Les outils actuels de détection de l’intelligence artificielle présentent un défaut majeur lorsqu’il s’agit de médias manipulés. S’ils parviennent à reconnaître des caractéristiques précises laissées par des programmes génératifs connus, ils ne peuvent tout simplement pas vérifier le véritable contexte historique d’un fichier numérique. Nous sommes ravis de partager une solution à ce problème avec OpenWater. Notre proposition propose un système totalement ouvert et décentralisé, conçu pour lutter contre les deepfakes et les problèmes associés en établissant une provenance numérique claire.

En s’appuyant sur des filigranes robustes et des identifiants universellement compatibles, OpenWater garantit qu’un contenu reste solidement rattaché à son historique. Ce lien essentiel persiste même lorsque les métadonnées standard ont été supprimées. Pour y parvenir, la plateforme enregistre activement des déclarations signées qui détaillent exactement comment un fichier a été créé à l’origine, modifié, puis partagé avec le public.

Plutôt que de dépendre d’un seul organisme central de régulation, l’infrastructure d’OpenWater fonctionne au sein d’un vaste réseau de services indépendants. Cette conception distribuée permet aux utilisateurs du quotidien, aux organisations et aux programmes d’IA d’évaluer les preuves disponibles en fonction de leurs propres lignes directrices uniques. Au-delà des seuls médias numériques, ce cadre robuste est suffisamment adaptable pour couvrir les actions d’agents autonomes, les sorties de divers modèles et les jeux de données utilisés pour l’entraînement. En conséquence, les systèmes d’intelligence artificielle se voient accorder un accès direct au contexte historique des processus et des informations avec lesquels ils interagissent.

Découvrez-en davantage sur cette initiative à l’adresse https://bengoertzel.substack.com/p/toward-a-truly-decentralized-digital