به گزارش مدیاتی:با گسترش ابزارهای هوش مصنوعی و افزایش محتوای تولیدشده به کمک این فناوری، تشخیص اصالت تصاویر، ویدئوها و آثار دیجیتال به یکی از چالشهای مهم دنیای فناوری تبدیل شده است. مدیر ارشد ادوبی معتقد است بهجای تمرکز صرف بر شناسایی محتوای ساختهشده با هوش مصنوعی، باید سازوکاری برای تأیید و برچسبگذاری اصالت محتوا ایجاد کرد تا کاربران بتوانند منشأ و اعتبار آثار دیجیتال را بهتر تشخیص دهند. این رویکرد میتواند مسیر تازهای برای مقابله با جعل دیجیتال و افزایش اعتماد به محتوای آنلاین ایجاد کند.
مدیر ارشد ادوبی: باید اصالت محتوا را برچسبگذاری کنیم، نه صرفاً استفاده از هوش مصنوعی را
ادوبی معتقد است تشخیص محتوای تولیدشده با هوش مصنوعی کافی نیست و باید اطلاعات دقیقتری درباره منشأ، میزان دخالت انسان و تغییرات اعمالشده روی آثار دیجیتال در اختیار مخاطبان قرار بگیرد.
با گسترش هوش مصنوعی در ابزارهای تولید و ویرایش محتوا، تشخیص تفاوت میان آثار کاملاً تولیدشده با هوش مصنوعی و آثاری که صرفاً با کمک این فناوری ویرایش شدهاند، به یکی از چالشهای مهم صنعت خلاقیت تبدیل شده است. الی گرینفیلد (Ely Greenfield)، مدیر ارشد فناوری کسبوکار رسانه دیجیتال ادوبی، در گفتوگویی اختصاصی با دیجیتال ترندز تأکید کرده است که بهجای برچسبگذاری صرف محتوای هوش مصنوعی، باید اصالت و منشأ آثار دیجیتال را مشخص کرد.

این دیدگاه در شرایطی مطرح میشود که ادوبی در رویداد Adobe MAX 2026 حضور گسترده هوش مصنوعی را در جریانهای کاری خلاقانه به نمایش گذاشت. فتوشاپ اکنون میتواند نورپردازی تصاویر را تغییر دهد، پریمیر امکان تولید ویدئو و صدا را در محیط تدوین فراهم میکند و ابزار Creative Agent ادوبی نیز بهتدریج در برنامههای بیشتری در دسترس قرار میگیرد. از سوی دیگر، پلتفرم Firefly مجموعهای از ابزارها و مدلهای هوش مصنوعی را در یک محیط واحد گرد هم آورده است.

وقتی هوش مصنوعی کارهای تکراری را انجام میدهد، اعتبار اثر به چه کسی میرسد؟
هوش مصنوعی میتواند بخش زیادی از کارهای زمانبر و تکراری فرایند تولید محتوا را برعهده بگیرد و به هنرمندان اجازه دهد تمرکز بیشتری روی تصمیمهای خلاقانه داشته باشند. برای مثال، تصور کنید یک تصویرسازی دیجیتال از صد لایه مختلف تشکیل شده و طراح قصد دارد سایههای تعدادی از آنها را تغییر دهد.

در روش سنتی، هنرمند باید این کار را بهصورت دستی انجام دهد یا با نوشتن اسکریپت، بخشی از فرایند را خودکار کند. اما با ابزارهای جدید هوش مصنوعی، میتواند از یک عامل هوشمند بخواهد لایههای موردنظر را شناسایی و افکت مشخصی را روی آنها اعمال کند.
خودکارسازی چنین فرایندهایی موضوع تازهای نیست؛ تفاوت اصلی در شیوه تعامل کاربران با ابزارها است. اکنون بهجای ضبط دستورات یا نوشتن کد، میتوان وظیفه موردنظر را با زبان طبیعی توضیح داد و اجرای آن را به هوش مصنوعی سپرد.
بااینحال، استفاده از یک برچسب عمومی مانند «تولیدشده با هوش مصنوعی» نمیتواند تفاوت میان خودکارسازی یک ویرایش ساده و تولید کامل یک اثر هنری را نشان دهد. گرینفیلد میگوید بسیاری از تولیدکنندگان محتوا نگران پیامدهای چنین برچسبهایی هستند.
او در اینباره توضیح داد:
«وقتی تولیدکنندگان محتوا به این موضوع نگاه میکنند، با خودشان میگویند: خدای من، نمیخواهم آثار من چنین برچسبی داشته باشند.»

از نگاه مدیر ارشد فناوری ادوبی، اگر استفاده از هوش مصنوعی در فرایند تولید محتوا به امری فراگیر تبدیل شود، برچسبگذاری عمومی دیگر اطلاعات چندانی در اختیار مخاطب قرار نمیدهد. او این وضعیت را به درج عبارت «این تصویر با فتوشاپ ویرایش شده است» تشبیه میکند؛ عبارتی که بهتنهایی چیز زیادی درباره ماهیت اثر نمیگوید.
ادوبی به دنبال شفافسازی منشأ و تاریخچه محتوای دیجیتال است
گرینفیلد معتقد است گفتوگو درباره محتوای هوش مصنوعی باید از این پرسش که «آیا هوش مصنوعی در تولید این اثر نقش داشته است؟» فراتر برود و به موضوعات مهمتری مانند منشأ محتوا و تغییراتی که در طول زمان روی آن اعمال شده است، بپردازد.
یکی از ابزارهای مهم برای تحقق این هدف، استاندارد C2PA است. این استاندارد که با مشارکت ادوبی و سایر شرکتهای فناوری شکل گرفته، امکان ثبت اطلاعات مربوط به منشأ و تاریخچه ویرایش فایلهای دیجیتال را فراهم میکند. این اطلاعات با عنوان Content Credentials شناخته میشوند و میتوانند بهصورت سوابق امضاشده به فایل متصل شوند.
شرکتهایی مانند لایکا، نیکون و کانن نیز در برخی محصولات و جریانهای کاری خود از C2PA پشتیبانی میکنند. کوالکام هم با همکاری شرکت Truepic برای ارائه اعتبارنامههای تصویری مبتنی بر این استاندارد در پلتفرمهای اسنپدراگون فعالیت کرده است.
اپل نیز در آیفون ۱۸ پرو رویکرد جداگانهای را در پیش گرفته است. قابلیت اختیاری Reference Image این گوشی از دادههای امضاشده حسگر استفاده میکند تا امکان بررسی و تأیید فرایند ثبت یک عکس فراهم شود.
گرینفیلد درباره هدف اصلی C2PA گفت:
«هدف C2PA برچسبگذاری چیزهایی نیست که با هوش مصنوعی ساخته شدهاند؛ چنین کاری کمکی به شما نمیکند. هدف، مشخصکردن چیزهایی است که با هوش مصنوعی ساخته نشدهاند.»
او برای توضیح این موضوع به عکسهای ثبتشده با گوشیهای هوشمند اشاره کرد و گفت امروزه هوش مصنوعی در فرایند تولید بسیاری از تصاویر نقش دارد. برای مثال، دوربین آیفون ممکن است پیش از نمایش تصویر نهایی، چند نوردهی را با یکدیگر ترکیب کند یا پردازشهای محاسباتی دیگری روی عکس انجام دهد.
بااینحال، عکاسی محاسباتی (Computational Photography) با تولید تصویر از طریق هوش مصنوعی مولد (Generative AI) یکسان نیست. اصطلاحاتی مانند «پردازششده»، «با کمک هوش مصنوعی» و «تولیدشده با هوش مصنوعی» به سطوح متفاوتی از دخالت فناوری اشاره دارند و نباید همه آنها را در یک دسته قرار داد.
استاندارد C2PA چه چیزی را مشخص میکند و چه محدودیتهایی دارد؟
استاندارد C2PA به تصاویر و سایر فایلهای دیجیتال امکان میدهد سوابق امضاشدهای از منشأ و تغییرات خود به همراه داشته باشند. این اطلاعات میتواند نشان دهد چه کسی دادههای مربوط به یک فایل را ثبت کرده و چه ویرایشهایی در مسیر تولید یا انتشار آن انجام شده است.
از این طریق، مخاطب میتواند اطلاعات مربوط به منشأ محتوا را بررسی کند و درباره میزان اعتماد خود به آن تصمیم بگیرد. گرینفیلد در توضیح این قابلیت گفت:
«میدانم که این اطلاعات ممکن است دستکاری شوند، چون تقریباً هر چیزی قابلیت دستکاری دارد؛ اما میتوانم ببینم چه کسی این اطلاعات را ارائه کرده و تصمیم بگیرم که آیا به او اعتماد دارم یا خیر.»
با وجود این، C2PA قرار نیست صحت محتوای یک تصویر را تضمین کند یا مشخص کند چه کسی باید اعتبار خلاقانه یک اثر را دریافت کند. این استاندارد صرفاً اطلاعاتی درباره منشأ و تاریخچه تغییرات فایل ارائه میدهد.
برای مثال، ثبت این موضوع که یک عکس در زمان مشخصی با دوربین ثبت شده یا بعداً تغییراتی روی آن اعمال شده است، لزوماً ثابت نمیکند که محتوای تصویر حقیقت دارد. همچنین وجود اعتبارنامه بهتنهایی میزان خلاقیت یا نقش انسان در تولید اثر را اندازهگیری نمیکند.
از سوی دیگر، نداشتن اعتبارنامه C2PA نیز به معنای جعلیبودن یک تصویر نیست؛ ممکن است فایل موردنظر صرفاً فاقد سوابق قابلتأیید باشد.
تشخیص مرز میان خلاقیت انسانی و دخالت هوش مصنوعی دشوار است

یکی از پیچیدهترین مسائل در زمینه اصالت محتوا، تعیین میزان دخالت هوش مصنوعی در تولید یک اثر است. برای مثال، ممکن است یک هنرمند تقریباً تمام بخشهای یک تصویر را بهصورت دستی طراحی کند و تنها برای صافکردن لبههای آن از هوش مصنوعی کمک بگیرد.
در نمونهای دیگر، یک طراح ممکن است از عامل هوشمند بخواهد ویرایشهای تکراری خود را روی دهها فایل مختلف اعمال کند. در مقابل، فرد دیگری میتواند تنها با نوشتن یک دستور متنی (Prompt)، تولید کامل یک تصویر را به مدل هوش مصنوعی بسپارد.
این سه روش، میزان متفاوتی از دخالت انسان و ماشین را شامل میشوند. بنابراین، یک برچسب ساده مانند «استفاده از هوش مصنوعی» نمیتواند اطلاعات کافی درباره فرایند تولید اثر ارائه دهد.
یک سیستم شفافتر باید بتواند به پرسشهایی مانند موارد زیر پاسخ دهد:
– هوش مصنوعی دقیقاً چه کاری روی محتوا انجام داده است؟
– آیا نتیجه تولیدشده توسط انسان بررسی و تأیید شده است؟
– ابزار هوش مصنوعی محتوای جدیدی تولید کرده یا صرفاً یک ویرایش تکراری را خودکارسازی کرده است؟
– چه میزان از تصمیمهای خلاقانه در اختیار انسان بوده است؟
گرینفیلد پیشتر نیز به دشواری ارزیابی کیفیت آثار خلاقانه توسط عاملهای هوش مصنوعی اشاره کرده بود. برخلاف بسیاری از وظایف نرمافزاری که نتیجه آنها را میتوان با معیارهای مشخص و آزمونهای ساده سنجید، در کارهای هنری معمولاً پاسخ قطعی برای خوب یا بد بودن یک اثر وجود ندارد.
همین مسئله، ثبت تاریخچه اقدامات را از تعیین دقیق سهم انسان و هوش مصنوعی در تولید یک اثر دشوارتر میکند.
ادغام MCP در ابزارهای ادوبی؛ همکاری با عاملهای هوش مصنوعی خارجی

ادوبی در رویداد MAX 2026 از یکپارچهسازی محلی پروتکل MCP نیز خبر داد. این قابلیت به عاملهای هوش مصنوعی خارجی اجازه میدهد با فایلهای اصلی و بومی برنامههایی مانند فتوشاپ، ایلاستریتور، پریمیر و افتر افکتس تعامل داشته باشند.
MCP یا Model Context Protocol پروتکلی برای اتصال مدلها و عاملهای هوش مصنوعی به ابزارها و منابع خارجی است. با استفاده از این قابلیت، تولیدکنندگان محتوا میتوانند عامل هوش مصنوعی دلخواه خود را انتخاب کنند و از ابزارهای ادوبی بهعنوان بخشی از یک جریان کاری گستردهتر بهره ببرند.
بااینحال، گسترش دسترسی ابزارهای خارجی به محصولات ادوبی با ملاحظات تجاری همراه است. گرینفیلد در اینباره صریح صحبت کرد و گفت:
«برای اینکه محتوای خود را در اختیار دیگران قرار دهیم، باید مطمئن باشیم که همچنان میتوانیم از این کسبوکار درآمد داشته باشیم و هزینههای آن را تأمین کنیم.»
این موضوع یکی از چالشهای اصلی راهبرد MCP ادوبی محسوب میشود. این شرکت میخواهد فناوریهای خلاقانه خود را در محیطهای مختلف در دسترس کاربران قرار دهد، اما همزمان باید بتواند کسبوکاری را که مسئول توسعه و نگهداری این ابزارها است، پایدار نگه دارد.
گرینفیلد تأکید کرد هدف ادوبی ایجاد محدودیتهای غیرضروری برای کاربران نیست و این شرکت قصد ندارد آنها را به استفاده از شیوههای کاری مشخصی مجبور کند.
البته یکپارچهسازی MCP به این معنا نیست که عاملهای هوش مصنوعی خارجی بهصورت خودکار به تمام پروژهها و اطلاعات تولیدکنندگان محتوا دسترسی خواهند داشت. سطح دسترسی به قابلیتهایی بستگی دارد که هر یک از یکپارچهسازیها ارائه میکنند و مجوزهایی که کاربران در اختیار آنها قرار میدهند.
در نتیجه، میزان کنترل کاربران بر دادهها و پروژههایشان و همچنین شرایط دسترسی ابزارهای خارجی، از موضوعات مهم در توسعه این قابلیت خواهد بود.
عامل خلاق ادوبی؛ مزیت رقابتی در شناخت سبک و سلیقه کاربران
ادوبی علاوه بر پشتیبانی از مدلها و عاملهای هوش مصنوعی شرکتهای دیگر، در حال توسعه عامل اختصاصی خود با عنوان Creative Agent است. گرینفیلد معتقد است ادوبی میتواند اطلاعات و زمینههایی را در اختیار این عامل قرار دهد که شاید ابزارهای عمومی هوش مصنوعی به آنها دسترسی نداشته باشند.
این اطلاعات میتواند شامل سبک خلاقانه کاربر، هویت بصری برند، دستورالعملهای طراحی، مشخصات شرکت و پروژههایی باشد که فرد روی آنها کار میکند.
او در این زمینه گفت:
«در نهایت، چیزی که واقعاً ارزشمند خواهد شد، میزان شناخت این عاملها از شما است؛ از سبک خلاقانه و برندتان گرفته تا دستورالعملها، شرکت، پروژهها و تمام اطلاعات زمینهای مرتبط با کارتان.»
البته این موضوع هنوز یک مزیت قطعی و اثباتشده محسوب نمیشود. تولیدکنندگان محتوا باید در عمل ببینند عاملهای هوشمند تا چه اندازه میتوانند منظور آنها را درک کنند و آیا امکان کنترل کافی بر تغییرات اعمالشده روی پروژهها را در اختیارشان قرار میدهند یا خیر.
آینده محتوای هوش مصنوعی به شفافیت بیشتر نیاز دارد
هوش مصنوعی میتواند سرعت تولید و ویرایش محتوا را افزایش دهد و انجام بسیاری از وظایف پیچیده را برای تولیدکنندگان سادهتر کند. در همین حال، استانداردهایی مانند C2PA نیز میتوانند اطلاعات بیشتری درباره منشأ و تاریخچه تغییرات آثار دیجیتال در اختیار مخاطبان قرار دهند.
بااینحال، صرف درج برچسب هوش مصنوعی یا ثبت تاریخچه تغییرات یک فایل نمیتواند مشخص کند یک اثر تا چه اندازه اصیل است یا اعتبار خلاقانه آن باید به چه کسی تعلق بگیرد.
دیدگاه ادوبی نشان میدهد صنعت فناوری برای ایجاد اعتماد به محتوای دیجیتال، به رویکردی فراتر از برچسبگذاری ساده نیاز دارد؛ رویکردی که علاوه بر مشخصکردن استفاده از هوش مصنوعی، میزان دخالت انسان، نوع پردازشها و منشأ محتوای تولیدشده را نیز شفاف کند.








