This post is also available in:
English (אנגלית)
ככל שהטכנולוגיה מתקדמת אך הרגולציה עוד נשארת בתהליכי חקיקה, מתגבר החשש סביב תמונות מבוססות AI שמשומשות למטרות מפוקפקות. מחקר חדש מאוניברסיטת האל מעלה כי באופן מפתיע, שיטות מתחום האסטרונומיה יכולות לסייע לנו במאבק בתחום זה, על ידי ניתוח עיניים אנושיות באותו אופן שבו בוחנים גלקסיות.
הסוד טמון בהשתקפות. החוקרים הסבירו כי בתמונות אמיתיות, ההשתקפות הנוצרת על גלגל העין נוטה להיות תואמת בשתי העיניים. עם זאת, בתמונות שנוצרו על ידי בינה מלאכותית, יש בדרך כלל חוסר עקביות בין ההשתקפויות בשתי העיניים. הם יישמו טכניקות שנפוצות באסטרונומיה כדי למדוד את ההשתקפויות הללו ולהבטיח עקביות בין ההשתקפויות בעין שמאל וימין, וכך הצליחו להעריך איזו תמונה אמיתית ואיזה מזויפת.
"כדי למדוד את הצורות של גלקסיות, אנו מנתחים האם הן מתאספות במרכז, אם הן סימטריות, ועד כמה הן חלקות. אנו מנתחים את התפלגות האור," אמר פרופסור קווין פימבלט, פרופסור לאסטרופיזיקה ומנהל המרכז למצוינות במדעי הנתונים, בינה מלאכותית ומידול באוניברסיטת האל, על פי TechXplore. "אנחנו מאתרים את ההשתקפויות באופן אוטומטי ומריצים את התכונות המורפולוגיות שלהן דרך מדדי CAS (ריכוז, אסימטריה, חלקות) וג'יני כדי להשוות דמיון בין עין ימין ועין שמאל. הממצאים מראים שכשמדובר בDeepfake, יש מספר הבדלים בין השתיים."
מקדם ג'יני הוא מדד סטטיסטי המשמש לכמת את אי השוויון או חוסר השוויון בהתפלגות עוצמת האור (שטף) על פני פיקסלים בתמונה. כשבוחנים גלקסיות, מקדם ג'יני מחושב על ידי מיון ערכי הפיקסלים של תמונה בסדר עולה בהתבסס על השטף (בהירות) שלהם. מקדם ג'יני 0 מציין חלוקה אחידה של אור על פני כל הפיקסלים, כלומר לכל פיקסל יש כמות שווה של שטף. מקדם ג'יני 1 מציין אי שוויון מקסימלי, שבו כל השטף מרוכז בפיקסל אחד, או מספר קטן מאוד של פיקסלים.
למרות שהשיטה אינה מושלמת וישנם גם פולס-פוזיטיבים וגם פולס-נגטיבים, שיטה זו היא צעד קדימה בכיוון של זיהוי deepfakes ותמונות שנוצרו על ידי AI.
