Hình ảnh deepfake do trí tuệ nhân tạo tạo ra có thể được phát hiện bằng các phương pháp kỹ thuật từ thiên văn học.
Theo nghiên cứu của Hiệp hội Thiên văn Hoàng gia, AI tạo ra những hình ảnh có thể được phân tích giống như cách các nhà thiên văn học nghiên cứu các thiên hà. Một số trong số này có liên quan đến sự phản chiếu trong mắt con người.
Kevin Pimbblet, giáo sư vật lý thiên văn và giám đốc Trung tâm Dữ liệu, Trí tuệ Nhân tạo và Mô hình hóa tại Đại học Hull, cho biết: “Sự phản xạ của nhãn cầu thật là nhất quán, nhưng hình ảnh giả thường vi phạm các quy tắc vật lý thông thường”.
Bức ảnh thật của Scarlett Johansson với hình ảnh phản chiếu tương tự trong mắt cô. Hình ảnh AI bên phải có các phản chiếu khác nhau. hình ảnh: petapixel
Các nhà nghiên cứu đã so sánh và phân tích sự phản xạ ánh sáng của nhãn cầu trong ảnh thật và ảnh do AI tạo ra. Sau đó, họ mượn một phương pháp được sử dụng trong thiên văn học để định lượng sự phản xạ và kiểm tra tính nhất quán giữa nhãn cầu trái và nhãn cầu phải.
Giáo sư Pimblett cho biết: “Để đo hình dạng của các thiên hà, chúng tôi phân tích xem tâm của chúng có dày đặc hay không, chúng có đối xứng hay không và chúng mịn đến mức nào. Chúng tôi phân tích sự phân bố ánh sáng”. “Chúng tôi tự động phát hiện các phản xạ và chạy các đặc điểm hình thái của chúng thông qua CAS (mật độ, độ bất đối xứng, độ mịn của chi tiết) và chỉ số Gini để so sánh sự giống nhau giữa nhãn cầu trái và phải”.
Hình ảnh nhãn cầu từ ảnh người thật. hình ảnh: petapixel
Chỉ số Gini đo mức độ phân bổ ánh sáng trong hình ảnh thiên hà giữa các pixel của nó. Phép đo này được thực hiện bằng cách sắp xếp các pixel tạo nên hình ảnh thiên hà theo thứ tự tăng dần theo thông lượng của chúng, sau đó so sánh kết quả với giả định mức thông lượng hoàn toàn đồng nhất.
Giá trị Gini bằng 0 là thiên hà trong đó ánh sáng được phân bổ đều trên tất cả các pixel trong ảnh. Một thiên hà có giá trị Gini bằng 1 có tất cả ánh sáng tập trung vào một pixel.
Hình ảnh nhãn cầu trong một hình ảnh deepfake. hình ảnh: petapixel
Giáo sư Pimbblet cho biết đây không phải là cách hoàn hảo để phát hiện deepfake vì vẫn còn sai sót. Tuy nhiên, ông tin rằng hướng đi này có tiềm năng rất lớn trong việc giúp công nghệ hiện nay bắt kịp và tự động phát hiện các deepfake.
