Uma ferramenta para detectar deepfakes é transparente sobre suas limitações

Você, presumivelmente um ser humano, é uma parte crucial na detecção 🏧 de uma

ou

Existem ferramentas de detecção, feitas tanto comercialmente quanto onabet telefone laboratórios de pesquisa, 🏧 que podem ajudar. Para usar esses detectores de deepfakes, você envia ou vincula uma peça de mídia que suspeita ser 🏧 falsa, e o detector dá uma probabilidade onabet telefone porcentagem de que ela tenha sido gerada por IA.

Mas seus sentidos e 🏧 uma compreensão de alguns indicativos importantes fornecem muita informação ao analisar mídia para ver se ela é um deepfake.

Enquanto as 🏧 regulamentações para deepfakes, especialmente onabet telefone eleições, ainda estão atrasadas onabet telefone relação ao rápido ritmo das inovações onabet telefone IA, precisamos encontrar 🏧 formas de descobrir se uma imagem, áudio ou

Siwei Lyu criou uma delas, o DeepFake-o-meter, na Universidade 🏧 de Buffalo. Sua ferramenta é gratuita e de código aberto, compilando mais de uma dúzia de algoritmos de outros laboratórios 🏧 de pesquisa onabet telefone um lugar. Os usuários podem enviar uma mídia e executá-la através dessas diferentes ferramentas de laboratórios para 🏧 obter uma ideia de se ela pode ser gerada por IA.

O DeepFake-o-meter mostra tanto os benefícios quanto as limitações das 🏧 ferramentas de detecção de IA. Quando executamos algumas deepfakes conhecidas através das diferentes algoritmos, os detectores deram uma classificação para 🏧 o mesmo

A IA 🏧 e os algoritmos usados para detectá-la podem ser influenciados pela maneira como são ensinados. No caso do DeepFake-o-meter, a ferramenta 🏧 é transparente sobre essa variabilidade nos resultados, enquanto um detector comercial comprado na loja de aplicativos é menos claro sobre 🏧 suas limitações, ele disse.

"Acho que uma imagem falsa de confiabilidade é pior do que baixa confiabilidade, porque se você confiar 🏧 onabet telefone um sistema que fundamentalmente não é confiável para funcionar, pode causar problemas no futuro", disse Lyu.

Seu sistema ainda é 🏧 rudimentar para os usuários, tendo sido lançado publicamente apenas onabet telefone janeiro deste ano. Mas seu objetivo é que jornalistas, pesquisadores, 🏧 investigadores e usuários comuns possam enviar mídias para verificar se são reais. Sua equipe está trabalhando onabet telefone formas de classificar 🏧 as diferentes algoritmos que usam para detecção para informar os usuários qual detector funcionaria melhor paraonabet telefonesituação. Os usuários 🏧 podem optar por compartilhar a mídia que enviam com a equipe de pesquisa de Lyu para ajudá-lo a melhorar o 🏧 site.

Lyu frequentemente atua como fonte experiente para jornalistas que tentam avaliar se algo pode ser um deepfake, então ele nos 🏧 mostrou algumas instâncias bem conhecidas de deepfakery recentes para mostrar as maneiras pelas quais podemos dizer que eles não são 🏧 reais.

"Um operador humano precisa ser trazido para fazer a análise", disse ele. "Acho que é crucial ser uma colaboração homem-algoritmo. 🏧 Deepfakes são um problema social-técnico. Não vai ser resolvido puramente pela tecnologia. Tem que haver uma interface com humanos."