# Gilynant kovoti su giluminiais klastojimais naudojant pažangią dirbtinį intelektą
Kadangi giluminiai klastojimai tampa vis labiau paplitę, kyla spaudžiantis iššūkis atskirti tikrą nuo dirbtinai sukurtų. Žinant, kad ši problema kyla, tyrėjai sukūrė pažangų dirbtinio intelekto algoritmą, kuris pasižymi išskirtiniu gebėjimu aptikti sintetines vaizdo medžiagas. Naujai sukurtas įrankis demonstravo 93% sėkmingumo lygį atpažįstant tokius vaizdo įrašus testavimo etapuose.
# Dirbtinis intelektas: skydas prieš skaitmeninį klastojimą
Kuriamo giluminio klastojimo, galinčio įtikinamai ant vieno asmenies panašaus paveikslo pridengti kito, vis didesnė sudėtingumą sukelianti technologija sukelia reikšmingą nerimą dėl galimų dezinformacijos, ypač internetiniuose tinkluose ir socialiniuose tinkluose. Šios problemos paskatino technologijos gigantus, tokius kaip Meta, ir Europos reglamentavimo jėgas ieškoti priemonių, kurios galėtų patikimai pažymėti dirbtinio intelekto sukurtą turinį. Europos dirbtinio intelekto įstatymas, tarp kitų iniciatyvų, skirtas reguliuoti sukuriančiųjų dirbtinio intelekto technologijų pasekmes.
# Išskirti tikrovę iš klastojimo jūros
Realaus turinio atskyrimas nuo sintetinių suklastojimų nėra lengva užduotis, ypač su nuolat evoliucionuojančia sukuriančio dirbtinio intelekto tendencija, kuri slypi beveik neįmanomo atskirti skaitmeninėje erdvėje. Daugiau nei dešimtmetį Multimedia ir Informacijos Saugumo laboratorija (MISL) Drexel universiteto Inžinerijos koledže kovojo su generuojančio dirbtinio intelekto augančiomis galimybėmis. Profesorius Matthew Stamm pabrėžė būtinybę laikytis technologinio lanko pirmyn kuriant mechanizmus, galinčius nurodyti medijos specifines savybes, primenančias apie sintetiškai sukurtus vaizdo įrašus.
# Dirbtinis intelektas prieš dirbtinį intelektą: autentiškumo kova
Tyrėjai nusprendė imtis „dirbtinio intelekto prieš dirbtinį intelektą” požiūrio, pasitelkdami dirbtinio intelekto galimybes prieš veiksmingais skaitmeninių dirbtinio intelekto kaip Fliki ir HeyGen metodais. Jų pastangos baigėsi suvaržyto neuroninio tinklo algoritmo kūrimu – mašininio mokymosi formos, kuris davė vaisių, identifikuojant sintetinius vaizdo įrašus su dideliu tikslumu. Jei šis įrankis išeitų už eksperimentinių stadijų ribų, jis galėtų tapti neįkainojamu turtu sertifikuojant skaitmeninės medijos autentiškumą.
[# Gilyniniams klastojimams kovojant su pažangiu dirbtiniu intelektu
Kol giluminiai klastojimai toliau iššaukia tikrovės ir netikrumų skirtumų pažymėjimą, pažangūs dirbtinio intelekto algoritmai iškyla kaip svarbūs sprendimai šioje skaitmeninėje ginkluotėje. Reikšmingas proveržis, tyrėjai sukūrė dirbtinio intelekto sistemą su įspūdingu 93% tikslumu aptikti giluminius vaizdo įrašus, žymint potencialią kryžkelę kovoje prieš internetinę dezinformaciją.
# Dirbtinis intelektas: skydas prieš skaitmeninį klastojimą
Greitėjantis gilinimo technologijos kokybė kelia grėsmę individams ir visuomenei, nes ji gali plisti dezinformacinę ir paliesti skaitmeninės medijos pasitikėjimą. Įmonių Meta ir reguliavimo organų tokioje kaip Europos Sąjunga atsakas rodo nuolatinį ir sąmoningą pastangas apsaugoti visuomenę nuo šių rizikų. Europos dirbtinio intelekto įstatymas yra dalis platesnio rėmo, pabrėžiančio įstatymų, kurie laikosi technologinių naujovių, svarbą kūrimą.
# Išskirti tikrovę iš klastojimo jūros
Ribos tarp autentiško ir dirbtinio turinio yra neryškios, ir pastangos institucijų, tokių kaip Multimedia ir Informacijos Saugumo laboratorija Drexel universitete, svarbios sprendžiant šią iššūkį. Atsidavimas kuriant įrankius, kurie gali pasinaudoti skaitmeninio turinio nepastovumais, parodo proaktyvius metodus, kurių imamasi siekiant sumažinti giluminių klastojimų poveikį.
# Dirbtinis intelektas prieš dirbtinį intelektą: autentiškumo kova
Strategija kovojant su giluminais klastojimais remiasi varžytis dirbtinės intelekto technologijos. Naudodami sudėtingas mašininio mokymosi technikas, pavyzdžiui, suvaržytų neuroninių tinklo algoritmus, tyrėjai kuria naujas metodus, kaip autentifikuoti skaitmeninę mediją. Jei šie įrankiai bus tobulinami ir plačiai diegiami, jie reikšmingai sustiprins gynybą prieš skaitmeninį manipuliavimą.
# Svarbiausi klausimai ir atsakymai
– Kokių iššūkių kelia giliniai klastojimai?
Giliniai klastojimai gali pakenkti pasitikėjimui žiniasklaidoje, iškraipyti tiesą ir palengvinti sukčiavimą ar kenksmingas veiklas. Jų vis daugiau realistiškas pobūdis padaro juos sunkiai aptinkamus be specializuotos technologijos, kuri kelia socialinius, politinius ir teisės normas.
– Kaip dirbtinis intelektas padeda atpažinti gilinimo klastojimus?
Dirbtinio intelekto algoritmai gali analizuoti vizualinius ir garso signalus smulkiai, nustatant subtilius anomalijų, kurie būdingi gilinimo klaidoms, bet žmogui nepastebimi, lygį.
– Ar naujam dirbtiniam intelekto algoritmui yra kokios nors ribos?
Nors algoritmas parodė aukštą sėkmės lygį, joks sistema nėra neklystanti. Jis gali susidurti su iššūkiais, kylančiais dėl naujų klastojimo technikų, ir gali kilti privatumo ir etikos apmąstymų, plačiai taikant.
# Svarbiausi iššūkiai ir diskusijos
Dinaminė žaidimo katė ir pelės žaidimas tarp kūrimo ir klastojimo klastojimo reiškia, kad tobulėjant aptikimo metodams, tobulėja ir technikos kurti veiksmingesnius gilinimo klastojimus. Taip pat kyla susirūpinimas dėl prieinamumo ir privatumo, nes galimybė taip kruopščiai tirti mediją gali būti piktnaudžiavimas.
# Privalumai ir trūkumai
Privalumai:
– Padedamas išlaikyti skaitmeninės medijos integritetą.
– Suteikia naudingą įrankį kovoti su dezinformacija ir nusikalstamumu internete.
Trūkumai:
– Gali nepajėgti laiku atitikti vystančiųsių giluminių klastojimo metodų.
– Gali kelti etikos klausimus dėl sekimo ir piktnaudžiavimo.
Daugiau informacijos, susijusios su technologija ir dirbtiniu intelektu tyrimais, galite rasti Drexel University svetainėje arba naršyti atitinkamų teisėkūros institucijų, pavyzdžiui, Europos Komisija oficialiose svetainėse. Svarbu naudotis tik patikimais šaltiniais, užtikrinant, kad URL būtų 100% galiojantys.
The source of the article is from the blog maltemoney.com.br