<σχήμα class = "σχήμα"> <Εικόνες class = "Embed ένταση-high"> -που μπορεί να φαίνονται πανομοιότυπα με τις πραγματικές φωτογραφίες με την πρώτη ματιά.

Με την ανάλυση των εικόνων των προσώπων που χρησιμοποιούνται κανονικά για τη διερεύνηση μακρινών γαλαξιών, οι αστρονόμοι μπορούν να μετρήσουν τον τρόπο με τον οποίο τα μάτια ενός ατόμου αντικατοπτρίζουν το φως, γεγονός που μπορεί να υποδηλώνει σημάδια χειρισμού εικόνας.

"Δεν είναι πανάκεια επειδή έχουμε ψευδώς θετικά και ψευδώς αρνητικά αποτελέσματα", λέει ο Kevin Pimbabl, διευθυντής του Κέντρου Επιστήμης των Δεδομένων, Τεχνητής Νοημοσύνης και Μοντελοποίησης στο Πανεπιστήμιο του Hull του Ηνωμένου Βασιλείου. Παρουσιάστηκε έρευνα στη συνάντηση της Εθνικής Αστρονομίας της Βασιλικής Αστρονομικής Εταιρείας στις 15 Ιουλίου. "Αλλά αυτή η έρευνα προσφέρει μια πιθανή μέθοδο ενός σημαντικού βήματος προς τα εμπρός για να προσθέσετε ενδεχομένως στις δοκιμές που μπορούν να χρησιμοποιηθούν για να διαπιστωθεί αν μια εικόνα είναι πραγματική ή ψεύτικη".

εκφρασμένες φωτογραφίες

Προωθείται στην Τεχνητή Νοημοσύνη (AI) καθιστά όλο και πιο δύσκολο να γίνει η διαφορά μεταξύ πραγματικών εικόνων, βίντεο και ήχου και να αναγνωριστεί από αλγόριθμους . Οι βάθους αντικαθιστούν τα χαρακτηριστικά ενός ατόμου ή της γύρω περιοχής με άλλους και μπορούν να το κάνουν να μοιάζουν με άτομα που έχουν πει ή έκαναν πράγματα που δεν έχουν κάνει. Οι αρχές προειδοποιούν ότι αυτή η τεχνολογία στρατιωτικοποιεί και εξαπλώθηκε παραπληροφόρηση, .

Οι πραγματικές φωτογραφίες θα πρέπει να έχουν μια "συνεπή φυσική", εξηγεί το pimbablet ", έτσι ώστε οι αντανακλάσεις που βλέπουν στο αριστερό βολβό να είναι πολύ παρόμοιες, αν όχι απαραίτητα, με τις αντανακλάσεις στο δεξιό μάτι μήλο". Οι διαφορές είναι λεπτές, έτσι οι ερευνητές χρησιμοποίησαν τεχνικές που αναπτύχθηκαν για να αναλύσουν το φως σε αστρονομικές εικόνες.

Το έργο που δεν έχει ακόμη δημοσιευθεί αποτελεί τη βάση για τη διατριβή του Master από τον Adejumoke Owolabi. Owolabi, ένας επιστήμονας δεδομένων στο Πανεπιστήμιο του Hull, Ηνωμένο Βασίλειο, μεταφέρθηκε σε πραγματικές εικόνες από το <Εικόνες class = "Embed ένταση-high"> Μια σειρά από σαφέστερες και σχολιασμένες εικόνες βαθύτερων ματιών που δείχνουν ασυνεπείς αντανακλάσεις σε κάθε μάτι.

Συγκρίνοντας τις αντανακλάσεις στα μάτια ενός ατόμου, η Owolabi ήταν σε θέση να προβλέψει σωστά περίπου το 70% του χρόνου αν η εικόνα ήταν ψεύτικη. Τελικά, οι ερευνητές διαπίστωσαν ότι ο δείκτης Gini ήταν καλύτερος από το σύστημα CAS για να προβλέψει εάν μια εικόνα χειρίστηκε.

Ο Brant Robertson, αστροφυσικός στο Πανεπιστήμιο της Καλιφόρνια, Santa Cruz, καλωσορίζει την έρευνα. "Ωστόσο, εάν μπορείτε να υπολογίσετε μια τιμή που ποσοτικοποιεί πόσο ρεαλιστικά μπορεί να εμφανιστεί μια εικόνα βαθιάς λίθου, μπορείτε επίσης να εκπαιδεύσετε το μοντέλο AI, για να δημιουργήσετε ακόμα καλύτερες βάσεις βελτιστοποιώντας αυτή την τιμή", προειδοποιεί.

Ο Zhiwu Huang, ερευνητής του AI στο Πανεπιστήμιο του Southampton, Ηνωμένο Βασίλειο, λέει ότι η δική του έρευνα δεν έχει εντοπίσει κανένα ασυνεπές μοτίβα φωτός στα μάτια των εικόνων Deepfake. Αλλά "ενώ η συγκεκριμένη τεχνική της χρήσης ασυνεπών αντανακλάσεων στη γωνία των ματιών μπορεί να μην χρησιμοποιηθεί ευρέως, τέτοιες τεχνικές θα μπορούσαν να βοηθήσουν στην ανάλυση των λεπτών ανωμαλιών στον φωτισμό, τις σκιές και τις αντανακλάσεις σε διάφορα μέρη μιας εικόνας", λέει. "Η αναγνώριση των ασυνέπειων στις φυσικές ιδιότητες του φωτός θα μπορούσε να συμπληρώσει τις υπάρχουσες μεθόδους και να βελτιώσει τη συνολική ακρίβεια των βαθύτερων ποδιών".