Με την πρόοδο της τεχνολογίας τεχνητής νοημοσύνης, η δημιουργία ρεαλιστικών εικόνων διαρκεί μόνο ένα λεπτό. Οι εικόνες φαίνονται εκ πρώτης όψεως πειστικές, αλλά αν κοιτάξουμε πιο προσεκτικά, θα βρούμε σφάλματα.

Αρχικά, ελέγχουμε την πηγή της εικόνας. Προέρχεται από κάποιον ειδησεογραφικό οργανισμό, ή από κάποια επίσημη και επώνυμη πηγή; Αν όχι, θα πρέπει να αρχίσουμε να υποψιαζόμαστε πως κάτι δεν πάει καλά. Για παράδειγμα, αν μια εικόνα δείχνει ένα σημαντικό γεγονός, σίγουρα θα πρέπει να έχει κυκλοφορήσει και ως είδηση. Ακόμη και τα σχόλια άλλων χρηστών κάτω από μια εικόνα, μπορούν να μας βοηθήσουν να καταλάβουμε περί τίνος πρόκειται.

Χρησιμοποιούμε μηχανές αντίστροφης αναζήτησης εικόνας, όπως το Google Lens, το TinEye και το Yandex. Για παράδειγμα, στην παρακάτω εικόνα που υποτίθεται πως δείχνει τον Μπασάρ αλ Άσαντ, κάνουμε δεξί κλικ πάνω της και επιλέγουμε αναζήτηση με Google. Μπορούμε να επιλέξουμε αναζήτηση πηγής εικόνας. Επίσης, εάν η εικόνα έχει κείμενο, μπορούμε να επιλέξουμε “Text”. Ακόμη και αν το κείμενο είναι σε γλώσσα που δεν μας είναι γνώριμη, πχ ρώσικα, μπορούμε να πατήσουμε “Translate”. Θα πρέπει όμως να προσέξουμε αν το κείμενο που διαβάζει το Lens είναι σωστό, διότι ανάλογα με την ευκρίνεια, μπορεί να γίνουν λάθη.

Παρατηρούμε λεπτομέρειες, όπως για παράδειγμα τα σύννεφα στον ουρανό, τα κύματα στον ωκεανό, τα φτερά των πουλιών ή τα πέταλα των λουλουδιών. Παρόλο που τα φυσικά αντικείμενα μπορεί να εμφανίζουν επαναλαμβανόμενα μοτίβα, οι εικόνες που δημιουργούνται με λογισμικό τεχνητής νοημοσύνης (ΤΝ) μπορεί να εμφανίζουν αυτά τα μοτίβα με εξαιρετικό ποσοστό ακρίβειας και να κάνουν τη συμμετρία, ή να φαίνεται υπερβολικά τέλεια.

Ενώ μια τεχνητή νοημοσύνη μπορεί να εμφανίζει μια εικόνα με τέλεια συμμετρία, πολλές φορές “υποπίπτει” σε σφάλματα. Η τεχνητή νοημοσύνη δεν βιώνει τον κόσμο με τον ίδιο τρόπο που τον βιώνουν οι άνθρωποι. Γι’αυτό υπάρχουν και περιπτώσεις όπου δεν υπάρχει πάντα συμμετρία.

Ακόμα κι αν έχει εκπαιδευτεί με μεγάλες ποσότητες δεδομένων στον αλγόριθμο μηχανικής εκμάθησης, μια τεχνητή νοημοσύνη μπορεί να μην καταφέρει να κατανοήσει πλήρως τις αποχρώσεις και τις λεπτομέρειες των εικόνων που προσπαθεί να δημιουργήσει. Το αποτέλεσμα που προκύπτει μπορεί να μην φαίνεται ρεαλιστικό στο ανθρώπινο μάτι.

Όταν κοιτάμε εικόνες με ανθρώπους, ψάχνουμε για παραμορφωμένα χαρακτηριστικά του προσώπου, επιπλέον δάχτυλα στα χέρια ή μέρη του σώματος που είναι λυγισμένα σε ασυνήθιστη γωνία. Ελέγχουμε επίσης για αντανακλάσεις που λείπουν, αφύσικο φωτισμό και περίεργα χρώματα.

Κτίρια, τοπία και αντικείμενα που φαίνεται να αψηφούν τη βαρύτητα και άλλους νόμους της φυσικής μπορεί επίσης να είναι ενδεικτικά σημάδια μιας εικόνας που δημιουργείται με ΤΝ. Για να το δούμε αυτό, πιθανότατα θα χρειαστεί να ζουμάρουμε στην εικόνα. Πολύ συχνά, αυτές οι εικόνες έχουν χαμηλή ευκρίνεια.

Μπορούμε να χρησιμοποιήσουμε μηχανές ανίχνευσης εικόνων ΤΝ. Μπορούμε να χρησιμοποιήσουμε δωρεάν υπηρεσίες ανίχνευσης εικόνας, όπως το Illuminarty, το AI or Not και το Everypixel Aesthetics. Τα προαναφερθέντα εργαλεία, θα πρέπει να χρησιμοποιούνται με μια σχετική επιφύλαξη και σίγουρα παράλληλα με τις άλλες μεθόδους που παραθέσαμε πιο πάνω.

Ελέγχουμε εάν η εικόνα έχει κάποιο λογότυπο ή υδατογράφημα πάνω της. Πολύ συχνά, οι δημιουργοί τους, “υπογράφουν” την εικόνα που έχουν κατασκευάσει. Κατόπιν, μπορούμε να τους ψάξουμε μέσω Google και να διαπιστώσουμε εάν είναι για παράδειγμα δημιουργοί ψηφιακών γραφικών.

Τέλος, χρησιμοποιούμε κοινή λογική. Από μόνοι τους, οι προαναφερθέντες τρόποι δεν είναι αλάνθαστοι. Ενδέχεται να απαιτείται συνδυασμός αυτών των μεθόδων για τον αποτελεσματικό εντοπισμό εικόνων από τεχνητή νοημοσύνη.