Ανίχνευση deepfake: Μπορεί το λογισμικό να αποδείξει εάν ένα βίντεο είναι φτιαγμένο από ΤΝ (AI);

Ένα αμφιλεγόμενο βίντεο ενός πολιτικού ηγέτη, μιας διασημότητας ή ενός τοπικού παράγοντα κυκλοφορεί αστραπιαία στις εφαρμογές μηνυμάτων και στα μέσα κοινωνικής δικτύωσης, συνοδευόμενο από σχόλια οργής ή έκπληξης. Μέσα σε λίγα λεπτά, οι θεατές διχάζονται: πρόκειται για αυθεντική δήλωση ή για ένα καλοφτιαγμένο συνθετικό βίντεο (γνωστό ως deepfake) παραγόμενο από τεχνητή νοημοσύνη; Πολλοί αναζητούν μια γρήγορη ιστοσελίδα ή μια εφαρμογή που υπόσχεται να απαντήσει με ένα απόλυτο ποσοστό αν το βίντεο είναι πραγματικό. Στην πράξη, όμως, η ανίχνευση των συνθετικών μέσων δεν είναι ένα απλό μαγικό κουμπί, αλλά ένα πεδίο διαρκούς αναμέτρησης ανάμεσα στην ψηφιακή εγκληματολογία και στους αλγορίθμους παραγωγής περιεχομένου.

Το λογισμικό ανίχνευσης δεν εξετάζει αν το πρόσωπο φαίνεται πειστικό στο ανθρώπινο μάτι. Αντίθετα, οι αλγόριθμοι αναζητούν ανεπαίσθητα φυσικά, βιολογικά και μαθηματικά ίχνη που τα παραγωγικά νευρωνικά δίκτυα δυσκολεύονται να αποδώσουν με συνέπεια. Πρόκειται για μικρολεπτομέρειες που παραμένουν αόρατες στην καθημερινή προβολή, αλλά γίνονται μετρήσιμες μέσα από εξειδικευμένα υπολογιστικά εργαλεία.

Τέσσερα ιατροδικαστικά ίχνη που αναλύουν τα συστήματα ανίχνευσης

Οι εγκληματολογικοί αλγόριθμοι εστιάζουν σε συγκεκριμένα σημεία ελέγχου για να εντοπίσουν ενδείξεις σύνθεσης:

• Απομακρυσμένη καταγραφή καρδιακών παλμών στο δέρμα — το ανθρώπινο δέρμα αλλάζει ανεπαίσθητα χρώμα με κάθε χτύπο της καρδιάς καθώς το αίμα κυκλοφορεί στα τριχοειδή αγγεία (φωτοπληθυσμογραφία ή remote photoplethysmography / rPPG). Τα συνθετικά πρόσωπα δεν έχουν κυκλοφορικό σύστημα, με αποτέλεσμα αυτός ο ρυθμικός παλμός να απουσιάζει εντελώς.
• Κατοπτρικές αντανακλάσεις στον κερατοειδή χιτώνα — τα ανθρώπινα μάτια λειτουργούν σαν μικροί κυρτοί καθρέφτες (κερατοειδικές αντανακλάσεις ή corneal specular reflections). Οι ανιχνευτές ελέγχουν αν και τα δύο μάτια αντανακλούν τα φώτα του δωματίου με την ίδια ακριβώς γωνία και γεωμετρική συνέπεια.
• Αόρατα μαθηματικά μοτίβα στα εικονοστοιχεία — η διαδικασία σχεδιασμού εικόνων από υπολογιστή αφήνει ένα αόρατο πλέγμα στα πίξελ, το οποίο αποκαλύπτεται μέσω μαθηματικής ανάλυσης συχνοτήτων (ανάλυση στο πεδίο συχνοτήτων με μετασχηματισμό Fourier).
• Ασυνέπεια χειλικού συγχρονισμού — το σύστημα συγκρίνει τον ακριβή χρόνο παραγωγής των συμφώνων που απαιτούν κλείσιμο των χειλιών (όπως το «π» και το «μπ») με την πραγματική κίνηση του στόματος στο βίντεο.

Γιατί οι αυτοματοποιημένοι ανιχνευτές δεν είναι αλάνθαστοι

Παρότι αυτές οι μέθοδοι είναι εντυπωσιακές, η ανίχνευση συναντά τεράστια εμπόδια στην πράξη. Το μεγαλύτερο πρόβλημα είναι η συμπίεση των αρχείων: όταν ένα βίντεο ανεβαίνει σε κοινωνικά δίκτυα όπως το TikTok, το Instagram ή αποστέλλεται μέσω εφαρμογών μηνυμάτων, η συμπίεση αλλοιώνει τις ανεπαίσθητες λεπτομέρειες του δέρματος (ίχνη συμπίεσης ή compression artifacts). Έτσι, ένας ανιχνευτής μπορεί να αποτύχει ή να βγάλει λάθος συμπέρασμα για ένα πραγματικό βίντεο (λανθασμένα θετικά αποτελέσματα ή false positives).

Επιπλέον, πρόκειται για έναν διαρκή ανταγωνισμό (παιχνίδι γάτας με ποντίκι ή adversarial cat-and-mouse). Μόλις μια μέθοδος ανίχνευσης δημοσιευτεί, οι ερευνητές που αναπτύσσουν νέα μοντέλα εκπαιδεύουν τα συστήματά τους να διορθώνουν ακριβώς εκείνες τις ατέλειες, καθιστώντας τα νέα συνθετικά βίντεο ακόμα πιο δυσδιάκριτα. Κανένας αλγόριθμος δεν μπορεί να εγγυηθεί από μόνος του την απόλυτη αλήθεια.

Πρακτικές συμβουλές για την αξιολόγηση ύποπτων βίντεο

Για να προστατευθείτε από την παραπληροφόρηση, εφαρμόστε συγκεκριμένες συνήθειες διασταύρωσης:

• Μην βασίζεστε τυφλά σε ένα μόνο ποσοστό από δωρεάν εργαλεία — πολλές απλοϊκές ιστοσελίδες ανίχνευσης μπερδεύουν τη χαμηλή ποιότητα συμπίεσης με την πλαστογραφία και πρέπει να αντιμετωπίζονται ως απλές ενδείξεις.
• Διασταυρώστε το γεγονός με αξιόπιστες πηγές — εάν ένα βίντεο δείχνει μια πρωτοφανή δήλωση ενός πολιτικού, ελέγξτε αν μεγάλα ειδησεογραφικά πρακτορεία και παρόντες δημοσιογράφοι επιβεβαιώνουν ότι το γεγονός συνέβη στην πραγματικότητα.
• Αναζητήστε το πρωτότυπο υλικό υψηλής ποιότητας — χρησιμοποιήστε εργαλεία αντίστροφης αναζήτησης εικόνας για να εντοπίσετε το αρχικό βίντεο, από το οποίο συχνά έχει απομονωθεί ή τροποποιηθεί το απόσπασμα.
• Ελέγξτε για ψηφιακά διαπιστευτήρια προέλευσης — αναζητήστε πιστοποιήσεις γνησιότητας όπως το διεθνές πρότυπο C2PA, οι οποίες βεβαιώνουν την αυθεντικότητα του αρχείου απευθείας από την κάμερα καταγραφής.

Η αντιμετώπιση της ψηφιακής παραπλάνησης δεν θα προέλθει από έναν μοναδικό αλγόριθμο που αποφασίζει για την αλήθεια. Απαιτεί τον συνδυασμό σύγχρονων εγκληματολογικών εργαλείων, αυστηρής δημοσιογραφικής διασταύρωσης και κριτικής σκέψης από κάθε πολίτη πριν μοιραστεί ένα αμφιλεγόμενο απόσπασμα.