زاوية Anderson

مهارات الكشف عن الوجه المزيف في اللاوعي لدينا قد تقود الأنظمة الآلية المستقبلية

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

تشير الأبحاث الجديدة من أستراليا إلى أن دماغنا ماهر في التعرف على الوجه المزيف المتقدم ، حتى عندما نعتقد بصورة意识ية أن الصور التي نراها حقيقية.

يُشير هذا الاكتشاف أيضًا إلى إمكانية استخدام الاستجابات العصبية للأشخاص لتحديد الوجه المزيف (بدلاً من آرائهم المعلنة) لتدريب أنظمة الكشف عن الوجه المزيف الآلية. سيتم تدريب هذه الأنظمة على خصائص الصور المزيفة (وليس على تقديرات احتمالية ملتبسة) ، ولكن على آليات الاستجابة العصبية لتحديد الهوية الوجهية.

‘[عندما] يمكن للدماغ ‘التعرف’ على الفرق بين الوجه الحقيقي والوجه المتقدم ، لا يستطيع المراقبون التمييز بينهما بشكل واعي. تشير نتائجنا إلى انفصال بين استجابة الدماغ وسلوك المراقبين ، وهذا له آثار على كيفية دراستنا لتصور الوجه المزيف ، والأسئلة التي نطرحها عند سؤالنا عن تحديد الصور المزيفة ، والطرق الممكنة التي يمكننا من خلالها وضع معايير حماية ضد إساءة استخدام الصور المزيفة.’

جاءت النتائج في جولات من الاختبارات المصممة لتقييم كيفية استجابة الناس للصور الكاذبة ، بما في ذلك صور الوجوه المزيفة ، والسيارات ، والفراغات الداخلية ، والوجوه المقلوبة (أي رأسًا على عقب).

مختلف الإصدارات والمناهج لل experements ، والتي تتطلب من مجموعتين من المشاركين تصنيف صورة معروضة لمدة وجيزة على أنها 'مزيفة' أو 'حقيقية'. تم إجراء الجولة الأولى على Amazon Mechanical Turk ، مع 200 متطوع ، في حين أن الجولة الثانية شملت عددًا صغيرًا من المتطوعين الذين استجابوا للاختبارات أثناء توصيلهم بأجهزة EEG. Source: https://tijl.github.io/tijl-grootswagers-pdf/Moshel_et_al_-_2022_-_Are_you_for_real_Decoding_realistic_AI-generated_.pdf

مختلف الإصدارات والمناهج لل experements ، والتي تتطلب من مجموعتين من المشاركين تصنيف صورة معروضة لمدة وجيزة على أنها ‘مزيفة’ أو ‘حقيقية’. Source: https://tijl.github.io/tijl-grootswagers-pdf/Moshel_et_al_-_2022_-_Are_you_for_real_Decoding_realistic_AI-generated_.pdf

يؤكد البحث على ما يلي:

‘تظهر نتائجنا أن المراقبين قد يكونون قادرين على اكتشاف الوجوه المزيفة بعد لمحة سريعة ، ومع ذلك ، لديهم وقت صعب لتمييز الوجوه الحقيقية من الوجوه المزيفة ، وفي بعض الحالات ، اعتقدوا أن الوجوه المزيفة أكثر حقيقيًا من الوجوه الحقيقية.

‘ومع ذلك ، باستخدام EEG المحدد زمنيًا وطرق التصنيف المتعددة المتغيرة ، وجدنا أنه من الممكن فك تشفير الوجوه غير الواقعية والوجوه الواقعية من الوجوه الحقيقية باستخدام النشاط الدماغي.

‘هذا الانفصال بين السلوك والاستجابات العصبية للوجوه الواقعية يولد أدلة جديدة هامة حول تصور الوجه المزيف ، وكذلك الآثار المتعلقة بفئة الوجوه المزيفة التي تم إنشاؤها بواسطة GANs بشكل متزايد.’

يُقترح البحث أن هذا العمل الجديد له ‘عدة آثار’ في مجال الأمن السيبراني التطبيقي ، وأن تطوير تصنيفات الكشف عن الوجه المزيف يجب أن يتم بقيادة الاستجابة اللاواعية ، كما يتم قياسها بواسطة قراءات EEG استجابة للصور المزيفة ، بدلاً من تقدير المشاهد لصدق الصورة.

يُعلق المؤلفون على ما يلي:

‘هذا يذكرنا بالاكتشافات التي تُظهر أن الأفراد الذين يعانون من عمه العصبية ولا يستطيعون تصنيف أو التعرف على الوجوه على أنها مألوفة أو غير مألوفة ، إلا أنهم يظهرون استجابات ذاتية أقوى لوجوه مألوفة أكثر من غير المألوفة.

‘على نحو مماثل ، ما قد أظهرناه في هذه الدراسة هو أننا ، على الرغم من أننا قد قمنا بفك تشفير الفرق بين الوجوه الحقيقية والوجوه الواقعية من النشاط الدماغي ، إلا أن هذا الفرق لم يظهر سلوكيًا. بدلاً من ذلك ، صنف المراقبون 69٪ من الوجوه الحقيقية على أنها مزيفة.’

هذا العمل الجديد يُسمى هل أنت حقيقي؟ فك تشفير الوجوه المزيفة التي تم إنشاؤها بواسطة الذكاء الاصطناعي من النشاط الدماغي ، ويأتي من أربعة باحثين في جامعة سيدني ، وجامعة ماكواري ، وجامعة سيدني الغربية ، وجامعة كوينزلاند.

البيانات

جاءت النتائج من فحص أوسع لقدرة الإنسان على التمييز بين الصور الكاذبة الواضحة ، والصور الحقيقية ، والصور المزيفة التي تم إنشاؤها بواسطة GANs.

استخدم الباحثون صورًا تم إنشاؤها بواسطة GANs ، مشاركة من NVIDIA.

صور الوجوه البشرية التي تم إنشاؤها بواسطة GANs ، متاحة من NVIDIA. Source: https://drive.google.com/drive/folders/1EDYEYR3IB71-5BbTARQkhg73leVB9tam

صور الوجوه البشرية التي تم إنشاؤها بواسطة GANs ، متاحة من NVIDIA. Source: https://drive.google.com/drive/folders/1EDYEYR3IB71-5BbTARQkhg73leVB9tam

شملت البيانات 25 وجهًا وسيارة وغرفة نوم ، بمستويات تتراوح من ‘غير واقعية’ إلى ‘واقعية’. لتحديد الوجوه الحقيقية (أي المواد غير المزيفة المناسبة) ، استخدم المؤلفون مختارات من بيانات مصدر NVIDIA’s Flickr-Faces-HQ (FFHQ) قاعدة بيانات. لتحديد السيناريوهات الأخرى ، استخدموا مواد من قاعدة بيانات LSUN.

سيتم عرض الصور في النهاية على المشارك في الاختبار إما بشكل طبيعي أو مقلوبة ، وبمعدلات مختلفة ، مع جميع الصور التي تم تحجيمها إلى 256×256 بكسل.

بعد جمع جميع المواد ، تم куриرة 450 صورة للاختبارات.

أمثلة تمثيلية للبيانات التجريبية.

أمثلة تمثيلية للبيانات التجريبية.

الاختبارات

تم إجراء الاختبارات في البداية عبر الإنترنت ، من خلال jsPsych على pavlovia.org ، مع 200 مشارك يحددون مجموعات مختلفة من بيانات الاختبار. تم عرض الصور لمدة 200 مللي ثانية ، تليها شاشة فارغة ستستمر حتى يقرر المشاهد ما إذا كانت الصورة المعروضة حقيقية أو مزيفة. تم عرض كل صورة مرة واحدة فقط ، وتم إكمال الاختبار في 3-5 دقائق.

استخدمت الجولة الثانية ، التي كانت أكثر إفصاحًا ، مواضيع حية متصلة بأجهزة EEG ، وتم عرضها على منصة Psychopy2. احتوت كل من العشرين تسلسلًا على 40 صورة ، مع 18,000 صورة تم عرضها عبر جميع بيانات الاختبار.

تم فك تشفير بيانات EEG بواسطة MATLAB مع أداة CoSMoMVPA ، باستخدام مخطط التحقق من الصحة الذي يترك واحدًا تحت تحليل التمييز الخطي (LDA).

كان مصنف LDA هو المكون الذي كان قادرًا على التمييز بين استجابة الدماغ للمحفزات المزيفة وآراء المشاركين الخاصة بصدق الصورة.

النتائج

كان الباحثون مهتمين بمعرفة ما إذا كان المشاركون في اختبار EEG يستطيعون التمييز بين الوجوه المزيفة والحقيقية ، لذلك جمعت النتائج وتمت معالجتها ، ووجدوا أن المشاركين يمكنهم التمييز بين الوجوه غير الواقعية والوجوه الحقيقية بسهولة ، ولكنهم واجهوا صعوبة في تحديد الوجوه المزيفة الواقعية التي تم إنشاؤها بواسطة GANs. لم يكن من الواضح ما إذا كان انعكاس الصورة كان له أي تأثير.

التمييز السلوكي بين الوجوه الحقيقية والوجوه المزيفة التي تم إنشاؤها بواسطة الذكاء الاصطناعي ، في الجولة الثانية.

التمييز السلوكي بين الوجوه الحقيقية والوجوه المزيفة التي تم إنشاؤها بواسطة الذكاء الاصطناعي ، في الجولة الثانية.

ومع ذلك ، روى بيانات EEG قصة مختلفة.

يُشير البحث إلى ما يلي:

‘على الرغم من أن المراقبين واجهوا صعوبة في التمييز بين الوجوه الحقيقية والوجوه المزيفة وتendency إلى تصنيف الوجوه المزيفة بشكل مبالغ فيه ، احتوت بيانات EEG على معلومات إشارة ذات صلة بهذا التمييز والتي تختلف بشكل معنوي بين الواقعية وغير الواقعية ، وهذه الإشارة بدت مقيدة بمرحلة قصيرة من المعالجة.’

هنا يظهر الفرق بين دقة EEG وآراء المشاركين (أي ما إذا كانت صور الوجوه حقيقية أو مزيفة) ليسا متطابقين ، مع تقارب بيانات EEG من الحقيقة أكثر من الإدراك الواضح للمشاركين المشاركين.

هنا يظهر الفرق بين دقة EEG وآراء المشاركين (أي ما إذا كانت صور الوجوه حقيقية أو مزيفة) ليسا متطابقين ، مع تقارب بيانات EEG من الحقيقة أكثر من الإدراك الواضح للمشاركين المشاركين.

يخلص الباحثون إلى أن المراقبين قد واجهوا صعوبة في تحديد الوجوه المزيفة بشكل ضمني ، ولكن هذه الوجوه لها ‘تمثيلات متميزة في النظام البصري البشري’.

أدى هذا الفرق إلى تكهنات الباحثين حول التطبيقات المحتملة لاكتشافاتهم لآليات الأمن المستقبلية:

‘في إعداد تطبيقي مثل الأمن السيبراني أو Deepfakes ، قد يتم متابعة القدرة على الكشف عن الوجوه الواقعية باستخدام تصنيفات التعلم الآلي المطبقة على بيانات التصوير العصبي بدلاً من أداء السلوك.’

يخلصون إلى ما يلي:

‘فهم الانفصال بين الدماغ والسلوك للكشف عن الوجه المزيف سيكون له آثار عملية على كيفية تعاملنا مع انتشار المعلومات المزيفة بشكل محتمل وشمول.’

 

* تحويلي للاستشهادات الداخلية إلى روابط.

نشر لأول مرة في 11 يوليو 2022.

كاتب في التعلم الآلي، متخصص في مجال合成 الصور البشرية. سابقًا رئيس محتوى البحث في Metaphysic.ai، حتى انحلت في DNEG's Brahma.ai.
Portfolio site: martinanderson.ai
Contact: martin@martinanderson.ai