Pētnieki izmanto astronomijas metodes, lai izveidotu datorizētu “Deepfake” attēli atpazīt – kas no pirmā acu uzmetiena var izskatīties identiski īstām fotogrāfijām.

Analizējot seju attēlus, ko parasti izmanto tālu galaktiku pētīšanai, astronomi var izmērīt, kā cilvēka acis atspoguļo gaismu, kas var liecināt par attēla manipulācijas pazīmēm.

"Tā nav panaceja, jo mums ir viltus pozitīvi un viltus negatīvi rezultāti," saka Kevins Pimblets, Hallas universitātes Datu zinātnes, mākslīgā intelekta un modelēšanas centra direktors Apvienotajā Karalistē. Viņš prezentēja pētījumu Karaliskās astronomijas biedrības Nacionālajā astronomijas sanāksmē 15. jūlijā. "Taču šis pētījums piedāvā potenciālu metodi, svarīgu soli uz priekšu, lai potenciāli papildinātu testus, kurus var izmantot, lai noskaidrotu, vai attēls ir īsts vai viltots."

Izteiktas fotogrāfijas

Mākslīgā intelekta (AI) sasniegumi padara arvien grūtāku atšķirību starp reāliem attēliem, video un audio tās, ko rada algoritmi, atpazīt. Deepfakes aizstāj vienas personas vai vides iezīmes ar citām un var radīt iespaidu, ka personas ir teikušas vai izdarījušas lietas, ko viņi nav izdarījuši. Varas iestādes brīdina, ka šī tehnoloģija militarizē un veicina dezinformācijas izplatību, piemēram, vēlēšanu laikā, var izmantot.

Īstām fotogrāfijām jābūt ar "konsekventu fiziku," skaidro Pimblets, "tāpēc atspīdumiem, ko redzat kreisajā acs ābolā, vajadzētu būt ļoti līdzīgiem, lai gan ne vienmēr identiskiem, atspulgiem labajā acs ābolā." Atšķirības ir smalkas, tāpēc pētnieki pievērsās metodēm, kas izstrādātas gaismas analīzei astronomiskajos attēlos.

Pagaidām nepublicētais darbs veidoja pamatu Adejumoke Owolabi maģistra darbam. Hullas universitātes datu zinātnieks Ovolabi ieguva reālus attēlus no Flickr Faces HQ datu kopa un izveidoja viltotas sejas, izmantojot attēlu ģeneratoru. Pēc tam Ovolabi analizēja atstarojumus no gaismas avotiem acīs attēlos, izmantojot divus astronomiskus mērījumus: CAS sistēmu un Džini indeksu. CAS sistēma nosaka objekta gaismas sadalījuma koncentrāciju, asimetriju un vienmērīgumu. Šis paņēmiens ir ļāvis astronomiem, tostarp Pimblet, gadu desmitiem ilgi raksturot ekstragalaktisko zvaigžņu gaismu. Džini indekss mēra gaismas sadalījuma nevienlīdzību galaktiku attēlos.

Eine Serie klarer und annotierter Bilder von Deepfake-Augen, die inkonsistente Reflexionen in jedem Auge zeigen.

Salīdzinot atspulgus cilvēka acs ābolos, Owolabi aptuveni 70% gadījumu varēja pareizi paredzēt, vai attēls ir viltots. Galu galā pētnieki atklāja, ka Džini indekss bija labāks par CAS sistēmu, lai prognozētu, vai attēls ir manipulēts.

Brants Robertsons, Kalifornijas Universitātes Santakrusas astrofiziķis, atzinīgi vērtē pētījumu. "Tomēr, ja varat aprēķināt vērtību, kas kvantitatīvi nosaka, cik reālistisks var izskatīties dziļi viltots attēls, varat arī apmācīt AI modeli radīt vēl labākus dziļos viltojumus, optimizējot šo vērtību," viņš brīdina.

Dživu Huangs, mākslīgā intelekta pētnieks Sauthemptonas Universitātē, Apvienotajā Karalistē, saka, ka viņa paša pētījums nav atklājis nekādus pretrunīgus gaismas modeļus dziļi viltotu attēlu acīs. Bet "lai gan specifiskais paņēmiens nekonsekventu atspulgu izmantošanai acs ābolos var nebūt plaši piemērojams, šādas metodes varētu būt noderīgas, lai analizētu smalkas apgaismojuma, ēnu un atspulgu anomālijas dažādās attēla daļās," viņš saka. "Gaismas fizikālo īpašību neatbilstību noteikšana varētu papildināt esošās metodes un uzlabot dziļo viltojumu noteikšanas vispārējo precizitāti."