شش نشانه برای تشخیص چهره‌های ساخته‌شده با هوش مصنوعی

به گزارش سیتنا، با پیشرفت سریع فناوری هوش مصنوعی، تصاویر موسوم به «دیپ‌فیک» و چهره‌های تولیدشده توسط الگوریتم‌ها به‌قدری واقعی شده‌اند که تشخیص آن‌ها از تصاویر واقعی روزبه‌روز دشوارتر می‌شود. با این حال، پژوهشگران در مطالعه‌ای جدید اعلام کرده‌اند که انسان‌ها همچنان می‌توانند با آموزش و تمرین، این تصاویر را با دقت بالایی شناسایی کنند.

این پژوهش به سرپرستی «کلر ساترلند» از دانشگاه ابردین و «ایمی داول» مدیر آزمایشگاه احساسات و چهره‌ها در دانشگاه ملی استرالیا انجام شده است. محققان در این مطالعه بررسی کردند که آیا می‌توان افراد را برای تشخیص چهره‌های ساخته‌شده با هوش مصنوعی آموزش داد یا خیر.

برای انجام این تحقیق، هزاران تصویر چهره با استفاده از مدل تولید تصویر StyleGAN3 ایجاد شد. شرکت‌کنندگان ابتدا بدون آموزش در آزمون تشخیص تصاویر واقعی و ساختگی شرکت کردند و سپس پس از دریافت آموزش، بار دیگر مورد ارزیابی قرار گرفتند.

شش نشانه برای تشخیص تصاویر هوش مصنوعی

پژوهشگران آموزش خود را بر شش ویژگی اصلی متمرکز کردند:

تقارن بیش از حد چهره: چهره‌های تولیدشده توسط هوش مصنوعی معمولاً بیش از اندازه متقارن هستند و ناهماهنگی‌های طبیعی صورت، مانند افتادگی جزئی پلک یا تفاوت‌های ظریف در لبخند، در آن‌ها کمتر دیده می‌شود.
تناسب غیرطبیعی اجزای صورت: این تصاویر اغلب از ویژگی‌های غیرمعمول مانند بینی بسیار بزرگ یا گوش‌های برجسته فاصله می‌گیرند و به سمت چهره‌های استاندارد و میانگین گرایش دارند.
جذابیت بیش از حد: هوش مصنوعی معمولاً چهره‌هایی تولید می‌کند که از نظر ظاهری زیباتر و خوشایندتر از میانگین افراد واقعی هستند.
شباهت زیاد به یکدیگر: بسیاری از این چهره‌ها ویژگی متمایز و منحصربه‌فرد ندارند و به‌نوعی «چهره‌های متوسط» محسوب می‌شوند.
بیان محدود احساسات: چهره‌های تولیدی هوش مصنوعی معمولاً احساسات کمتری منتقل می‌کنند و حالات صورت در آن‌ها طبیعی و متنوع نیست.
به‌یادماندنی نبودن: این تصاویر اغلب پس از مشاهده، کمتر در ذهن مخاطب باقی می‌مانند.

دقت تشخیص تا دو برابر افزایش یافت

نتایج پژوهش نشان داد میانگین دقت شرکت‌کنندگان پیش از آموزش حدود ۴۰ درصد بود، اما پس از گذراندن دوره‌ای آموزشی که حدود یک ساعت زمان برد، این میزان به حدود ۸۰ درصد افزایش یافت. برخی از افراد نیز توانستند با دقتی نزدیک به ۱۰۰ درصد تصاویر واقعی را از تصاویر تولیدشده با هوش مصنوعی تشخیص دهند.

محققان معتقدند این فرآیند شباهت زیادی به شیوه یادگیری خود مدل‌های هوش مصنوعی دارد؛ به این معنا که انسان نیز با مشاهده نمونه‌های متعدد و دریافت بازخورد، به‌تدریج الگوهای ظریف را شناسایی می‌کند، حتی اگر نتواند دقیقاً توضیح دهد چگونه به این نتیجه رسیده است.

محدودیت‌های هوش مصنوعی

بر اساس این مطالعه، مدل‌های تولید تصویر هنوز در ساخت چهره سالمندان، کودکان و افراد غیرسفیدپوست عملکرد ضعیف‌تری دارند؛ موضوعی که پژوهشگران آن را ناشی از سوگیری موجود در داده‌های آموزشی این مدل‌ها می‌دانند.

همچنین بررسی‌ها نشان داد برخلاف برخی مطالعات گذشته، آموزش نه‌تنها دقت افراد را افزایش داد، بلکه اعتمادبه‌نفس آن‌ها در تشخیص تصاویر ساختگی نیز بیشتر شد.

افزایش تهدیدهای دیپ‌فیک

همزمان با پیشرفت فناوری، نگرانی‌ها درباره سوءاستفاده از تصاویر جعلی نیز رو به افزایش است. شرکت مشاوره‌ای «دیلویت» پیش‌بینی کرده خسارت ناشی از کلاهبرداری‌های مبتنی بر دیپ‌فیک در آمریکا تا سال آینده به حدود ۴۰ میلیارد پوند برسد. استفاده از تصاویر جعلی در کلاهبرداری‌های مالی و عملیات‌های نفوذ و جاسوسی از جمله مهم‌ترین تهدیدهای این فناوری عنوان شده است.

با این حال، پژوهشگران تأکید می‌کنند هوش مصنوعی در کنار این مخاطرات، کاربردهای مثبتی نیز دارد؛ از جمله بازسازی چهره کودکان گمشده در سنین مختلف، تولید محتوای خلاقانه و کمک به پروژه‌های هنری؛ البته به شرط آنکه استفاده از محتوای تولیدشده توسط هوش مصنوعی برای مخاطبان شفاف و قابل تشخیص باشد.

به گفته محققان، تشخیص تصاویر ساختگی دیگر به یافتن یک نقص آشکار وابسته نیست، بلکه با شناخت مجموعه‌ای از نشانه‌های ظریف و تمرین مستمر می‌توان احتمال فریب خوردن از تصاویر تولیدشده توسط هوش مصنوعی را به میزان قابل توجهی کاهش داد.

انتهای پیام