کرینل ٹیک کے چہرے کی شناختی ایڈیشن کے لئے پکسل کردہ تصاویر کوئی میل نہیں ہیں.

نیو یارک شہر کے کارنیل ٹیک میں تین محققین نے پتہ چلا ہے کہ دھندلا اور پکسلیٹ تصاویر مصنوعی انٹیلی جنس کے لئے کوئی مماثلت نہیں ہیں. اگرچہ غیر معمولی تصاویر انسانی آنکھوں کے لئے غیر معمولی رہتی ہیں، اور اس طرح ان کے سنجیدگی سے متعلق مواد کی حفاظت کی جا رہی ہے، نیور نیٹ ورک اکثر یہ کہہ سکتے ہیں کہ اصل میں کون سا ہے.

دوسرے الفاظ میں، انسان اب لٹسم ٹیسٹ نہیں ہیں. ہم صرف یہ مطالبہ نہیں کرسکتے ہیں کہ ہر چیز کو ہر انسان کے دماغ سے محروم کیا جائے. A.I.s- سادہ A.I.s - بھی سادہ انسانوں کو خارج کر سکتا ہے، لہذا ان کو شکست دینے، بھی، ہمیشہ مساوات کا حصہ ہونا ضروری ہے.

Cornell ٹیک محققین کے مطالعہ پر رازداری کی جانچ پڑتال پر توجہ مرکوز - الگورتھم کی حفاظت، جو کچھ معلومات یا تصاویر کے حصوں کو پھیلانا یا پکسلز کرتی ہے. پچھلا، ہم نے رازداری سے متعلق حفاظتی سافٹ ویئر یا الگورتھم پر واضح طور پر، اس بات کا یقین کیا ہے کہ وہ بے معنی معلومات محفوظ تھا کیونکہ نہیں انسان یہ کہہ سکتا ہے کہ ڈیجیٹل پردہ کون تھا. مطالعہ سے پتہ چلتا ہے کہ یہ دور ختم ہو چکا ہے، اور ان کے نام سے متعلق طریقوں سے متعلق طویل عرصہ تک طویل عرصہ تک نہیں ہوگا. نریندر نیٹ ورک، ان رازداری کے اقدامات سے ملاقات کی، ناگزیر ہیں.

رچرڈ میک فیسسن ایک پی ایچ ڈی ہے. آسٹن یونیورسٹی آف ٹیکساس میں کمپیوٹر سائنس میں امیدوار، جنہوں نے اپنے پروفیسر، وٹیالی شمٹیکوف کے پیروکار، کوینیل ٹیک میں. ساتھ ساتھ، رضا شاکری کے ساتھ، انہوں نے یہ ظاہر کیا کہ سادہ نئیر نیٹ ورک عام تصویری obfuscation کی تکنیک کو بے نقاب کر سکتے ہیں. یہ نسبتا نسبتا غیر نفسیاتی ہے، جو دریافت زیادہ پریشان کن ہوتا ہے: یہ عام، قابل رسائی طریقوں ہیں، اور وہ صنعت کے معیاروں کو چھٹکارا کے لۓ شکست دینے میں کامیاب تھے.

نیویارک نیٹ ورک بڑے، پرتوں کے نوڈس کے ڈھانچے، یا مصنوعی نیورسن ہیں، جو دماغ کی بنیادی ساخت کی شکل میں ہیں. McPherson بتاتا ہے کہ وہ "آسان طریقے سے سمجھتے ہیں کہ نیورسن کیسے کام کرتے ہیں" اندرونی. "کچھ ان پٹ دو، اور نیورون بھی آگ لگے یا آگ نہیں."

وہ اصطلاح کی کسی نہ کسی تعریف کی طرف سے "سیکھنے،" کے قابل بھی ہیں. اگر آپ ایک جھاڑو (مکمل طور پر ناپسندیدہ) انسان کو "لال" دکھاؤ اور انہیں بتائیں کہ بالٹی سے تمام "سرخ" چیزوں کو نکالنے کے لئے، وہ سب سے پہلے جدوجہد کریں گے لیکن وقت کے ساتھ ساتھ بہتر کریں گے. تو بھی نیورل نیٹ ورک کے ساتھ. مشین سیکھنے کا مطلب یہ ہے کہ کمپیوٹر کو "سرخ" چیزوں کو نکالنے کے لئے سیکھنے کے لۓ، مثال کے طور پر، مختلف چیزوں کی مجازی بالٹی سے.

اسی طرح میک فیسسن اور کمپنی نے اپنے سری لنکا کو تربیت دی. "ہمارے نظام میں، ہم ایک ماڈل بناتے ہیں - نیور نیٹ ورکوں کا ایک فن تعمیر، ان مصنوعی نیوروں کی تشکیل شدہ سیٹ - اور پھر ہم ان کو بڑی مقدار میں چھپی ہوئی تصاویر فراہم کرتے ہیں." مثال کے طور پر، ہم انہیں کرولر کی ایک سو مختلف تصاویر دے سکتے ہیں جو pixelated ہیں، پھر Bob کی ایک سو مختلف تصاویر جو pixelated ہیں."

محققین نے ان pixelated تصاویر کو لیبل کیا، اور اس طرح میں ایسا ماڈل بتاتا ہے جو ہر تصویر میں ہے. اس اعداد و شمار سیٹ کی پروسیسنگ کے بعد، نیٹ ورک کو فعال طور پر جانتا ہے کہ پکسل باب اور پینل شدہ کیرول کی شکل کی طرح کیا ہوتا ہے. "میکسسن نے وضاحت کی،" ہم پھر باب یا کیرول کی ایک مختلف pixelated تصویر دے سکتے ہیں، "اور یہ اندازہ لگا سکتے ہیں اور کہتے ہیں، 'مجھے لگتا ہے کہ یہ باب 95 فیصد کی درستگی کے ساتھ ہے.' '

یہ ماڈل چھٹکارا تصویر کی تعمیر نہیں کرتا ہے، لیکن یہ حقیقت یہ ہے کہ یہ سب سے زیادہ عام اور سابقہ ​​قابل اعتماد ناممکن طریقوں کو شکست دینے میں کامیاب ہے اور اس میں خود کو منحصر ہے. McPherson کا کہنا ہے کہ "وہ اس بات کا قائل کرنے میں کامیاب ہوسکتے ہیں کہ وہ کیا چھٹکارا ہوا ہے، لیکن وہ نہیں جانتے کہ یہ اصل میں کیا ہوا ہے."

لیکن نیویارک نیٹ ورک اب بھی انسانوں سے کہیں زیادہ بہتر کرنے میں کامیاب ہیں. جب ایک صنعت معیاری تکنیک کا استعمال کرتے ہوئے تصاویر سب سے زیادہ موٹے ہوئے تھے، تو نظام ابھی تک 50 فی صد سے زائد تھا. تھوڑا کم چھٹکارا تصاویر کے لئے، نظام تقریبا 70 فیصد کی درستگی پر قابل ذکر ثابت ہوا. متحرک چہرے کے لئے یو ٹیوب کا معمول بالکل ناکام رہا؛ یہاں تک کہ سب سے زیادہ دھندلاپن تصاویر بھی نیورل نیٹ ورک کی طرف سے خرابی کی گئی، جو 96 فیصد درست ثابت ہوا.

دیگر پہلے ناممکن اعداد و شمار، متن، اور تصویر کے نام نامی تخنیکس بھی اسی طرح قابل اعتبار ہیں. میکسسنسن کا کہنا ہے کہ "موسم گرما میں ایک کام تھا جس نے پکسل کے استعمال کا استعمال کرتے ہوئے متن کو نام نہاد دیکھا اور دھندلاہٹ کا سامنا کرنا پڑا، اور ظاہر ہوا کہ وہ بھی ساتھ ہی ٹوٹ ڈالیں گے." اور دوسرا قابل اعتماد طریقوں کے دروازے سے باہر نکلنے کے لۓ بھی ہوسکتا ہے. اگرچہ وہ صوتی موفیکشن تکنیک کے اندر اور آؤٹ نہیں جانتا، مثلا گمنام ٹی وی کے انٹرویو کے لئے استعمال ہونے والوں کی طرح، وہ "حیران نہیں ہوں گے" اگر نیند نیٹ ورک نام نہاد کو توڑ سکتے ہیں.

میکفسنسن کی دریافت کے بعد، ثابت ہوتا ہے کہ "ماضی میں ہم نے رازداری کے تحفظ کے طریقوں کو سچ میں نہیں چھوڑا ہے، خاص طور پر جدید مشینری سیکھنے کی تکنیک کے ساتھ." دوسرے الفاظ میں، ہم خود کو ناقابل برداشت، ٹریننگ مشینیں ہمیں تمام شعبوں میں نکالنا.

محققین نے لکھا کہ "جب مشین سیکھنے کی طاقت بڑھتی ہے تو، یہ تجارتی مخالفین کے حق میں بدل جائے گی."