไขภาพก็สามารถลบวัตถุเพิ่มสิ่งใหม่ เปลี่ยนพื้นหลัง หรือปรับรายละเอียดของภาพได้อย่างเป็นธรรมชาติมากขึ้นทำให้คำถามสำคัญในอนาคตอาจไม่ใช่เพียง“ภาพนี้ดูจริงหรือไม่”แต่เป็น “เราสามารถตรวจสอบที่มาของภาพนี้ได้หรือไม่”
การยืนยันแหล่งที่มาของภาพมีประโยชน์กับองค์กรอย่างไร?
สำหรับองค์กร ภาพถ่ายสามารถเป็นข้อมูลทางธุรกิจได้เช่นเดียวกับเอกสารDatabase หรือไฟล์ประเภทอื่นตัวอย่างเช่น ภาพการติดตั้งอุปกรณ์ภาพตรวจสอบทรัพย์สินภาพหน้างานภาพความเสียหายหรือภาพที่ใช้ประกอบรายงานให้ลูกค้า หากภาพเหล่านี้สามารถแก้ไขได้ง่ายองค์กรอาจต้องมีวิธีจัดการไฟล์ที่รัดกุมขึ้นตั้งแต่การเก็บต้นฉบับการกำหนดสิทธิ์ผู้ใช้งานการทำ Backupการบันทึก Logไปจนถึงการตรวจสอบ Metadata
ดังนั้นแนวคิดเรื่องความน่าเชื่อถือของภาพจึงไม่ควรถูกมองเป็นเรื่องของกล้องเพียงอย่างเดียวแต่เกี่ยวข้องกับกระบวนการบริหารข้อมูลตลอด Lifecycleตั้งแต่จุดที่ข้อมูลถูกสร้าง ไปจนถึงขั้นตอนจัดเก็บ ส่งต่อ ตรวจสอบ และนำไปใช้งาน
ตัวอย่างสิ่งที่องค์กรควรพิจารณา
- การเก็บไฟล์ต้นฉบับและ Backup
- การกำหนดสิทธิ์เข้าถึงข้อมูล
- การตรวจสอบ Metadata และ Timestamp
- การบันทึกประวัติการเปลี่ยนแปลงไฟล์
- การใช้ Digital Signature หรือระบบ Authentication เมื่อจำเป็น
- การกำหนดขั้นตอนตรวจสอบก่อนใช้ภาพเป็นหลักฐาน
ความน่าเชื่อถือของข้อมูลกับ Cybersecurity
เมื่อพูดถึง Cybersecurity หลายองค์กรอาจนึกถึงFirewall, Endpoint Protection, VPN หรือ Network Security ก่อนแต่ความปลอดภัยของระบบไม่ได้จบอยู่ที่การป้องกันการโจมตีเท่านั้น
ข้อมูลที่องค์กรใช้งานควรมีทั้งความพร้อมใช้งานความเป็นส่วนตัว และความถูกต้องดังนั้น Data Integrity และ Data Authenticityจึงเป็นแนวคิดที่สัมพันธ์กับการบริหารความปลอดภัยของข้อมูลโดยตรง
ในอนาคตองค์กรอาจต้องตรวจสอบมากกว่าว่า “ไฟล์นี้มี Malware หรือไม่” แต่ต้องพิจารณาด้วยว่า “ไฟล์นี้มาจากแหล่งใด” “ถูกเปลี่ยนแปลงเมื่อไร”และ “เราสามารถเชื่อถือข้อมูลนี้ได้ในระดับใด”
สรุปเทคโนโลยียืนยันภาพในยุค Generative AI
โดยสรุป Apple Reference Imageสะท้อนให้เห็นทิศทางใหม่ของการจัดการภาพดิจิทัลที่ให้ความสำคัญกับการตรวจสอบแหล่งที่มาMetadata และความสัมพันธ์ระหว่าภาพกับข้อมูลต้นทาง มากกว่าการตัดสินจากสิ่งที่มองเห็นเพียงอย่างเดียว
เทคโนโลยีลักษณะนี้ไม่ได้ทำให้ภาพ AI หายไปและไม่ได้หมายความว่าภาพที่ไม่มีข้อมูลยืนยันจะเป็นภาพปลอมแต่ช่วยเพิ่มเครื่องมืออีกชั้นหนึ่งสำหรับสถานการณ์ที่ต้องการตรวจสอบความน่าเชื่อถือของ Content
สำหรับองค์กร แนวโน้มดังกล่าวเป็นอีกสัญญาณว่าDigital Security ในอนาคตอาจไม่ได้เน้นเพียงการป้องกันระบบแต่จะรวมถึงการสร้างความเชื่อมั่นในข้อมูลที่ถูกสร้าง จัดเก็บ ส่งต่อ และนำมาใช้งานด้วย
แหล่งข้อมูลอ้างอิง
บทความนี้เรียบเรียงและขยายความจากข่าวเทคโนโลยี อ่านข่าวต้นฉบับจาก Blognone
มองหา IT Infrastructure สำหรับองค์กร?
NETBAND รวบรวมสินค้า Network, SFP Module, Fiber Optic,IT Hardware และ Enterprise Solutionsสำหรับงานระบบเครือข่าย Data Center และโครงสร้างพื้นฐาน IT