بررسی اصالت ویدیو هلی‌کوپتر صداوسیما از راهپیمایی حکومتی طرفداران نظام

صدا و سیما، در جریان راهپیمایی حکومتی حامیان حکومت جمهوری اسلامی در ۲۲ دی ۱۴۰۴، تصاویری هوایی از این تجمع را منتشر کرد که با استفاده از نمای هلی‌کوپتری، بخش‌هایی از مسیرهای منتهی به محل برگزاری راهپیمایی در تهران را نشان می‌داد. این تصاویر در قالب گزارش‌های خبری و ویدیوهای رسمی رسانه ملی پخش شد و به‌عنوان بازنمایی بصری حضور شرکت‌کنندگان در این رویداد مورد استفاده قرار گرفت.

پس از انتشار این تصاویر، ویدیو به‌سرعت در شبکه‌های اجتماعی بازنشر شد و واکنش‌های گسترده‌ای را برانگیخت. بخشی از کاربران با تردید به اصالت تصاویر، ایرادهایی را مطرح کردند که عمدتا بر ویژگی‌های فنی و بصری ویدیو متمرکز بود. از جمله این ایرادها می‌توان به ادعای تولید تصویر با هوش مصنوعی، غیرطبیعی بودن حرکت دوربین هوایی، یکنواختی بافت شهری و تکرار الگوها در جمعیت اشاره کرد.

هم‌زمان، دسته دیگری از ایرادها حضور خبرنگار در قاب را زیر سوال بردند و با استناد به هاله‌های اطراف مو و شانه، ناهماهنگی نور چهره با پس‌زمینه، عمق میدان و فوکوس تصویر، یا حرکت دست و مو، احتمال استفاده از کروماکی یا کامپوزیت را مطرح کردند. در ادامه، انتشار ویدیویی دیگر از همان مسیر بدون حضور خبرنگار نیز به‌عنوان شاهدی برای این ادعاها دست‌به‌دست شد و به دامنه بحث‌ها در فضای مجازی افزود. جتی تصاویر پس‌زمینه به مراسم تشییع جنازه قاسم سلیمانی در شهر تهران منسوب شد.

در ادامه ضمن بررسی این ایرادها، اصالت یا ساختگی‌بودن این ویدیو را بررسی می کنیم.

آیا این ویدیو ساخته هوش مصنوعی است؟

ادعای ساخته شدن این ویدیو با هوش مصنوعی، نخستین و پرتکرارترین واکنشی بود که در شبکه‌های اجتماعی مطرح شد. استدلال مطرح‌کنندگان این فرضیه معمولا بر چند برداشت بصری استوار بود: حرکت «غیرعادی» دوربین، یکنواخت به‌نظر رسیدن بافت شهری، و آنچه «تکرار الگوها» در جمعیت خوانده می‌شد. با این حال، این نشانه‌ها به‌تنهایی معیارهای معتبر و اختصاصی برای نسبت دادن یک ویدیوی هوایی به تولید مولد هوش مصنوعی نیستند.

از منظر فنی، ویدیوهای مولد هوش مصنوعی، حتی در نسخه‌های پیشرفته سال‌های اخیر، هنوز در بازتولید پایدار فضاهای شهری بزرگ با عمق میدان بالا و در عین‌حال دقیق دچار ضعف‌اند. در چنین ویدیوهایی معمولا رابطه حرکتی میان ساختمان‌های نزدیک و دور در طول زمان ناپایدار می‌شود یا دچار اعوجاج‌های تدریجی است. در مقابل، در تصاویر منتشرشده از این راهپیمایی، تغییرات زاویه دید و اختلاف حرکت عناصر شهری با فاصله‌های متفاوت دیده می‌شود؛ رفتاری که با تصویربرداری از یک پلتفرم پرنده واقعی سازگار است.

حرکت نرم اما پیوسته، با لرزش‌های ریز، با تصویربرداری هلی‌کوپتری سازگار است. مدل‌های ویدیوی مولد هوش مصنوعی، حتی نسخه‌های پیشرفته ۲۰۲۴ و ۲۰۲۵، هنوز در بازتولید پارالاکس شهری در مقیاس بزرگ مشکل دارند. در این ویدیو، اختلاف حرکت ساختمان‌های نزدیک و دور در طول مسیر دیده می‌شود؛ چیزی که در AI معمولا یا فرو می‌ریزد یا ناپایدار می‌شود.

از سوی دیگر، یکنواختی بافت شهر یا «حل‌شدن» جزئیات جمعیت بیشتر به ویژگی‌های نسخه‌های فشرده‌شده و بازنشرشده در شبکه‌های اجتماعی بازمی‌گردد تا تولید مصنوعی. کاهش شدید بیت‌ریت، فشرده‌سازی چندمرحله‌ای، حذف نویز و شارپ‌سازی دیجیتال، همگی می‌توانند باعث شوند خیابان‌ها و توده‌های انسانی صاف، تکرارشونده یا غیرطبیعی به نظر برسند. این پدیده‌ها به‌ویژه در نماهای هوایی با فاصله زیاد از سوژه اصلی تشدید می‌شوند.

جزییات این ویدیو نشان می‌دهد محیط شهری با تصاویر ماهواره‌ای حوالی میدان انقلاب کاملا منطبق است.

در مورد «تکرار الگوها» در جمعیت نیز باید توجه داشت که مغز انسان در مواجهه با تصاویر کم‌جزئیات، به‌طور طبیعی تمایل دارد لکه‌های پیکسلی مشابه را به‌عنوان الگوهای تکرارشونده تعبیر کند. برای نسبت دادن یک ویدیو به هوش مصنوعی، باید تکرار پایدار و قابل ردیابی یک عنصر مشخص در فریم‌های متوالی نشان داده شود، نه صرفاً شباهت‌های بصری در یک یا چند فریم منفرد.

در مجموع، آنچه به‌عنوان شواهد «هوش مصنوعی بودن» این ویدیو مطرح شده، بیشتر بر برداشت‌های شهودی از نسخه‌های فشرده و کم‌کیفیت استوار است تا بر شاخص‌های فنی قابل آزمون. به همین دلیل، صرف طرح این نشانه‌ها برای نتیجه‌گیری درباره تولید ویدیو با هوش مصنوعی کفایت نمی‌کند و نیازمند بررسی‌های دقیق‌تر و مستندتر است.

آیا این ویدیو پرده سبز (کروماکی) است؟

دومین محور اصلی تردیدها به حضور خبرنگار در قاب و احتمال استفاده از پرده سبز یا کامپوزیت برمی‌گردد. این ادعا عمدتا بر مشاهده‌هایی مانند «هاله اطراف مو و شانه»، «ناهماهنگی نور چهره با پس‌زمینه»، یا «تفاوت وضوح سوژه و شهر» استوار است. در نگاه اول، این ایرادها فنی به نظر می‌رسند، اما بررسی دقیق‌تر نشان می‌دهد که بعضی از آنها وارد نیست، بعضی از آن‌ها به‌تنهایی یا حتی در کنار هم، الزاما به معنای کروماکی بودن تصویر نیستند.

هاله یا لبه‌های نیمه‌شفاف اطراف مو و گوش، یکی از پرتکرارترین نشانه‌هایی است که کاربران به آن استناد کرده‌اند. در عمل، این پدیده در ویدیوهایی که با بیت‌ریت پایین فشرده شده‌اند بسیار رایج است. فشرده‌سازی رنگ به‌ویژه در فرمت‌های رایج شبکه‌ای، همراه با شارپ‌سازی دیجیتال و حذف نویز، می‌تواند دقیقا همان اثری را ایجاد کند که در کروماکی‌های ضعیف دیده می‌شود. بدون دسترسی به فایل اصلی یا نسخه پخش تلویزیونی با کیفیت بالا، تشخیص منبع این هاله‌ها ممکن نیست و استناد به نسخه‌های بازنشر شده، از نظر راستی‌آزمایی معتبر محسوب نمی‌شود.

ایراد دیگر به نورپردازی چهره خبرنگار مربوط است. برخی کاربران انتظار دارند نور صورت، جهت و شدت نوری کاملا مشابه با نور شهر در پس‌زمینه داشته باشد. بررسی‌ها نشان می‌دهد جهت تابش نور با وضعیت کلی بعدازظهر تهران منطبق است. زاویه قرارگیری ویدیو هم به دقت با موازی خیابان آزادی حد فاصل انقلاب تا آزادی نیست.

در مورد وضوح و عمق میدان نیز استدلال مشابهی مطرح می‌شود. شارپ‌بودن سوژه در کنار یکنواخت یا تخت به‌نظر رسیدن پس‌زمینه، لزوما نشانه کامپوزیت نیست. در لنزهای واید با فوکوس روی سوژه نزدیک، عناصر دوردست شهر به‌صورت طبیعی فلت‌تر دیده می‌شوند، به‌ویژه زمانی که تصویر از ارتفاع و در شرایط مه یا هِیز زمستانی ثبت شده باشد.

تکان‌خوردن مو در حالی که آستین کت ثابت به نظر می‌رسد، از نظر فیزیک جریان هوا پدیده‌ای عادی است و نشانه‌ای از دستکاری تصویری محسوب نمی‌شود. مو جرم بسیار کم و سطح تماس بالایی با هوا دارد، بنابراین به جریان‌های ضعیف و نامنظم هوا واکنش سریع نشان می‌دهد، حتی اگر این جریان برای جابه‌جایی پارچه کافی نباشد. در مقابل، کت رسمی معمولاً از پارچه ضخیم‌تر دوخته شده و به‌ویژه وقتی تنگ یا فیت باشد، به بدن می‌چسبد و آزادی حرکت ندارد؛ در نتیجه بادهای خفیف یا جریان هوای آشفته داخل کابین هلی‌کوپتر نمی‌توانند آستین را به‌طور قابل مشاهده حرکت دهند. این ناهمخوانی رفتاری میان مو و لباس، در بسیاری از فیلم‌برداری‌های فضای باز یا هوایی دیده می‌شود و به‌تنهایی هیچ دلالتی بر کروماکی یا جعل تصویر ندارد.

نکته دیگر رفتار تصویر در طول زمان است. در کروماکی‌های ناموفق، معمولا مرزهای سوژه در فریم‌های متوالی ناپایدار می‌شوند، لبه‌ها می‌لرزند یا ماسک تصویر در حرکت فرو می‌ریزد. در ویدیوی مورد بحث، با وجود تمام محدودیت‌های کیفیت، چنین فروپاشی زمانی به‌طور واضح دیده نمی‌شود و مرزهای سوژه در حرکت‌های طبیعی بدن و سر، ثبات نسبی خود را حفظ می‌کنند.

در مجموع، ایرادهایی که برای اثبات پرده سبز بودن این ویدیو مطرح شده‌اند، بیشتر بر برداشت بصری از نسخه‌های فشرده و کوتاه استوارند تا بر شاخص‌های فنی قطعی. این نکات می‌توانند پرسش‌برانگیز باشند، اما به‌تنهایی برای نتیجه‌گیری درباره استفاده از کروماکی کافی نیستند و بدون داده‌های باکیفیت‌تر، در حد فرضیه باقی می‌مانند.

انتشار فوتیج دوم و سو برداشت از «اثبات کروماکی»

پس از اوج‌گرفتن تردیدها، خبرنگار حاضر در ویدیو برای رد ادعای جعلی بودن تصاویر، فوتیج دیگری را منتشر کرد که نمایی هوایی مشابه پس‌زمینه گزارش را بدون حضور خودش نشان می‌داد.

برخی کاربران این اقدام را به‌عنوان «اعتراف غیرمستقیم به کروماکی» تعبیر کردند، اما مقایسه دقیق این تصاویر با پس‌زمینه ویدیوی اصلی نشان می‌دهد که با یک تصویر واحد طرف نیستیم.

تفاوت در زاویه پرواز، تراکم جمعیت، نور محیط و حتی چینش سایه‌ها نشان‌دهنده تفاوت زمانی و مکانی ضبط این دو فوتیج است. شباهت کلی فضا، که ناشی از تصویربرداری از یک محدوده شهری مشترک است، به‌اشتباه به‌عنوان استفاده از یک پس‌زمینه ثابت تفسیر شده، در حالی که این شباهت به‌خودی‌خود نشانه کروماکی یا کامپوزیت نیست.

توضیح عکس: تفاوت تعداد پنجره‌های زیر سایه که در تصویر مشخص شده، نشان می‌دهد که دو ویدیو در دو زمان متفاوت به فاصله چند دقیقه ضبط شده‌اند و یکسان نیستند.

ماجرای «گروک» و ادعاهایش چه بود؟

در ادامه، سازمان صدا و سیما در ویدیویی جداگانه به تمسخر پاسخ ابزار هوش مصنوعی «گروک» پرداخت که پیش‌تر به‌اشتباه این تصاویر را ساخته‌شده با هوش مصنوعی توصیف کرده بود. در این ویدیو ایلان ماسک هم خطاب قرار گرفته بود که می توان گفت این از تبعات تویت او با متن «زهی خیال باطل» بود که تبدیل به شعار معترضان شد.

این واکنش، از منظر تحلیلی، نمونه‌ای از مغالطه پهلوان‌پنبه است؛ یعنی برجسته‌کردن یک پاسخ نادرست برای بی‌اعتبار کردن کل طیف انتقادها. از دید سواد دیجیتال، خطای یک ابزار زبانی خودکار نه سند جعلی بودن ویدیو است و نه دلیلی بر صحت آن. مدل‌های زبانی، بدون نظارت انسانی و با ورودی ناقص یا جهت‌دار، به‌راحتی دچار خطا یا هالوسیناسیون می‌شوند؛ وضعیتی که محدود به «گروک» نیست و شامل همه این ابزارها می‌شود. بنابراین، تمرکز تبلیغاتی بر یک پاسخ اشتباه، بیش از آنکه روشنگر باشد، انحرافی از بحث اصلی تلقی می‌شود.

ادعای بزرگنمایی جمعیت

بخش مهمی از این جدل‌ها از جایی آغاز شد که رسانه‌های حکومتی با استناد به همین تصاویر هوایی، از «حضور بسیار گسترده» یا حتی ارقام میلیونی سخن گفتند. این ادعاها، همان‌طور که پیش‌تر در بررسی فکت‌نامه نشان داده شده، با ظرفیت واقعی مسیرها و تراکم قابل مشاهده همخوانی ندارد و جمعیت راهپیمایی را به‌طور معناداری بزرگ‌تر از واقعیت برآورد کرده است.

وقتی پیش‌فرض اولیه یعنی «جمعیت عظیم» محل تردید باشد، طبیعی است که کاربران برای رد آن، به‌جای نقد عددی و مکانی، به سراغ تفسیرهای افراطی‌تری مانند هوش مصنوعی یا کروماکی بروند. همین نقطه، پیوند منطقی این بخش با بحث بعدی درباره شیوه‌های رایج پروپاگانداست؛ جایی که تصویر هوایی نه برای شمارش دقیق، بلکه برای القای عظمت و کنترل روایت به کار گرفته می‌شود.

منبع و کارکرد رسانه‌ای تصاویر هلی‌کوپتری

در تصاویر هوایی راهپیمایی ۲۲ دی ۱۴۰۴ صدا و سیما مشابه تکنیکی سال‌هاست در قالب گزارش‌های خبری رسمی از راهپیمایی‌های مشابه پخش می‌شود استفاده از هلی‌کوپتر تصادفی نیست. هلی کوپتر سابقه‌ای روشن در روایت‌سازی رویدادهایی دارد که حاکمیت می‌کوشد آن‌ها را به‌مثابه نمایش قدرت، تداوم مشروعیت و بسیج اجتماعی بازنمایی کند.

از منظر فنی، تصویر هلی‌کوپتری با حذف مقیاس انسانی، شمارش و برآورد چگالی جمعیت را برای مخاطب دشوار می‌کند و با کنترل میدان دید، تنها محورهای از پیش‌انتخاب‌شده را نشان می‌دهد و خیابان‌های فرعی، فواصل خالی یا نقاط ریزش جمعیت را از قاب بیرون می‌گذارد. حرکت نرم دوربین میان چند مسیر نیز توهم یکپارچگی فضایی می‌سازد، حتی اگر این مسیرها از نظر زمان یا تراکم با هم هم‌خوان نباشند.

بررسی تدوین کلیپ‌ها نشان می‌دهد تصاویر احتمالا در بازه‌های زمانی محدود، پیش از پراکندگی جمعیت ضبط و سپس به‌صورت پیوسته کنار هم چیده شده‌اند، بدون آنکه نمای لانگ‌تیک ممتدی ارائه شود که امکان تخمین زمانی بدهد؛ الگویی که در راهپیمایی‌های حکومتی سال‌های گذشته نیز تکرار شده است.

در عین حال، ویدیو درباره تعداد واقعی شرکت‌کنندگان داده‌ای ارائه نمی‌کند، هیچ مقایسه‌ای با سال‌های قبل یا نقاط کم‌تراکم‌تر ندارد و نشانه‌ای از الزام اداری، بسیج سازمانی یا انتقال جمعیت با اتوبوس را نشان نمی‌دهد، در حالی که این متغیرها در تحلیل جمعیت سیاسی تعیین‌کننده‌اند.

بر این اساس، این ویدیو نه یک سند آماری، بلکه محصولی روایی و امنیتی است که برای مخاطب داخلی پیام کنترل و انکار بحران مشروعیت، برای مخاطب خارجی تصویر ثبات اجتماعی و برای نیروهای درون حاکمیت کارکرد اطمینان‌بخش دارد؛ به بیان دقیق‌تر، درباره نسبت دولت و جامعه داده تولید نمی‌کند، بلکه از نیاز حکومت به دیده‌شدن قدرت حکایت می‌کند.

جمع‌بندی

در شبکه‌های اجتماعی و رسانه‌ها گفته می‌شود هلی‌شات (تصویربرداری هلی‌کوپتری) صدا و سیما از راهپیمایی هواداران حکومت در روز ۲۲ دی ماه ساختگی است. درباره جمعیت راهپیمایی هواداران حکومت در روز ۲۲ دی، اغراق زیاد شده و رسانه‌های حکومتی واقعیت را چند ده برابر کرده‌اند، اما به نظر می‌رسد این ویدئو واقعی است و تردیدهای مطرح شده، دلیل قطعی بر ساختگی بودن آن نیست.

برخی با اشاره به برخی ویژگی‌های فنی و بصری ویدیو نتیجه گرفته‌اند که این ویدئو با هوش مصنوعی ساخته شده. بعضی نیز احتمال استفاده از پرده سبز کروماکی را مطرح کرده‌ و گفته‌اند، تصویر خبرنگار از روی پرده سبز، روی یک تجمع قدیمی، مثل تشییع جنازه قاسم سلیمانی مونتاژ شده است. اما برای اغلب تردیدهای مطرح شده توضیحات فنی وجود دارد.

۱- ویدئو با هوش مصنوعی ساخته نشده: عناصر شهری با تصاویر ماهواره‌ای حوالی میدان انقلاب سازگاری دارد. حرکت نرم اما پیوسته تصویر با تصویربرداری هلی‌کوپتری سازگار است. اختلاف حرکت ساختمان‌های نزدیک و دور در تمام مسیر دیده می‌شود؛ چیزی که در ویدئوهای هوش مصنوعی معمولا یا فرو می‌ریزد یا ناپایدار می‌شود. یکنواختی بافت شهر یا «حل‌شدن» جزئیات جمعیت بیشتر به ویژگی‌های نسخه‌های فشرده‌شده و بازنشرشده در شبکه‌های اجتماعی بازمی‌گردد تا تولید مصنوعی.

۲- ویدئو کروماکی نیست: این ادعا عمدتا بر مشاهده‌هایی مانند «هاله اطراف خبرنگار»، «ناهماهنگی نور»، یا «تفاوت وضوح سوژه و شهر» استوار است. چنین ایرادهایی در عمل، این پدیده در ویدیوهایی که با بیت‌ریت پایین فشرده می‌شوند، رایج است. فشرده‌سازی رنگ به‌ویژه در فرمت‌های رایج شبکه‌ای، همراه با شارپ‌سازی دیجیتال و حذف نویز، می‌تواند دقیقا همان اثری را ایجاد کند که در کروماکی‌های ضعیف دیده می‌شود.

شبهه دیگر تفاوت نور روی خبرنگار با نور پس‌زمینه است، اما بررسی‌های دقیق نشان می‌دهد جهت تابش نور روی خبرنگار و روی پس‌زمینه شهر، با موقعیت آنها نسبت به دوربین و وضعیت نور بعدازظهر تهران سازگار است.

شارپ‌بودن سوژه در کنار یکنواخت یا تخت به‌نظر رسیدن پس‌زمینه، لزوما نشانه کامپوزیت نیست. در لنزهای واید با فوکوس روی سوژه نزدیک، عناصر دوردست شهر به‌صورت طبیعی فلت‌تر دیده می‌شوند.

در مورد تکان‌خوردن مو و آستین کت؛ مو جرم بسیار کم و سطح تماس بالایی با هوا دارد و به جریان‌های ضعیف و نامنظم هوا واکنش سریع نشان می‌دهد، اما کت معمولاً از پارچه ضخیم‌تر دوخته شده و به بدن می‌چسبد و آزادی حرکت ندارد؛ ناهمخوانی میان مو و لباس، در بسیاری از فیلم‌برداری‌های فضای باز دیده می‌شود.

در این میان انتشار ویدیویی دیگر از همان مسیر، بدون حضور خبرنگار، این شائبه را تقویت کرده که ویدئو ساختگی است و تصویر خبرنگار روی یک تجمع قدیمی اضافه شده؛ اما مقایسه دقیق این تصاویر با پس‌زمینه ویدیوی اصلی نشان می‌دهد که با یک تصویر واحد طرف نیستیم و میان دو تصویر اختلاف زمانی و مکانی اندکی وجود دارد.