Google 正在通过在使用其强大的 Reimagine 工具编辑的图片中添加不可见的数字水印,使识别 AI 修改过的图片变得更加容易。
2 月 9 日更新:本文最初发表于 2 月 7 日
Reimagine 作为 Google Photos Magic Editor 功能的一部分随 Pixel 9 系列推出,允许用户圈选图片中的任何区域,通过输入简单的文本提示将其转换成任何想要的内容。这些 AI 生成的编辑通常富有创意且有趣,但可能具有误导性,因为很难分辨什么是真实的,什么是虚假的。
Google Photos:AI 生成图片将被添加水印
根据最近的 Google Photos 博客文章披露,使用 Reimagine 处理的图片将使用 Google DeepMind 的 SynthID 技术接收一个不可见的嵌入式水印,这将提醒他人存在 AI 驱动的修改。如果图片包含 SynthID 水印,你可以通过查看其关联的"关于此图片"信息来确认。
如果图片是使用 Google 的 AI 工具编辑的,这些信息将使在社交媒体或通过消息应用发送的假图片更容易被发现。
例如,使用 Reimagine 编辑的图片将在 Google Photos 中显示"AI 信息"部分,标注"来源:使用 Google AI 编辑,数字源类型:使用生成式 AI 编辑"。你也可以在 Google Photos 之外查看这些信息:如果有人向你发送可疑照片,只需使用 Circle to Search 检查图片并验证上述 AI 生成的元素。
SynthID 水印只能由特定的解码软件读取,肉眼无法看见。由于它们是图片本身的一部分,比普通的图片标签更难移除,而普通标签任何人都可以轻易地从图片文件中删除,无论是故意还是在使用不保留这些标签的软件时意外删除。
Google 已经在使用 SynthID 为其 Imagen 图像生成工具创建的图片添加水印。现在,它将这一功能添加到用户使用 Reimagine 编辑的图片中,无论是否为 AI 生成。Reimagine 目前仅在 Pixel 9 系列及更新机型上可用,但所有设备都可以读取 SynthID 水印。
Google Photos AI 水印 — 一个不完美的解决方案
SynthID 水印设计为能够抵抗常规编辑和操作,难以移除。然而,重复编辑可能导致它们退化。此外,Google 指出,细微的编辑,例如"改变图片背景中小花的颜色",可能仍会漏网,因为这些变化可能太小,SynthID 无法检测到。
除了图片外,SynthID 还可以为音频、文本和视频添加水印。用于编码和解码文本中 SynthID 水印的软件已经公开可用,但 Google 目前仍对其基于图像的水印工具保密。这种方法有助于减缓那些可能开发规避技术的人的步伐,但也意味着,没有公开审查,我们无法知道 Google 可能会在我们的图片中嵌入什么其他信息。
2 月 9 日更新:SynthID 必须更广泛地可用才能真正发挥作用
Google 必须使 SynthID 工具更广泛可用
虽然 Google 为其 AI 生成工具添加水印的举措值得称赞,但用于图像的 SynthID 只是打击深度伪造和 AI 生成虚假信息的一个小武器。一个重要的限制因素是,与文本文档不同,只有 Google 可以检测图像中的 SynthID 水印。这意味着虽然 Google Photos、Circle to Search 和 Google Lens 会标记带有 SynthID 水印的图像,但其他软件和服务不会。
例如,如果你将"重新构想"的图片上传到 Instagram,该应用程序不会检测到你的图片包含 AI 生成的组件。Instagram 会提示用户在适当的情况下为上传的图片添加 AI 标签,并指出 Meta 在某些情况下要求使用此类标签。但是,激活标签的决定仍然取决于上传者。
这与其他工具不同,例如 Adobe Photoshop 使用行业标准标签,Instagram 等服务可以读取这些标签来自动标记 AI 生成的内容。为确保更广泛的采用,Google 必须让第三方能够使用 SynthID 解码器来处理文本和图像。
Magic Editor 的普通用户可能不会在意,甚至不知道 Google 的水印。然而,那些试图故意误导他人的人几乎肯定能够绕过它。许多免费和开源工具不会,也永远不会强制用户嵌入标识其输出为 AI 生成的标签或水印。
在 Instagram 上关注 @paul_monckton。
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
上海AI实验室联合多家顶尖机构开发出全球首个科学推理大模型SciReasoner,该模型在2060亿科学数据上训练,支持103个科学任务,能够像科学家一样进行逻辑推理并展示思考过程。它实现了化学、生物学、材料科学等多领域知识整合,在分子设计、性质预测、文献分析等方面表现出色,为科学研究提供了强大的AI助手工具。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
南洋理工大学研究团队开发出SHINE方法,这是一种无需额外训练就能实现高质量图像合成的新技术。该方法通过巧妙引导现有AI模型的潜能,能够在复杂光影条件下完美合成图像,包括准确的阴影生成和水面倒影效果。研究团队还创建了ComplexCompo基准测试集,验证了SHINE在各种挑战性场景中的卓越性能,为图像编辑技术的发展开辟了新方向。