Οι ερευνητές χρησιμοποιούν τεχνικές από την αστρονομία για να δημιουργήσουν υπολογιστή Εικόνες "deepfake" να αναγνωρίσουμε - η οποία με την πρώτη ματιά μπορεί να φαίνεται πανομοιότυπη με τις πραγματικές φωτογραφίες.

Με την ανάλυση εικόνων των προσώπων που χρησιμοποιούνται συνήθως για τη μελέτη 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 καθώς έχουμε ψευδώς θετικά και ψευδή αρνητικά", λέει ο Kevin Pimbblet, διευθυντής του Κέντρου Επιστήμης των Δεδομένων, Τεχνητής Νοημοσύνης και Μοντελοποίησης στο Πανεπιστήμιο του Hull του Ηνωμένου Βασιλείου. Παρουσίασε την έρευνα στη συνάντηση της Εθνικής Αστρονομίας της Βασιλικής Αστρονομικής Εταιρείας στις 15 Ιουλίου. "Αλλά αυτή η έρευνα προσφέρει μια πιθανή μέθοδο, ένα σημαντικό βήμα προς τα εμπρός, για να προσθέσει ενδεχομένως στις δοκιμές που μπορούν να χρησιμοποιηθούν για να διαπιστωθεί εάν μια εικόνα είναι πραγματική ή ψεύτικη".

Εκφρασμένες φωτογραφίες

Οι πρόοδοι στην Τεχνητή Νοημοσύνη (AI) καθιστούν όλο και πιο δύσκολη τη διαφορά μεταξύ πραγματικών εικόνων, βίντεο και ήχου Εκείνοι που δημιουργούνται από αλγόριθμους, να αναγνωρίσει. Οι βάσεις αντικαθιστούν τα χαρακτηριστικά ενός ατόμου ή του περιβάλλοντος με άλλους και μπορούν να εμφανιστούν σαν να έχουν πει ή να κάνουν τα άτομα που δεν έκαναν πράγματα που δεν το έκαναν. Οι αρχές προειδοποιούν ότι αυτή η τεχνολογία στρατιωτικοποιεί και συμβάλλει στην εξάπλωση της παραπληροφόρησης, Για παράδειγμα κατά τη διάρκεια των εκλογών, μπορεί να χρησιμοποιηθεί.

Οι πραγματικές φωτογραφίες θα πρέπει να έχουν "συνεπή φυσική", εξηγεί ο Pimbblet ", οπότε οι αντανακλάσεις που βλέπετε στο αριστερό βολβό πρέπει να είναι πολύ παρόμοιες, αν και όχι απαραίτητα πανομοιότυπες, με τις αντανακλάσεις στο δεξί βολβό". Οι διαφορές είναι λεπτές, έτσι οι ερευνητές στράφηκαν σε τεχνικές που αναπτύχθηκαν για την ανάλυση του φωτός σε αστρονομικές εικόνες.

Το έργο, το οποίο δεν έχει ακόμη δημοσιευθεί, αποτελούσε τη βάση για τη διατριβή του Adejumoke Owolabi. Ο Owolabi, επιστήμονας δεδομένων στο Πανεπιστήμιο του Hull, Ηνωμένο Βασίλειο, προέκυψε πραγματικές εικόνες από το Το Flickr αντιμετωπίζει το σύνολο δεδομένων HQ και δημιούργησε ψεύτικα πρόσωπα χρησιμοποιώντας μια γεννήτρια εικόνων. Ο Owolabi ανέλυσε στη συνέχεια 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 εξωγαλακτικών αστεριών για δεκαετίες. Ο δείκτης Gini μετρά την ανισότητα της κατανομής φωτός στις εικόνες των γαλαξιών.

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

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

Ο Brant Robertson, αστροφυσικός στο Πανεπιστήμιο της Καλιφόρνια, Santa Cruz, χαιρετίζει την έρευνα. "Ωστόσο, εάν μπορείτε να υπολογίσετε μια τιμή που ποσοτικοποιεί πόσο ρεαλιστική μπορεί να εμφανιστεί μια εικόνα βαθιάς λίθου, μπορείτε επίσης να εκπαιδεύσετε το μοντέλο AI για να παράγετε ακόμα καλύτερα βαθιά βήματα βελτιστοποιώντας αυτή την αξία", προειδοποιεί.

Ο Zhiwu Huang, ερευνητής του AI στο Πανεπιστήμιο του Southampton του Ηνωμένου Βασιλείου, λέει ότι η δική του έρευνα δεν έχει εντοπίσει κανένα ασυνεπές μοτίβα φωτός στα μάτια των εικόνων Deepfake. Αλλά "ενώ η συγκεκριμένη τεχνική χρήσης ασυνεπών αντανακλάσεων στα μάτια μπορεί να μην είναι ευρέως εφαρμόσιμη, τέτοιες τεχνικές θα μπορούσαν να είναι χρήσιμες για την ανάλυση των λεπτών ανωμαλιών στον φωτισμό, τις σκιές και τις αντανακλάσεις σε διάφορα μέρη μιας εικόνας", λέει. «Η ανίχνευση ασυνέπειων στις φυσικές ιδιότητες του φωτός θα μπορούσε να συμπληρώσει τις υπάρχουσες μεθόδους και να βελτιώσει τη συνολική ακρίβεια της ανίχνευσης βαθιάς γέφυρας».