Міжнародні стандарти забезпечують огородження для відповідального, безпечного та надійного розвитку ШІ, що робить їх неоціненними інструментами для регуляторів та політиків у всьому світі.
Зрозуміло, що AI вийшов з -під контролю у багатьох секторах. Фотографії та відео DeepFake загрожують довірою споживачів, а тисячі сайтів розгортаються з скребком, а часто неточною інформацією про людей та теми.
Настав час встановити універсальні стандарти, щоб допомогти забезпечити, що вміст, що генерується AI, є справжнім та точним через низку стратегій, таких як водяний маркінг. Коаліція міжнародних органів стандартів, що працюють під парасолькою співпраці AI та мультимедійних стандартів автентичності (AMAS), зосереджуються на просуванні поточних та розробки стандартів AI.
Звичайно, AI-це швидка ціль, тому ці групи стандартів повинні прискорити свої повільніші та більш доцільні процесу розробки стандартів, щоб не відставати. На недавній конференції “AI For Good” було оголошено узгоджені зусилля, щоб створити більш всебічні стандарти AI, яку влаштовує ООН в Женеві. Мультидисциплінарний колектив – співпраця AI та мультимедійних стандартів автентичності (AMAS) очолювала Міжнародна електротехнічна комісія (IEC), Міжнародна організація стандартизації (ISO) та Міжнародний союз телекомунікацій (МСЕ).
Такі стандарти є цілком добровільними, але прийняття дасть змогу бізнесу та постачальникам технологій взаємодіяти з довірою, а також забезпечити більшу сумісність між різними системами AI, за словами Жила Тонета, заступника генерального секретаря IEC. “Міжнародні стандарти забезпечують огородження для відповідального, безпечного та надійного розвитку ШІ, що робить їх неоціненними інструментами для регуляторів та розробників політики у всьому світі. Ми закладаємо основу для систем, які пріоритетні прозорості та прав людини, відображаючи існуючі стандарти та підкреслюючи прогалини, де вони потрібні для відновлення довіри до вмісту, поколінованих AI та мультимедією в Інтернеті”.
Див. Також: Дослідники створюють інструмент для запобігання маніпуляції із зображеннями AI
Інші стандарти зображення AI, які слід враховувати
Нижче наведено стандарти, які зараз просуваються або розробляються:
- Декларації прав: До них відносяться загальне призначення та механізми відмови.
- Водяний маркінг: Це гарантує, що “цифровий вміст позначений таким чином, який може бути використаний для перевірки його справжності, синтетичної природи та власності. Водяний маркінг все частіше використовується для полегшення декларації прав творців контенту та допоможе забезпечити, щоб їх цифрові активи не використовувались без їх згоди”.
- Проведення вмісту: Сюди входить публікація інформації про походження, історію та життєвий цикл цифрового контенту. Це забезпечує “прозорий запис, який може бути використаний для встановлення довіри та автентичності. Такі механізми є важливими для підтримки цілісності цифрових медіа, особливо в середовищах, де маніпулювання контентом викликає важливе значення”.
- Довіра та справжність: Це складається з “методологій забезпечення того, щоб цифровий контент був справжнім і не був підроблений. Втілюючи довіри та заходи автентичності, організації можуть захистити свої цифрові активи від несанкціонованих змін та допомогти забезпечити, щоб споживачі могли покластися на вміст, який вони отримують”.
- Ідентифікатори активів: Це “унікальні коди, призначені для цифрового вмісту, щоб забезпечити належне управління та ідентифікацію активів. Ці ідентифікатори допомагають підтримувати чіткий та організований запис цифрових активів, що полегшує організацію, управління та розповсюдження вмісту”. Використовуючи ідентифікатори активів, організації можуть забезпечити належне відстеження та врахування їх цифрових медіа, зменшуючи ризик втрати або несанкціонованого використання ».
На початку цього року IEC та ISO також опублікували першу частину нової серії міжнародних стандартів JPEG Trust, яка забезпечує основу для встановлення довіри до ЗМІ, яка також може бути застосована до відео та аудіо. Новий стандарт описує інструменти та методології, які люди та організації можуть використовувати для створення власних профілів довіри. Це робиться, пов'язуючи зображення з їх метаданими та іншими даними про походження, щоб висвітлити будь -яку спробу підробити ними. Наявність або відсутність цієї інформації надає контекстуальну інформацію для встановлення довіри до зображення.