
Китайский фотоконкурс приостановили после победы картинки из нейросети
Организаторы отменили результаты мероприятия в Хух-Хото после обнаружения подделки.
Основные идеи
Генеративные нейросети создают все более реалистичные кадры. Тем не менее победный снимок на китайском конкурсе фотографии вызвал много вопросов у зрителей еще до того, как организаторы аннулировали результаты.
Кадр, на котором три работника уличной службы смеются во время перерыва, занял первое место на июльском этапе фотоконкурса в городе Хух-Хото на севере Китая.
Однако уже 14 июля после резкой критики в сети организаторы конкурса провели расследование. Проверка показала, что автор применил генеративную нейросеть. В результате Федерация литературных и художественных кругов Хух-Хото удалила работу с сайта.

Представители организации опубликовали заявление о дисквалификации автора в китайской сети WeChat. Организаторы приняли решение полностью остановить проведение фотовыставки. В официальном тексте представители признали ошибки при проверке заявок участников и пообещали изменить правила оценки.

Внимательные зрители сразу заметили технические ошибки на изображении. Лица всех трех человек выглядят абсолютно одинаково, а эмоции кажутся неестественными. Кроме того, физика воды из чайника над головой одного из мужчин не соответствует реальности.
Качество генерации изображений быстро растет, однако в данном случае обман оказался слишком очевидным. Организаторы пообещали усвоить этот урок. В будущем они планируют ввести строгую многоэтапную проверку для всех участников.
Почему жюри пропускает подделки
Распознать кадры от искусственного интеллекта становится все сложнее по нескольким причинам:
- Поверхностный осмотр: При большом потоке заявок судьи тратят на каждый кадр всего несколько секунд и не замечают мелкие детали.
- Отсутствие метаданных: Многие конкурсы не требуют от авторов оригинальные файлы RAW, которые содержат полную информацию о съемке и камере.
- Сложные алгоритмы: Современные нейросети научились маскировать цифровые артефакты под естественное зерно пленки или шум матрицы.
Генеративный ИИ — сплошное разочарование? Почему технология будущего так часто врёт и ошибается








