Үүнд хэд хэдэн компани Microsoft і Facebook, тэр ч байтугай Өмнөд Калифорнийн их сургуулийн судлаачид гүн хуурамч мэдээлэлтэй тэмцэх, шар хэвлэл мэдээллийн хэрэгсэл, буруу ташаа мэдээллээр тархахаас урьдчилан сэргийлэх технологийг боловсруулж байна. Гэсэн хэдий ч хэсэг эрдэмтэд тэднийг хуурч чадсан хэвээр байна.
Сан Диегогийн Калифорнийн Их Сургуулийн компьютерийн эрдэмтдийн баг видео фрейм бүрт "өрсөлдөгч жишээ" гэж нэрлэгддэг оролтын өгөгдлийг оруулах замаар одоо байгаа гүн хуурамч илрүүлэх системийг хуурах боломжтой хэвээр байгааг анхааруулав. Эрдэмтэд өнгөрсөн сард онлайнаар зохион байгуулагдсан WACV 2021 компьютерийн харааны бага хуралд өөрсдийн дүгнэлтээ танилцуулсан.
Өрсөлдөгч жишээнүүд нь машин сургалтын загвар гэх мэт хиймэл оюун ухааны системийг алдаа гаргахад хүргэдэг бага зэрэг өөрчлөгдсөн оролтууд юм. Нэмж дурдахад, багийнхан видеог шахсны дараа халдлага хэвээр байгааг харуулсан. Дээрх видеон дээр эрдэмтэд гүнзгий хуурамч илрүүлэгч XceptionNet нь тэдний өрсөлдөгч видеог "бодит" гэж тэмдэглэж байгааг харуулж байна.
Эдгээр детекторуудын ихэнх нь видеон дээрх нүүр царайг ажиглаж, тайрсан нүүрний мэдээллийг мэдрэлийн сүлжээнд илгээж, дүн шинжилгээ хийх замаар ажилладаг. Дараа нь мэдрэлийн сүлжээ нь эдгээр өгөгдөлд дүн шинжилгээ хийж, анивчих гэх мэт гүнзгийрүүлсэн зураг дээр ихэвчлэн муу хуулбарлагддаг элементүүдийг олох болно.
Өрсөлдөгч жишээнүүдийг оруулснаар судлаачид эдгээр гүн хуурамч илрүүлэгчдийг хууран мэхэлж, видеог бодитой гэж итгүүлж болохыг олж мэдэв.
Тэд уг баримт бичигт “Эдгээр гүн хуурамч детекторуудыг практикт ашиглахын тулд энэхүү хамгаалалтыг мэддэг, түүнийг зориудаар эвдэхийг оролддог дасан зохицох чадвартай дайсны эсрэг тэдгээрийг үнэлэх нь чухал юм. Хэрэв халдагчид илрүүлэгчийг бүрэн эсвэл хэсэгчлэн мэддэг бол орчин үеийн гүнзгий хуурамч илрүүлэх аргуудыг хялбархан тойрч гарах боломжтойг бид харуулж байна."
Эдгээр эрдэмтдийн үзэж байгаагаар хуурамч мэдээлэлтэй тэмцэхийн тулд хөгжүүлж буй автоматжуулалтын технологи нь одоохондоо зорилгодоо хүрэхгүй байж магадгүй юм.
Мөн уншина уу: