Twitter-skjermbilder / Unsplash, Forfatter gitt

Twitter i helgen “merket” som manipulert en video som viser den amerikanske demokratiske presidentkandidaten Joe Biden angivelig glemmer hvilken stat han er i mens han henvender seg til en mengde.

Bidens hilsen Minnesota hilsen kontrast med fremtredende skilting som leser "Tampa, Florida" og "Tekst FL til 30330".

Associated Presss faktasjekk bekreftet skiltene ble lagt til digitalt, og de opprinnelige opptakene var faktisk fra et Minnesota-rally. Men da den misvisende videoen ble fjernet, hadde den allerede mer enn en million visninger, The Guardian rapporter.

Hvis du bruker sosiale medier, er sjansen stor for at du ser (og videresender) noe av det mer enn 3.2 milliarder bilder og 720,000 timer av video deles daglig. Når vi står overfor en slik mengde innhold, hvordan kan vi vite hva som er ekte og hva som ikke er?

Mens en del av løsningen er økt bruk av innholdsverifiseringsverktøy, er det like viktig at vi alle øker vår digitale mediekompetanse. Til syvende og sist er en av de beste forsvarslinjene - og den eneste du kan kontrollere - deg.

Å se skal ikke alltid være å tro

Feilinformasjon (når du ved et uhell deler falskt innhold) og desinformasjon (når du med vilje deler det) i hvilket som helst medium kan ødelegger tilliten til sivile institusjoner slik som nyhetsorganisasjoner, koalisjoner og sosiale bevegelser. Imidlertid er falske bilder og videoer ofte de mest potente.

For de som har en politisk interesse, kan det å skape, dele og / eller redigere falske bilder distrahere, forvirre og manipulere seerne til å så uenighet og usikkerhet (spesielt i allerede polariserte miljøer). Plakater og plattformer kan også tjene penger på deling av falskt, sensasjonelt innhold.

Bare 11-25% av journalister globalt bruker verifiseringsverktøy for sosiale medier, ifølge International Center for Journalists.

Kunne du oppdage et doktrert bilde?

Vurder dette bildet av Martin Luther King Jr.

Dette endret bilde kloner en del av bakgrunnen over King Jr's finger, så det ser ut som han vender av kameraet. Det har blitt delt som ekte på Twitter, Reddit og hvite supremacist nettsteder.

på original 1964-bilde blinket King "V for seier" -tegnet etter å ha lært at det amerikanske senatet hadde vedtatt borgerrettighetsregningen.

Utover å legge til eller fjerne elementer, er det en hel kategori av fotomanipulering der bilder smelter sammen.

Tidligere i år ble a bilde av en bevæpnet mann ble fotoshoppet av Fox News, som overlappet mannen på andre scener uten å redigere redigeringene, Seattle Times rapportert.

På samme måte, bilde nedenfor ble delt tusenvis av ganger på sosiale medier i januar, under Australias Black Summer bushfires. AFPs faktasjekk bekreftet det er ikke autentisk og er faktisk en kombinasjon av flere separat bilder.

Helt og delvis syntetisk innhold

På nettet finner du også sofistikerte “deepfake”Videoer som viser (vanligvis kjente) mennesker som sier eller gjør ting de aldri har gjort. Mindre avanserte versjoner kan opprettes ved hjelp av apper slik som Zao og reface.

{vembed Y = yaq4sWFvnAY}
Et team fra Massachusetts Institute of Technology opprettet denne falske videoen som viser USAs president Richard Nixon lese linjer fra en tale laget i tilfelle månelandingen i 1969 mislyktes. (Youtube)

Eller hvis du ikke vil bruke bildet ditt til et profilbilde, kan du som standard velge ett av flere nettsteder tilbyr hundretusener av AI-genererte, fotorealistiske bilder av mennesker.

Disse menneskene eksisterer ikke, de er bare bilder generert av kunstig intelligens. Genererte bilder, CC BY

Redigering av pikselverdier og den (ikke så) enkle beskjæringen

Beskjæring kan også endre konteksten til et bilde.

Vi så dette i 2017, da en amerikansk regjeringsansatt redigerte offisielle bilder av Donald Trumps innvielse for å få publikum til å virke større, ifølge The Guardian. Ansatte beskjærte det tomme rommet "der publikum endte" for et sett med bilder for Trump.

Visninger av folkemengdene ved innvielsen av tidligere amerikanske president Barack Obama i 2009 (til venstre) og president Donald Trump i 2017 (til høyre). AP

Men hva med endringer som bare endrer pikselverdier som farge, metning eller kontrast?

Et historisk eksempel illustrerer konsekvensene av dette. I 1994 ble tidsskriftet Time dekke av OJ Simpson betraktelig "mørklagt" Simpson i sin politiets mugshot. Dette tilførte drivstoff til en sak som allerede var plaget av rasespenning, og som magasinet svarte:

Ingen raseimplikasjoner var ment, av Time eller av kunstneren.

Verktøy for debunking av digital forfalskning

For de av oss som ikke vil bli lurt av visuell feil / desinformasjon, er det verktøy tilgjengelig - selv om hver kommer med sine egne begrensninger (noe vi diskuterer i vår siste tid papir).

Invisible digital vannmerke har blitt foreslått som en løsning. Imidlertid er den ikke utbredt og krever innkjøp fra både innholdsutgivere og distributører.

Omvendt bildesøk (for eksempel Googles) er ofte gratis og kan være nyttig for å identifisere tidligere, potensielt mer autentiske kopier av bilder på nettet. Når det er sagt, er det ikke idiotsikkert fordi det:

• er avhengig av at ikke-redigerte kopier av media allerede er online
• søker ikke i hele web
• tillater ikke alltid filtrering etter publiseringstid. Noen omvendte bildesøkstjenester som TinEye støtter denne funksjonen, men Google gjør det ikke.
• returnerer bare eksakte kamper eller nesten-kamper, så det er ikke grundig. For eksempel kan redigering av et bilde og deretter snu orienteringen lure Google til å tro at det er en helt annen.

De mest pålitelige verktøyene er sofistikerte

I mellomtiden fokuserer manuelle rettsmedisinske gjenkjenningsmetoder for visuell feil / desinformasjon hovedsakelig på redigeringer som er synlige for det blotte øye, eller stole på å undersøke funksjoner som ikke er inkludert i hvert bilde (for eksempel skygger). De er også tidkrevende, dyre og trenger spesialisert kompetanse.

Likevel kan du få tilgang til arbeid i dette feltet ved å besøke nettsteder som Snopes.com - som har et voksende lager av “fauxtografi".

Datasyn og maskinlæring tilbyr også relativt avanserte gjenkjenningsfunksjoner for bilder og videoer. Men også de krever teknisk ekspertise for å operere og forstå.

Videre innebærer forbedring av dem å bruke store mengder “treningsdata”, men bildebasertene som brukes til dette inneholder vanligvis ikke de virkelige bildene som er sett i nyhetene.

Hvis du bruker et bildeverifiseringsverktøy som REVEAL-prosjektet bildebekreftelsesassistent, trenger du kanskje en ekspert for å tolke resultatene.

Den gode nyheten er imidlertid at det er noen enkle spørsmål du kan spørre deg om å potensielt finne ut om et bilde eller en video på sosiale medier er falske, før du går til et av verktøyene ovenfor. Synes at:

• ble den opprinnelig laget for sosiale medier?
• hvor bredt og hvor lenge ble det sirkulert?
• hvilke svar fikk den?
• hvem var det tiltenkte publikum?

Ganske ofte vil de logiske konklusjonene fra svarene være nok til å luke ut uautentiske bilder. Du kan få tilgang til hele listen over spørsmål, satt sammen av eksperter fra Manchester Metropolitan University, her..

Om forfatterne

TJ Thomson, lektor i visuell kommunikasjon og media, Queensland University of Technology; Daniel Angus, lektor i digital kommunikasjon, Queensland University of Technologyog Paula Dootson, lektor, Queensland University of Technology

Denne artikkelen er publisert fra Den Conversation under en Creative Commons-lisens. Les opprinnelige artikkelen.