Uma ferramenta para detectar deepfakes é transparente sobre suas limitações

Você, presumivelmente um ser humano, é uma parte crucial na detecção 4️⃣ de uma

ou

---

gerado por inteligência artificial.

Existem ferramentas de detecção, feitas tanto comercialmente quanto xbete laboratórios de pesquisa, 4️⃣ que podem ajudar. Para usar esses detectores de deepfakes, você envia ou vincula uma peça de mídia que suspeita ser 4️⃣ falsa, e o detector dá uma probabilidade xbete porcentagem de que ela tenha sido gerada por IA.

Mas seus sentidos e 4️⃣ uma compreensão de alguns indicativos importantes fornecem muita informação ao analisar mídia para ver se ela é um deepfake.

Enquanto as 4️⃣ regulamentações para deepfakes, especialmente xbete eleições, ainda estão atrasadas xbete relação ao rápido ritmo das inovações xbete IA, precisamos encontrar 4️⃣ formas de descobrir se uma imagem, áudio ou

---

é realmente real.

Siwei Lyu criou uma delas, o DeepFake-o-meter, na Universidade 4️⃣ de Buffalo. Sua ferramenta é gratuita e de código aberto, compilando mais de uma dúzia de algoritmos de outros laboratórios 4️⃣ de pesquisa xbete um lugar. Os usuários podem enviar uma mídia e executá-la através dessas diferentes ferramentas de laboratórios para 4️⃣ obter uma ideia de se ela pode ser gerada por IA.

O DeepFake-o-meter mostra tanto os benefícios quanto as limitações das 4️⃣ ferramentas de detecção de IA. Quando executamos algumas deepfakes conhecidas através das diferentes algoritmos, os detectores deram uma classificação para 4️⃣ o mesmo

---

,

ou gravação de áudio de 0% a 100% de chance de ser gerada por IA.

A IA 4️⃣ e os algoritmos usados para detectá-la podem ser influenciados pela maneira como são ensinados. No caso do DeepFake-o-meter, a ferramenta 4️⃣ é transparente sobre essa variabilidade nos resultados, enquanto um detector comercial comprado na loja de aplicativos é menos claro sobre 4️⃣ suas limitações, ele disse.

"Acho que uma imagem falsa de confiabilidade é pior do que baixa confiabilidade, porque se você confiar 4️⃣ xbete um sistema que fundamentalmente não é confiável para funcionar, pode causar problemas no futuro", disse Lyu.

Seu sistema ainda é 4️⃣ rudimentar para os usuários, tendo sido lançado publicamente apenas xbete janeiro deste ano. Mas seu objetivo é que jornalistas, pesquisadores, 4️⃣ investigadores e usuários comuns possam enviar mídias para verificar se são reais. Sua equipe está trabalhando xbete formas de classificar 4️⃣ as diferentes algoritmos que usam para detecção para informar os usuários qual detector funcionaria melhor paraxbetesituação. Os usuários 4️⃣ podem optar por compartilhar a mídia que enviam com a equipe de pesquisa de Lyu para ajudá-lo a melhorar o 4️⃣ site.

Lyu frequentemente atua como fonte experiente para jornalistas que tentam avaliar se algo pode ser um deepfake, então ele nos 4️⃣ mostrou algumas instâncias bem conhecidas de deepfakery recentes para mostrar as maneiras pelas quais podemos dizer que eles não são 4️⃣ reais.

"Um operador humano precisa ser trazido para fazer a análise", disse ele. "Acho que é crucial ser uma colaboração homem-algoritmo. 4️⃣ Deepfakes são um problema social-técnico. Não vai ser resolvido puramente pela tecnologia. Tem que haver uma interface com humanos."