Kini SynthID, ami omi ti oye atọwọda?

Awọn ifarahan ti AI ti ipilẹṣẹ ti ṣe igbelaruge iṣelọpọ awọn aworan, awọn ọrọ, awọn ohun orin, ati awọn fidio lori iwọn ti a ko tii ri tẹlẹ, ati pẹlu rẹ, awọn ṣiyemeji nipa ipilẹṣẹ wọn ti dagba; ni ipo yii, Ṣe idanimọ boya akoonu ti ṣẹda tabi paarọ nipasẹ awoṣe di bọtini si igbẹkẹle oni-nọmba. SynthID le jẹ ojutu nla kan.

Eyi ni imọran Google DeepMind, a ebi ti "airi" watermarking imuposi eyiti a fi sii taara sinu akoonu ti ipilẹṣẹ AI lati dẹrọ iṣeduro atẹle laisi ibajẹ didara ti eniyan rii.

Kini SynthID ati kini o jẹ ipinnu fun?

Google ṣe apejuwe SynthID gẹgẹbi ohun elo fun omi-omi kan pato fun akoonu ti ipilẹṣẹ AI, ti a ṣe lati ṣe igbelaruge akoyawo ati wiwa kakiri. Ko ni opin si ọna kika kan: o ni awọn aworan, ohun, ọrọ, ati fidio, ki ọna imọ-ẹrọ kan le ṣee lo si awọn oriṣiriṣi oriṣiriṣi ti media.

Ninu ilolupo Google o ti lo tẹlẹ ni awọn ọna pupọ:

• Ninu ọrọ, Flag naa kan si awọn idahun Gemini.
• Nínú ohùn, ti a lo pẹlu awoṣe Lyria ati pẹlu awọn ẹya ara ẹrọ gẹgẹbi ṣiṣẹda awọn adarọ-ese lati ọrọ ni Akọsilẹ LM.
• En fídíò, ti ṣepọ sinu awọn ẹda Veo, awoṣe ti o lagbara lati ṣe awọn agekuru ni 1080p.

Ni gbogbo awọn ọran omi omi O jẹ imperceptible, ati pe a ti ṣe apẹrẹ lati koju awọn iyipada loorekoore gẹgẹ bi funmorawon, awọn iyipada rhythm ninu ohun tabi gige fidio, laisi idinku didara.

Ni ikọja imọ-ẹrọ, ibi-afẹde iṣe rẹ jẹ kedere: ṣe iranlọwọ ṣe iyatọ awọn ohun elo sintetiki lati eyiti iṣelọpọ laisi AI, ki awọn olumulo, media ati awọn ile-iṣẹ le ṣe awọn ipinnu alaye nipa lilo ati pinpin akoonu.

Bawo ni watermark ọrọ (SynthID Text) ṣiṣẹ

Ni iṣe, Ọrọ SynthID n ṣiṣẹ bi a logit isise eyiti o somọ sinu opo gigun ti iran awoṣe ede lẹhin awọn asẹ iṣapẹẹrẹ deede (Top-K ati Top-P). Yi ero isise subtly títúnṣe awọn nọmba awoṣe pẹlu kan iṣẹ pseudorandom g, ifitonileti alaye ni apẹrẹ awọn iṣeeṣe lai ṣe afihan awọn ohun elo ti o han sinu ara tabi didara ọrọ naa.

Abajade jẹ ọrọ ti, ni wiwo akọkọ, n ṣetọju didara, konge ati fluidity, ṣugbọn eyiti o ṣafikun igbekalẹ iṣiro ti a rii pẹlu oludaniloju oṣiṣẹ.

Lati se ina ọrọ pẹlu watermark o jẹ ko wulo tun awoṣe: nìkan pese iṣeto ni si ọna .generate() ati mu ẹrọ isise logit SynthID Text ṣiṣẹ. Eyi jẹ ki isọdọmọ di irọrun ati gba idanwo pẹlu awọn awoṣe ti a ti gbe lọ tẹlẹ.

Awọn eto ami omi pẹlu awọn aye pataki meji: keys y ngram_len. Awọn bọtini jẹ atokọ ti awọn alailẹgbẹ, awọn nọmba ID ti a lo lati ṣe Dimegilio awọn fokabulari nipa lilo iṣẹ g; ipari ti atokọ yẹn n ṣakoso iye “awọn fẹlẹfẹlẹ” ti isamisi omi ti a lo. Nibayi, ngram_len Ṣeto iwọntunwọnsi laarin wiwa ati agbara si awọn iyipada: awọn iye ti o ga julọ jẹ ki wiwa rọrun ṣugbọn jẹ ki edidi naa jẹ ipalara si awọn ayipada; iye ti 5 ṣiṣẹ daradara bi aaye ibẹrẹ.

Ni afikun, SynthID Text nlo a tabili iṣapẹẹrẹ pẹlu awọn ohun-ini meji: sampling_table_size y sampling_table_seed. Iwọn ti o kere ju 2 ^ 16 ni a ṣe iṣeduro lati rii daju pe iṣẹ g n huwa ni iduroṣinṣin ati aiṣedeede nigba iṣapẹẹrẹ, ni akiyesi pe ti o tobi iwọn tumo si diẹ iranti nigba inference. Irugbin naa le jẹ odidi eyikeyi, eyiti o ṣe irọrun atunbi ni awọn agbegbe igbelewọn.

Nuance pataki kan wa lati mu ifihan agbara dara si: tun n-giramu laarin itan aipẹ ti ọrọ-ọrọ (ti a ṣalaye nipasẹ context_history_size) ko ni samisi, eyiti o ṣe itẹwọgba wiwa ti ami naa ni iyoku ọrọ ti o dinku awọn idaniloju eke ti o sopọ mọ awọn atunwi adayeba ti ede naa.

Fun aabo, iṣeto omi omi kọọkan (pẹlu awọn bọtini rẹ, irugbin ati awọn paramita) gbọdọ wa ni ipamọ ni ikọkọTi awọn bọtini wọnyi ba ti jo, awọn ẹgbẹ kẹta le ni rọọrun ṣe ami iyasọtọ naa tabi, buru sibẹ, gbiyanju lati ṣe afọwọyi pẹlu imọ kikun ti eto rẹ.

Bii o ṣe le rii: ijerisi iṣeeṣe pẹlu awọn ala

Ijerisi ami omi ninu ọrọ kii ṣe alakomeji, ṣugbọn iṣeeṣeGoogle ṣe atẹjade aṣawari Bayesian kan lori awọn Ayirapada mejeeji ati GitHub pe, lẹhin itupalẹ ilana iṣiro ti ọrọ naa, da awọn ipinlẹ mẹta ti o ṣeeṣe pada: ami iyasọtọ, tí kò ní àmì-ìdámọ̀ o aidanilojuIṣẹjade ternary yii ngbanilaaye iṣẹ ṣiṣe lati ṣatunṣe si eewu oriṣiriṣi ati awọn ipo ifarada aṣiṣe.

Awọn ihuwasi ti awọn verifier jẹ Configurable nipasẹ meji ala ti o šakoso awọn oṣuwọn ti eke positives ati eke odi. Ni awọn ọrọ miiran, o le ṣe iwọn bawo ni o ṣe fẹ ki iṣawari naa jẹ, rubọ ifamọ fun deede tabi idakeji da lori ọran lilo rẹ, ohunkan ti o wulo julọ ni awọn agbegbe olootu, iwọntunwọnsi tabi ti abẹnu se ayewo.

Ti awọn awoṣe pupọ ba pin kanna àmi, tun le pin awọn kanna brand iṣeto ni ati kanna aṣawari, niwọn igba ti eto ikẹkọ oluṣeto ba pẹlu awọn apẹẹrẹ ti gbogbo wọn. Eyi jẹ ki o rọrun lati kọ “awọn ami omi ti o wọpọ” ni awọn ẹgbẹ pẹlu awọn LLM lọpọlọpọ.

Ni kete ti aṣawari ti ni ikẹkọ, awọn ajo le pinnu ipele ifihan rẹ: tọju rẹ ikọkọ patapata, funni ni ọna kan ologbele-ikọkọ nipasẹ API, tabi tu silẹ ni ọna kan gbangba fun gbigba lati ayelujara ati lilo nipasẹ awọn ẹgbẹ kẹta. Yiyan da lori agbara iṣẹ amayederun ti nkan kọọkan, awọn eewu ilana, ati ete alaye.

Aami omi lori awọn aworan, ohun ati fidio

Aami yi jẹ apẹrẹ lati ṣiṣe awọn iyipada ti o wọpọ gẹgẹbi awọn irugbin gbigbẹ, tunṣe iwọn, yiyi, iyipada awọ, tabi paapaa awọn sikirinisoti, laisi iwulo lati ṣe idaduro metadata. Ni ibẹrẹ, lilo rẹ ti funni nipasẹ Aworan ni Vertex AI, nibiti awọn olumulo le yan lati mu aami omi ṣiṣẹ nigbati o ba ṣẹda akoonu.

Ninu ohun, ami iyasọtọ naa jẹ a kò gbọ́ ati atilẹyin awọn iṣẹ ti o wọpọ gẹgẹbi funmorawon MP3, fifi ariwo kun, tabi iyipada iyara ṣiṣiṣẹsẹhin. Google ṣepọ rẹ sinu Lyria ati ninu awọn ẹya orisun LM Notebook, igbelaruge ifihan agbara paapaa nigbati faili ba kọja nipasẹ awọn ṣiṣan atẹjade pipadanu.

Ninu fidio, ọna naa ṣe atunṣe ọna aworan: ami iyasọtọ ti wa ni ifibọ ninu awọn piksẹli ti kọọkan fireemu, imperceptibly, ati ki o si maa wa idurosinsin lodi si awọn Ajọ, ayipada ninu isọdọtun oṣuwọn, funmorawon tabi awọn gige. Awọn fidio ti ipilẹṣẹ nipasẹ Mo ri Awọn irinṣẹ bii VideoFX ṣafikun ami yii lakoko ẹda, idinku eewu ti piparẹ lairotẹlẹ ni awọn atunṣe atẹle.

Awọn algoridimu iṣapẹẹrẹ ati agbara ti edidi ọrọ

Ọkàn SynthID Text jẹ tirẹ alugoridimu iṣapẹẹrẹ, ti o nlo bọtini kan (tabi ṣeto awọn bọtini) lati fi awọn ikun-airotẹlẹ si ami ami-ami ti o pọju kọọkan. Awọn oludije ni a fa lati pinpin awoṣe (lẹhin Top-K/Top-P) ati fi sinu “idije” ni atẹle awọn iyipo imukuro, titi ti ami ami igbelewọn ti o ga julọ yoo fi yan gẹgẹ bi iṣẹ g.

Yi aṣayan ilana ojurere awọn ik iṣiro Àpẹẹrẹ ti awọn iṣeeṣe jẹ ami ami iyasọtọ, ṣugbọn laisi ipa awọn aṣayan atubotan. Gẹgẹbi awọn iwadi ti a tẹjade, ilana naa jẹ ki o ṣoro nu, iro, tabi yiyipada awọn asiwaju, nigbagbogbo laarin reasonable ifilelẹ lọ lodi si awọn alatako pẹlu akoko ati iwuri.

Imuse to dara ati awọn iṣe aabo

• Ti o ba nlo Ọrọ SynthID, tọju iṣeto ni bi gbóògì ikoko: Tọju awọn bọtini ati awọn irugbin ni oluṣakoso to ni aabo, fi ipa mu awọn iṣakoso iwọle, ati gba laaye fun yiyi igbakọọkan. Idilọwọ awọn n jo dinku dada ikọlu lodi si awọn igbiyanju imọ-ẹrọ yiyipada.
• Ṣe eto kan lati ibojuwo fun aṣawari rẹ: ṣe igbasilẹ rere eke / awọn oṣuwọn odi, ṣatunṣe awọn ala ni ibamu si ipo ati pinnu eto imulo wiwa rẹ ìsírasílẹ̀ (ikọkọ, ologbele-ikọkọ nipasẹ API, tabi ti gbogbo eniyan) pẹlu ofin mimọ ati awọn ibeere iṣẹ. Ati pe ti ọpọlọpọ awọn awoṣe ba pin ami-ami kan, ronu ikẹkọ a wọpọ aṣawari pẹlu apẹẹrẹ ti gbogbo awọn ti wọn lati simplify itọju.
• Ni ipele iṣẹ, o ṣe ayẹwo ipa ti sampling_table_size ni iranti ati lairi, ki o si yan a ngram_len ti o ṣe iwọntunwọnsi ifarada rẹ fun awọn atunṣe pẹlu iwulo fun wiwa igbẹkẹle. Ranti lati yọkuro awọn n-grams ti o leralera (nipasẹ context_history_size) lati mu ifihan agbara dara si ni ọrọ ti nṣàn.

SynthID kii ṣe ọta ibọn fadaka lodi si alaye ti ko tọ, ṣugbọn pese bulọọki ile ipilẹ kan fun atunkọ pq ti igbẹkẹle ni akoko ti ipilẹṣẹ AI. Nipa ifibọ awọn ifihan agbara afihan ni ọrọ, awọn aworan, ohun, ati fidio, ati ṣiṣi ẹya paati ọrọ si agbegbe, Google DeepMind n titari si ọjọ iwaju nibiti a le ṣe ayẹwo ododo ni ilowo, iwọnwọn, ati, ju gbogbo rẹ lọ, ọna ibaramu pẹlu ẹda ati didara akoonu.