Suche
Mein Konto
Οι ερευνητές χρησιμοποιούν τεχνικές από την αστρονομία για να δημιουργήσουν υπολογιστές «Deepfake» εικόνες να αναγνωρίσει - που με την πρώτη ματιά μπορεί να μοιάζουν με πραγματικές φωτογραφίες.
Αναλύοντας εικόνες προσώπων που χρησιμοποιούνται συνήθως για τη μελέτη μακρινών γαλαξιών, οι αστρονόμοι μπορούν να μετρήσουν τον τρόπο με τον οποίο τα μάτια ενός ατόμου αντανακλούν το φως, κάτι που μπορεί να υποδεικνύει σημάδια χειραγώγησης εικόνας.
«Δεν είναι πανάκεια, καθώς έχουμε ψευδώς θετικά και ψευδώς αρνητικά», λέει ο Kevin Pimbblet, διευθυντής του Κέντρου Επιστήμης Δεδομένων, Τεχνητής Νοημοσύνης και Μοντελοποίησης στο Πανεπιστήμιο του Hull, στο Ηνωμένο Βασίλειο. Παρουσίασε την έρευνα στο National Astronomy Meeting της Royal Astronomical Society στις 15 Ιουλίου. «Αλλά αυτή η έρευνα προσφέρει μια πιθανή μέθοδο, ένα σημαντικό βήμα προς τα εμπρός, για να προσθέσει δυνητικά στα τεστ που μπορούν να χρησιμοποιηθούν για να διαπιστωθεί εάν μια εικόνα είναι αληθινή ή ψεύτικη».
Εκφρασμένες φωτογραφίες
Η πρόοδος στην τεχνητή νοημοσύνη (AI) καθιστά όλο και πιο δύσκολη τη διαφορά μεταξύ πραγματικών εικόνων, βίντεο και ήχου αυτά που δημιουργούνται από αλγόριθμους, να αναγνωρίσει. Τα Deepfakes αντικαθιστούν τα χαρακτηριστικά ενός ατόμου ή ενός περιβάλλοντος με άλλα και μπορεί να τα κάνουν να φαίνεται σαν άτομα να έχουν πει ή έχουν κάνει πράγματα που δεν έκαναν. Οι αρχές προειδοποιούν ότι αυτή η τεχνολογία στρατιωτικοποιεί και συμβάλλει στη διάδοση παραπληροφόρησης, για παράδειγμα στις εκλογές, μπορεί να χρησιμοποιηθεί.
Οι πραγματικές φωτογραφίες πρέπει να έχουν "συνεπή φυσική", εξηγεί ο Pimbblet, "έτσι οι αντανακλάσεις που βλέπετε στον αριστερό βολβό του ματιού θα πρέπει να είναι πολύ παρόμοιες, αν και όχι απαραίτητα ταυτόσημες, με τις αντανακλάσεις στο δεξιό βολβό του ματιού." Οι διαφορές είναι λεπτές, επομένως οι ερευνητές στράφηκαν σε τεχνικές που αναπτύχθηκαν για την ανάλυση του φωτός σε αστρονομικές εικόνες.
Το έργο, το οποίο δεν έχει ακόμη δημοσιευτεί, αποτέλεσε τη βάση για τη μεταπτυχιακή εργασία του Adejumoke Owolabi. Ο Owolabi, ένας επιστήμονας δεδομένων στο Πανεπιστήμιο του Hull, στο Ηνωμένο Βασίλειο, έλαβε πραγματικές εικόνες από το Σύνολο δεδομένων Flickr Faces HQ και δημιούργησε ψεύτικα πρόσωπα χρησιμοποιώντας μια γεννήτρια εικόνας. Στη συνέχεια, ο Owolabi ανέλυσε τις αντανακλάσεις από πηγές φωτός στα μάτια στις εικόνες χρησιμοποιώντας δύο αστρονομικές μετρήσεις: το σύστημα CAS και τον δείκτη Gini. Το σύστημα CAS ποσοτικοποιεί τη συγκέντρωση, την ασυμμετρία και την ομαλότητα της κατανομής φωτός ενός αντικειμένου. Αυτή η τεχνική επέτρεψε στους αστρονόμους, συμπεριλαμβανομένου του Pimbblet, να χαρακτηρίσουν το φως των εξωγαλαξιακών αστεριών για δεκαετίες. Ο δείκτης Gini μετρά την ανισότητα κατανομής φωτός σε εικόνες γαλαξιών.
Συγκρίνοντας τις αντανακλάσεις στα μάτια ενός ατόμου, ο Owolabi ήταν σε θέση να προβλέψει σωστά αν η εικόνα ήταν ψεύτικη περίπου στο 70% των περιπτώσεων. Τελικά, οι ερευνητές διαπίστωσαν ότι ο δείκτης Gini ήταν καλύτερος από το σύστημα CAS στην πρόβλεψη εάν μια εικόνα είχε υποστεί χειραγώγηση.
Ο Μπραντ Ρόμπερτσον, αστροφυσικός στο Πανεπιστήμιο της Καλιφόρνια στη Σάντα Κρουζ, χαιρετίζει την έρευνα. «Ωστόσο, εάν μπορείτε να υπολογίσετε μια τιμή που ποσοτικοποιεί πόσο ρεαλιστική μπορεί να εμφανίζεται μια βαθιά ψεύτικη εικόνα, μπορείτε επίσης να εκπαιδεύσετε το μοντέλο τεχνητής νοημοσύνης ώστε να παράγει ακόμα καλύτερα deepfakes βελτιστοποιώντας αυτήν την τιμή», προειδοποιεί.
Ο Zhiwu Huang, ερευνητής τεχνητής νοημοσύνης στο Πανεπιστήμιο του Σαουθάμπτον, στο Ηνωμένο Βασίλειο, λέει ότι η δική του έρευνα δεν έχει εντοπίσει ασυνεπή μοτίβα φωτός στα μάτια των deepfake εικόνων. Αλλά «ενώ η συγκεκριμένη τεχνική της χρήσης ασυνεπών αντανακλάσεων στους βολβούς των ματιών μπορεί να μην είναι ευρέως εφαρμόσιμη, τέτοιες τεχνικές θα μπορούσαν να είναι χρήσιμες για την ανάλυση λεπτών ανωμαλιών στο φωτισμό, τις σκιές και τις αντανακλάσεις σε διαφορετικά μέρη μιας εικόνας», λέει. «Η ανίχνευση ασυνεπειών στις φυσικές ιδιότητες του φωτός θα μπορούσε να συμπληρώσει τις υπάρχουσες μεθόδους και να βελτιώσει τη συνολική ακρίβεια της ανίχνευσης βαθιάς ψευδούς».