Uudet kuvakorjaukset hämäävät paljastajia – jopa kuvan “parantaminen” voi peittää jäljet

Puhelin kysyy, haluatko siistiä maisemakuvasta pois roskiksen. Sutaiset sormella pienen alueen ja kirjoitat: “nurmi tilalle”. Sekunnissa kuoppa on peittynyt, valon suunta täsmää ja varjotkin näyttävät oikeilta. Kuvasta ei päälle päin näe, että nurmi on keksitty jälkikäteen.

Vielä hetki sitten moni luotti siihen, että huijaus paljastuu, jos ei ihmiselle, niin tarkistusohjelmille: jos kuva on kokonaan tekoälyn tekemä, sen pitäisi olla tunnistettavissa; jos kuvaa on paikattu, muokattu alue pitäisi löytyä. Uusimmat korjaustavat – niin sanottu tekstikehotteilla ohjattu paikkamaalaus – sotkevat tämän jaon. Ne eivät vain tilki pientä kohtaa, vaan voivat käytännössä luoda koko kuvan uudelleen yhden käden liikkeellä ja muutamalla sanalla.

Tuore vertailu- ja koeaineisto, TGIF2, tarjoaa tästä mittatikkua. Se ei ole uusi kuvankäsittelytyökalu vaan kokoelma kuvia ja testejä, joilla mitataan, kuinka hyvin huijausten paljastajat pysyvät kehityksen perässä. Tulokset eivät imartele: kun kuvia paikataan uusilla malleilla, perinteiset paljastusmenetelmät heikentyvät selvästi.

Mistä on kyse? Tekstiohjattu paikkamaalaus toimii niin, että kuvasta peitetään haluttu alue ja ohjelmalle kerrotaan sanallisesti, mitä siihen pitäisi ilmestyä. Aiemmat paljastusmenetelmät jakautuivat karkeasti kahteen leiriin. Ensimmäiset etsivät “laastarin” paikan – mihin kuvaan on liimattu tai paikattu jotakin. Tällaisessa liittämisessä (splicaus) menetelmät ovat pärjänneet kohtuullisesti. Toiset taas erottivat, onko koko kuva syntynyt tekoälyn käsissä. Kun sama työkalu osaa nyt sekä paikata että tuottaa käytännössä uuden kuvan, jako alkaa rakoilla.

TGIF2-aineistossa tätä rakoa revitään auki järjestelmällisesti. Aineisto laajentaa aiempaa kokoelmaa lisäämällä muokkauksia, jotka on tehty uusilla paikkamaalausmalleilla (FLUX.1-sarja) sekä satunnaisilla, ei-esineiden muotoja noudattavilla maskeilla. Satunnaiset maskit ovat tärkeitä, koska ne paljastavat harhan: jos paljastaja osuu muokatun alueen sijaan vain esineen ääriviivoihin, se ei oikeasti ymmärrä, missä muokkaus on tapahtunut.

Yksi esimerkki ilman kaavoja: Ajattele lomakuvaa, jossa rannalla on tausta täynnä väkeä. Peität parilla vedolla joukon ihmisiä ja kirjoitat: “jatka hiekkarantaa”. Moni työkalu ei tällöin vain täytä peitettyä kohtaa, vaan säätää samalla värejä, rakeisuutta ja yksityiskohtia koko kuvassa, jotta kaikki sopii yhteen. Aiemmin huijauksen paljastaja olisi ehkä piirtänyt kehän muokatun alueen ympärille. Nyt se ei välttämättä löydä enää mitään, koska rajaa muokatun ja “aidon” välillä ei ole – kuva on syntynyt uudestaan.

TGIF2:n testit näyttävät kolme kärkevää ilmiötä:

• Kun muokkaukset tehdään uusilla paikkamaalausmalleilla, sekä paikannusmenetelmien (mitä kohtaa muokattiin?) että kokonaistunnistuksen (onko kuva kokonaan tekoälyn tekemä?) suorituskyky heikkenee. Yleistettävyys on rajallista.
• Kun paikannusmenetelmiä koulutetaan uudelleen nimenomaan tällaisilla “uudelleensyntyneillä” kuvilla, paikannus paranee – mutta satunnaisilla maskeilla tehty arviointi paljastaa esineharhan. Menetelmät takertuvat helposti esineiden reunoihin, eivät muokkaukseen itseensä.
• Generatiivinen superresoluutio – arkisemmin: tekoälypohjainen kuvan “terävöitys” ja suurennus, joka keksii lisää yksityiskohtia – heikentää merkittävästi paljastusjälkiä. Toisin sanoen tavanomainen kuvien parantelu voi pestä pois ne piirteet, joihin nykyiset tarkistimet luottavat.

Nämä havainnot muodostavat selkeän jännitteen sen kanssa, miten kuvahuijauksia on toistaiseksi ajateltu torjuttavan. Ajatusmalli “tunnista koko tekoälykuva” tai “etsi selvä laastari” ei enää riitä, kun muokkaus sulauttaa itsensä kuvaan niin, että uusi ja vanha syntyvät samasta muotista.

TGIF2 toimii todisteena siitä, että tilanne muuttuu nopeasti. Se ei korjaa ongelmaa, mutta antaa paremman peilin: samoilla kuvilla voidaan vertailla menetelmiä ja nähdä, mihin ne kompastuvat. Esimerkiksi se, että satunnaiset, merkityksettömät maskit horjuttavat paikannusta, kertoo, että algoritmit eivät hahmota manipulaatiota tapahtumana, vaan arvaavat kohteita. Ja se, että pelkkä kuvanparannus riittää häivyttämään merkkejä, haastaa käytännön valvontaa: moni palvelu parantaa kuvia automaattisesti.

Mitä tästä voi päätellä? Ainakin sen, että kuvien todennus on liukuva maali. Tutkijat itsekin korostavat, että uusia paikkamaalausmalleja syntyy kaiken aikaa, ja siksi tarvitaan päivitettyjä aineistoja ja vertailuja. Tässä mielessä TGIF2 on välivaihe: hyödyllinen, muttei lopullinen ratkaisu. Samalla tulokset ovat riittävän selkeitä herättämään varovaisuutta – kun koko kuva voi syntyä osana “pientä korjausta”, paljastaminen muuttuu vaikeammaksi.

Arjessa tämä tarkoittaa, että tutut ohjenuorat – katso valoja ja varjoja, etsi toistuvia kuvioita – auttavat yhä, mutta eivät takaa mitään. Ja instituutioille se merkitsee, että nykyiset tarkistusketjut voivat pettää kahdessa arkipäiväisessä kohdassa: kun kuvaa on vähän siloteltu tai kun muokkaus on tehty tekstillä niin taiten, ettei alkuperäistä pintaa ole juuri jäljellä.

Kysymys kuuluu: jos rajaa aidon ja muokatun välillä on yhä vaikeampi piirtää yksittäisestä kuvasta, pitäisikö huomio siirtää yhä enemmän siihen, miten kuvan syntytarina osoitetaan toteen – vai uskallammeko yhä nojata paljastajiin, jotka yrittävät löytää jäljet vasta lopputuloksesta?

Paper: https://arxiv.org/abs/2603.28613v1

Register: https://www.AiFeta.com

tekoäly kuvamanipulaatio mediaforensiikka kuvantunnistus tutkimus