در روز ۳۰ اوت ۲۰۲۶ (۹ شهریور ۱۴۰۵)، دونالد ترامپ رئیس‌جمهور آمریکا ویدئویی در شبکه اجتماعی «تروث سوشال» منتشر کرد که در آن انفجارها و آتش‌سوزی‌های گسترده‌ای در تأسیسات نفتی دیده می‌شد. او در توضیح این ویدئو نوشت: «جزیره خارگ دارد با خاک یکسان میشود!!!».
این پست در شرایط حساسی منتشر شد: ساعاتی پیش از آن، ایالات متحده اهدافی را علیه مواضع ایران در جزیره لارک هدف قرار داده بود که با پاسخ قاطع نیروهای مسلح جمهوری اسلامی ایران مواجه شد. در چنین فضای ملتهبی، انتشار تصاویری از نابودی بزرگترین پایانه صادرات نفت ایران می‌توانست پیامدهای سنگینی داشته باشد.
اما ساعاتی پس از انتشار این پست، هیچ مدرکی دال بر وقوع حمله به خارک وجود نداشت. خبرگزاری رویترز تأیید کرد که ویدئوی منتشرشده به احتمال قوی با استفاده از هوش مصنوعی ساخته شده است. وزارت دفاع آمریکا نیز مجبور شد به‌طور رسمی تکذیب کند که ایالات متحده به تأسیسات اصلی صادرات نفت ایران حمله کرده است.
در این مقاله، ابتدا دو روایت را در کنار هم بررسی می‌کنیم: روایت واقعیت و روایت جعلی که با هوش مصنوعی تولید شده است. سپس به بررسی فنی نحوه تولید چنین محتوایی، الگوریتم‌های پشت صحنه، و چالش‌های تشخیص آن می‌پردازیم.
روایت اول: واقعیت میدانی در جزیره خارک
واکنش مقامات ایرانی
در واکنش به ادعای ترامپ، حمید بورد مدیرعامل شرکت ملی نفت ایران این اظهارات را «خندهدار» خواند و تأکید کرد که شرایط در جزیره خارک آرام و مناسب است. او در گفت‌وگو با خبرگزاری فارس اعلام کرد که تولید نفت در این جزیره متوقف نشده و کارگران در حال تعمیر خسارت‌های ناشی از حملات قبلی و نوسازی تأسیسات هستند.
بورد همچنین توضیح داد که همین الان که با خبرنگاران صحبت می‌کند، چندین پیمانکار در حال انجام عملیات بازسازی و نوسازی مخازن هستند و بازسازی اسکله‌ها و مخازن و همچنین پروژه‌هایی که از قبل تعریف شده‌اند، بدون وقفه در حال انجام است. برخی پروژه‌ها حدود ۲۰ درصد و برخی دیگر حدود ۳۰ درصد پیشرفت دارند و روند اجرای آنها ادامه دارد.
اهمیت استراتژیک خارک
جزیره خارک در فاصله کمتر از ۳۰ کیلومتری ساحل ایران واقع شده و به دلیل ساختار زمین‌شناختی و عمق مناسب آب‌های اطرافش، تنها نقطه‌ای در خلیج فارس است که سوپرتانکرها و نفت‌کش‌های غول‌پیکر می‌توانند به آن پهلو بگیرند. اکثر خطوط لوله زیردریایی ایران نفت خام تولیدی کشور را به مخازن ذخیره‌سازی خارک، با ظرفیت برآورد شده حدود ۳۰ میلیون بشکه، منتقل می‌کنند.
پیش از آغاز جنگ در ۲۸ فوریه (۹ اسفند)، این جزیره محل صادرات حدود ۹۰ درصد نفت ایران بود. هرگونه حمله به این منطقه می‌تواند صادرات نفت ایران را به‌شدت مختل کرده و فشار اقتصادی سنگینی بر تهران وارد کند. بر اساس اسناد افشاشده از آژانس مرکزی اطلاعات آمریکا (CIA) که قدمت آنها به سال ۱۹۸۴ بازمی‌گردد، تأسیسات خارک «حیاتی‌ترین بخش از سیستم نفتی ایران است که تداوم فعالیت آن برای حیات اقتصادی کشور الزامی است».
اگرچه ایران در سال‌های اخیر ترمینال نفتی جاسک در شرق تنگه هرمز را راه‌اندازی کرده، اما گزارش‌های آژانس بین‌المللی انرژی نشان می‌دهد که خطوط جایگزین هنوز توان عملیاتی و ظرفیت لازم برای جایگزینی کامل خارک را ندارند.
روایت دوم: روایتی که هوش مصنوعی ساخته است
ویدئوی جعلی ترامپ
ترامپ در شبکه اجتماعی «تروث سوشال» ویدئویی منتشر کرد که در آن تأسیسات نفتی بزرگی در میان انفجار و شعله‌های آتش دیده میشود. در ادامه ویدئو، آتش به یک نفت‌کش در نزدیکی جزیره می‌رسد و کشتی نیز منفجر میشود. اما این تصاویر، به‌جای ثبت یک حمله واقعی، با استفاده از هوش مصنوعی تولید شده‌اند.
بررسی‌های رویترز نشان می‌دهد که ویدئوی منتشرشده، به احتمال قوی با استفاده از نرم‌افزارهای تشخیص تصاویر دستکاری‌شده توسط هوش مصنوعی ساخته شده است. این ویدئو آنقدر واقع‌گرایانه بود که وزارت دفاع آمریکا را مجبور کرد به‌طور رسمی تکذیب کند که ایالات متحده به خارک حمله کرده است.
وسواس تاریخی ترامپ نسبت به خارک
بررسی مواضع و اظهارات دونالد ترامپ نشان می‌دهد که نگاه وی به جزیره خارک به‌عنوان یک «هدف اصلی» به سال‌ها پیش از ورودش به دنیای سیاست بازمی‌گردد. وی نخستین بار در سال ۱۹۸۸ و در جریان «جنگ نفت‌کش‌ها» در مصاحبه با روزنامه گاردین تصریح کرده بود: «اگر یک گلوله به سمت نیروها یا کشتی‌های ما شلیک شود، کار جزیره خارک را تمام می‌کنم؛ وارد می‌شوم و آن را تسخیر می‌کنم».
وی هفته گذشته نیز در گفت‌وگو با شبکه فاکس نیوز اعلام کرد: «ترجیح همیشگی من این بوده است که جزیره خارک را تصرف کنیم؛ اگرچه نمی‌دانم آیا آمریکا توان و جسارت لازم برای انجام چنین کاری دارد یا خیر، اما تصرف آن ثروت عظیمی به همراه خواهد داشت».
این نخستین بار نیست که ترامپ از ویدئوهای تولیدشده با هوش مصنوعی برای تهدید ایران استفاده می‌کند. او در ژوئیه ۲۰۲۶ نیز در میان تصاویر تولیدشده با هوش مصنوعی که درباره حمله به ایران منتشر کرد، تصویری از بمباران تأسیسات نفتی خارک منتشر کرده بود.
بخش دوم: هوش مصنوعی چگونه چنین ویدئوهایی می‌سازد؟
۱. شبکه‌های مولد تخاصمی (GANs)
شبکه‌های مولد تخاصمی یا GANها که در سال ۲۰۱۴ توسط یان گودفلو معرفی شدند، انقلابی در تولید محتوای مصنوعی ایجاد کردند. این معماری از دو شبکه عصبی تشکیل شده است:
تولیدکننده (Generator): این شبکه وظیفه تولید محتوای جدید مانند تصاویر، ویدئو یا صوت را بر عهده دارد. تولیدکننده با دریافت یک بردار تصادفی به عنوان ورودی، سعی می‌کند نمونه‌هایی تولید کند که تا حد امکان به داده‌های واقعی شبیه باشند.
تشخیص‌دهنده (Discriminator): این شبکه وظیفه تشخیص واقعی بودن یا جعلی بودن محتوا را بر عهده دارد. تشخیص‌دهنده سعی می‌کند بین نمونه‌های واقعی از مجموعه داده و نمونه‌های تولیدشده توسط تولیدکننده تمایز قائل شود.
این دو شبکه در یک بازی جمع‌صفر با یکدیگر رقابت می‌کنند. تولیدکننده سعی می‌کند تشخیص‌دهنده را فریب دهد و تشخیص‌دهنده سعی می‌کند فریب نخورد. این رقابت باعث میشود هر دو شبکه به‌تدریج بهبود یابند و در نهایت تولیدکننده به قدری ماهر شود که تشخیص‌دهنده نتواند بین محتوای واقعی و مصنوعی تفاوت قائل شود. این همان نقطه‌ای است که می‌گوییم محتوا «غیرقابل تشخیص از واقعیت» شده است.
۲. مدل‌های دیفیوژن (Diffusion Models)
مدل‌های دیفیوژن که در سال‌های اخیر محبوبیت زیادی پیدا کرده‌اند، رویکرد متفاوتی برای تولید محتوا دارند. این مدل‌ها با الهام از ترمودینامیک، فرآیند معکوس کردن نویز را یاد می‌گیرند:
۱. ابتدا یک تصویر واقعی به تدریج با افزودن نویز گاوسی تخریب میشود تا زمانی که به نویز خالص تبدیل شود.
۲. سپس مدل یاد می‌گیرد که این فرآیند را معکوس کند؛ یعنی از یک تصویر نویزی شروع کرده و گام‌به‌گام نویز را حذف کند تا به یک تصویر تمیز و واقعی برسد.
۳. برای تولید محتوای جدید، مدل از نویز تصادفی شروع کرده و فرآیند معکوس را طی می‌کند تا یک تصویر کاملاً جدید و واقع‌گرایانه تولید کند.
مدل‌های معروفی مانند Stable Diffusion، DALL-E و Midjourney همگی از این معماری استفاده می‌کنند. قدرت مدل‌های دیفیوژن در توانایی آنها برای تولید تصاویر با کیفیت بالا و تنوع بسیار زیاد است، در حالی که کنترل خوبی روی محتوای تولیدشده دارند.
۳. تولید ویدئو با هوش مصنوعی
تولید ویدئو با هوش مصنوعی پیچیده‌تر از تولید تصویر است، زیرا باید انسجام زمانی بین فریم‌ها حفظ شود. ابزارهای تولید ویدئو از ترکیبی از تکنیک‌ها استفاده می‌کنند:
تولید فریم‌به‌فریم: هر فریم به صورت جداگانه تولید میشود و سپس برای ایجاد حرکت بین آنها درون‌یابی میشود.
مدل‌های ویدئویی مبتنی بر دیفیوژن: این مدل‌ها مستقیماً ویدئو تولید می‌کنند و انسجام زمانی را به عنوان بخشی از فرآیند تولید حفظ می‌کنند.
تبدیل متن به ویدئو: با استفاده از مدل‌های زبانی بزرگ و مدل‌های دیفیوژن، می‌توان از توصیف متنی، ویدئوی کاملی تولید کرد.
در مورد ویدئوی منتشرشده توسط ترامپ، احتمالاً از ترکیبی از این تکنیک‌ها استفاده شده است. نرم‌افزارهای پیشرفته امروزی مانند Runway Gen-2، Pika و Sora امکان تولید ویدئوهای باکیفیت را در اختیار کاربران قرار می‌دهند.
۴. تأثیر داده‌های آموزشی بر کیفیت خروجی
کیفیت محتوای تولیدشده توسط هوش مصنوعی به شدت به داده‌های آموزشی وابسته است. برای تولید ویدئوی انفجار در جزیره خارک، مدل نیاز به داده‌های زیر داشته است:
تصاویر و ویدئوهای واقعی از انفجارها و آتش‌سوزی‌های صنعتی
تصاویر ماهواره‌ای یا هوایی از جزیره خارک
تصاویر نفت‌کش‌ها و تأسیسات نفتی
هرچه داده‌های آموزشی متنوع‌تر و باکیفیت‌تر باشند، خروجی واقع‌گرایانه‌تر خواهد بود. این ویدئو با استفاده از مجموعه‌های داده عظیم آموزش دیده و توانسته است انفجاری بسیار واقع‌گرایانه را شبیه‌سازی کند.
چالش‌های تشخیص محتوای تولیدشده با هوش مصنوعی
۱. نشانه‌های بصری
اگرچه فناوری هوش مصنوعی پیشرفت کرده است، اما همچنان می‌توان به دنبال نشانه‌های بصری برای تشخیص محتوای جعلی گشت:
ناسازگاری‌ها: برای مثال خودرویی که در یک لحظه در ویدیو هست و لحظه بعد ناپدید میشود، یا شیئی که شکل آن به‌طور غیرطبیعی تغییر می‌کند
درخشش غیرطبیعی: تصاویر تولیدشده با هوش مصنوعی ممکن است بیش از حد صیقل‌خورده یا دارای درخششی غیرطبیعی به نظر برسند
بافت پوست: به کیفیت پوست و وجود بافت طبیعی در آن توجه کنید. هوش مصنوعی اغلب در تولید بافت طبیعی پوست با مشکل مواجه است
سایه‌ها و انعکاس‌ها: سایه‌ها و انعکاس‌های غیرطبیعی یا ناسازگار از نشانه‌های محتوای جعلی هستند
زمینه و پس‌زمینه: جزئیات پس‌زمینه ممکن است تار یا نامشخص باشند یا با جلو صحنه همخوانی نداشته باشند
۲. ابزارهای تشخیص هوش مصنوعی
امروزه ابزارهای متعددی برای تشخیص محتوای تولیدشده با هوش مصنوعی وجود دارند:
ابزارهای دیجیتال: مانند Hive Moderation و AI or Not که می‌توانند با دقت بالایی محتوای تولیدشده با هوش مصنوعی را شناسایی کنند
تکنیک‌های تحلیل پیکسلی: برخی ابزارها با تحلیل الگوهای پیکسلی و نویز موجود در تصویر می‌توانند جعلی بودن آن را تشخیص دهند
واترمارک‌های نهان: برخی از تولیدکنندگان محتوای هوش مصنوعی از واترمارک‌های نهان استفاده می‌کنند که در تصویر جاسازی شده و قابل شناسایی است
با این حال، هیچ یک از این ابزارها کاملاً دقیق نیستند و با پیشرفت فناوری هوش مصنوعی، تشخیص محتوای جعلی دشوارتر میشود.
۳. محدودیت‌های فنی تشخیص
علیرغم پیشرفت‌های قابل‌توجه در ابزارهای تشخیص، چندین محدودیت اساسی وجود دارد:
سرعت پیشرفت: فناوری تولید محتوا سریع‌تر از ابزارهای تشخیص پیشرفت می‌کند
خطای انسانی: حتی بهترین ابزارها نیز ممکن است خطا داشته باشند (نرخ خطای ۵ تا ۱۰ درصد در بهترین شرایط)
ابزارهای جدید: هر بار که یک ابزار تشخیص جدید منتشر میشود، تولیدکنندگان محتوا روش‌های جدیدی برای دور زدن آن پیدا می‌کنند
خبرگزاری رویترز در این مورد، با استفاده از نرم‌افزارهای تشخیص تصاویر دستکاری‌شده توسط هوش مصنوعی، تأیید کرد که ویدئوی منتشرشده به احتمال قوی ساخته شده است. اما این تشخیص نیازمند تخصص و ابزارهای ویژه بوده است.
چرا روایت‌سازی با هوش مصنوعی؟
۱. ایجاد جو روانی
انتشار چنین ویدئوهایی در فضای تنش‌های سیاسی، می‌تواند به عنوان ابزاری برای ایجاد جو روانی و فشار بر طرف مقابل استفاده شود. همان‌طور که جی‌دی ونس اعلام کرد، ترامپ با انتشار این مطلب در حال ارسال پیام به ایران بوده است.
۲. جلب توجه رسانه‌ها
تصاویر ساختگی و انفجاری، ذاتاً توجه‌برانگیز هستند و می‌توانند به سرعت در فضای مجازی پخش شوند، حتی اگر بعداً مشخص شود که جعلی بوده‌اند. این نوع محتوا در مواقع بحرانی مانند شورش‌ها یا رویدادهای خبری مهم، دوباره ظاهر می‌شوند و برای سردرگمی یا القای دروغین تشدید درگیری‌ها مورد استفاده قرار می‌گیرند.
۳. تضعیف اعتماد عمومی
چنین اقداماتی می‌توانند اعتماد عمومی به اطلاعات آنلاین را تضعیف کنند و تشخیص واقعیت از روایت‌های جعلی را دشوارتر سازند. پژوهش‌ها نشان می‌دهد که نزدیک به نیمی از تیترهای تولیدشده با هوش مصنوعی توسط مردم «اغلب» یا «کاملاً واقعی» ارزیابی می‌شوند.
۴. هزینه کم و دسترسی آسان
تولید چنین محتوایی با هوش مصنوعی بسیار کم‌هزینه است. با هزینه کمتر از ۵۰ دلار و در کمتر از یک ساعت، می‌توان ویدئویی با کیفیت بالا تولید کرد که میلیون‌ها نفر را تحت تأثیر قرار دهد. این در حالی است که تولید یک ویدئوی واقعی از یک حمله نظامی نیازمند منابع عظیم و خطرات بسیار زیاد است.
گفت‌وگو
دیدگاه‌ها(۰)