Zdemaskujmy winnego - odpikselowanie fotki z AI

•

Na nagraniach z kamer CCTV każdy człowiek wygląda jak... kartofel 🤷‍♂️ Ale nic straconego, bo tutaj z pomocą przychodzi AI! Nooo... prawie. Czytaj wątek 🧵 ↓

Mieszkam w małym miasteczku, gdzie co jakiś czas dochodzi do aktów wandalizmu. Ktoś pomazał farbą mury. Innym razem ktoś zdemolował samoobsługową myjnię. Za każdym razem były dostępne nagrania. Twarz bohatera na filmie wygląda jak postać z gier z lat 90' i tutaj wkracza AI.

W wątkach "czy poznajesz tego człowieka" co jakiś czas ktoś wrzuca fotkę "poprawioną" przez ChatGPT, Gemini, czy Groka. Problem w tym, że te modele nie "poprawiają" jakości fotki, tylko 'wymyślają', jak dana osoba mogłaby wyglądać. W ramach eksperymentu użyłem własnego zdjęcia.

Zdjęcie wrzuciłem do GIMP-a (aplikacja do obróbki grafiki) i nałożyłem na nie szumy i filtr pikselujący. Nie za mocno, aby moi znajomi mogli rozpoznać, że ja to ja. Następnie wrzuciłem fotkę do wspomnianych modeli z promptem: "This is a low-quality photo. Improve it"

Efekty były 'ciekawe'. Żaden z modeli nie odzyskał oryginalnego wyglądu mojej twarzy. Najlepiej poradził sobie ChatGPT. Co prawda foto wygląda jak ja po 2 latach na siłce, ale jest jakaś minimalna szansa, że ktoś ze znajomych mnie rozpozna (gdy już skończy się śmiać).

Grok ujął mi z 10-15 lat, z 20kg z tuszy i stwierdził, że w sumie wyglądam jak Ryan Gosling. Doceniam, ale na potrzeby śledztwa to się nie przyda.

Najmocniej odjechał Gemini (to jest to trzecie foto). Nie ma szans, aby ktoś ze znajomych rozpoznał mnie na tym zdjęciu.

Zanim zaczniesz pouczać mnie w komentarzach, że "ale to nie tak działa!". Odpowiem "WIEM". To jest halucynacja na podstawie danych źródłowych. Tak potencjalnie mógłby wyglądać poszukiwany - ale tak nie wygląda. Dlaczego więc o tym piszę?

Takie "odpikselowanie" działało świetnie w serialu "CSI: Kryminalne zagadki Las Vegas". Widzimy wielkiego, pikselowego kartofla, ale śledczy robi zooma na jego źrenicę, wyostrza obraz i okazuje się, że w oku widać napis na koszulce napastnika, który wykonał foto! 😱

W rzeczywistym świecie niestety tak to nie wygląda. Otrzymana fotografia może przedstawiać "nikogo" - co jest mało szkodliwe - ale może także przedstawiać niewinną osobę, która od teraz jest poszukiwana 🤦‍♂️ Z kiepskiego materiału źródłowego NIE otrzymasz brakujących detali 🤷‍♂️

TL;DR: multimodalne modele językowe to nie są narzędzia śledcze. Nie odpikselowują zamazanych fotek i nie sprawiają, że zdjęcia z kamer przemysłowych wyglądają jak te studyjne... znaczy... robią to, ale tak otrzymane ujęcia są dalekie od rzeczywistości.