Brzi razvoj generativne veštačke inteligencije (AI) polako briše granice između stvarnog sadržaja i onog stvorenog kodom. Postavlja se ključno pitanje: da li više uopšte možemo da razlikujemo lice stvarne osobe od onog koje je generisao algoritam? Iako tehnologija postaje sve savršenija, nova studija nudi rešenje – ključ je u treningu našeg vida.
Istraživači sa univerziteta u Lidsu i Redingu sproveli su studiju koja testira sposobnost ljudi da prepoznaju sintetička lica. Dobra vest je da kratka, petominutna obuka može drastično da poboljša našu sposobnost detekcije, što je ključno za digitalnu bezbednost i borbu protiv dezinformacija koje preplavljuju društvene mreže.
Prepoznavanje AI lica: Zašto je trening neophodan?
„Sve je lakše kreirati AI sadržaj, a sve teže ga je otkriti“, ističe psiholog Ejlid Nojks. Ona naglašava da ovo nije samo tehničko pitanje, već ozbiljan bezbednosni rizik. Sintetička lica se često koriste u sajber napadima, za kreiranje lažnih profila na društvenim mrežama ili u svrhe diskreditacije trećih lica putem lažnih vesti.
Studija je uključila i takozvane „super-prepoznavače“ – osobe koje prirodno imaju dar da bolje uočavaju detalje na ljudskim licima. Iako su oni u startu bili bolji od proseka, pokazalo se da su obe grupe profitirale od treninga koji je trajao svega pet minuta. Učesnicima su prikazivani nizovi fotografija, a zadatak je bio pogoditi ko je stvaran, a ko proizvod GAN algoritama (generativnih suparničkih mreža).
Kako se trenira oko za detekciju AI lica?
Tokom obuke, učesnicima su objašnjeni specifični znaci koji odaju veštačku inteligenciju. Iako lica izgledaju savršeno, postoje detalji koji ih „izdaju“:
- Suptilno zamućenje na ivicama kose i kože.
- Nepravilnosti u teksturi ušnih školjki ili čudne refleksije u očima.
- Pozadina koja često izgleda nerealno glatko ili ima čudne mrlje boja.
- Detalji poput minđuša koji se ne podudaraju na oba uha.
Tehnologija iza ovih slika koristi dva algoritma koji se nadmeću – jedan stvara lice, a drugi ocenjuje koliko je ono realistično. Ovaj proces omogućava ekstremno visok nivo detalja, ali ljudsko oko, kada je kalibrisano, i dalje može da uoči sitne greške u digitalnoj matrici. Spajanje ove obuke sa prirodnim sposobnostima prepoznavanja može značajno pomoći u rešavanju problema poput onlajn provere identiteta i prevencije prevara u digitalnom prostoru.
