Οι «Βαθιές Ψεύτικες Εικόνες» Μπορεί Σύντομα Να Εισέλθουν στη Γεωγραφία

Οι ανησυχίες για τις «βαθιές ψεύτικες εικόνες» αρχίζουν να επεκτείνονται σε άλλες περιοχές, όπως η επιστήμη της γεωγραφικής πληροφορικής (GIS). Ερευνητές στο Πανεπιστήμιο Μπίνγχαμτον αρχίζουν τώρα να αντιμετωπίζουν αυτό το πιθανό πρόβλημα.

Η ομάδα περιλαμβάνει τον Αναπληρωτή Καθηγητή Γεωγραφίας Τσενγκμπιν Ντενγκ και τέσσερις άλλους συναδέλφους, συμπεριλαμβανομένων των Μπο Ζάο και Γιφάν Σαν στο Πανεπιστήμιο του Ουάσινγκτον και των Σαοζένγκ Ζανγκ και Τσουνξούε Σου στο Πανεπιστήμιο του Όρεγκον.

Η νέα έρευνα δημοσιεύθηκε στο Cartography and Geographic Information Science, με τίτλο «Βαθιές ψεύτικες εικόνες γεωγραφίας; Όταν τα γεωχωρικά δεδομένα συναντούν την Τεχνητή Νοημοσύνη».

Στο έγγραφο, η ομάδα εξετάζει πώς μπορούν να κατασκευαστούν και να ανιχνευτούν ψευδείς δορυφορικές εικόνες.

«Ειλικρινά, είμαστε πιθανώς οι πρώτοι που αναγνώριζαν αυτό το πιθανό ζήτημα», είπε ο Ντενγκ.

Επιστήμη Γεωγραφικής Πληροφορικής (GIS) και Γεω-Τεχνητή Νοημοσύνη

Η επιστήμη της γεωγραφικής πληροφορικής (GIS) χρησιμοποιείται για πολλές διαφορετικές εφαρμογές, συμπεριλαμβανομένης της εθνικής άμυνας και των αυτονομών οχημάτων. Μέσω της ανάπτυξης της Γεω-Τεχνητής Νοημοσύνης (GeoAI), η τεχνολογία της Τεχνητής Νοημοσύνης έχει επηρεάσει το πεδίο.

Η Γεω-Τεχνητή Νοημοσύνη χρησιμοποιεί την машинική μάθηση για να εξάγει και να αναλύσει γεωχωρικά δεδομένα. Ωστόσο, η Γεω-Τεχνητή Νοημοσύνη μπορεί επίσης να χρησιμοποιηθεί για να ψεύδεται σήματα GPS, πληροφορίες τοποθεσίας στα κοινωνικά μέσα, να κατασκευάζει φωτογραφίες γεωγραφικών περιβαλλόντων και για μια ευρεία γκάμα άλλων επικίνδυνων εφαρμογών.

«Πρέπει να διατηρήσουμε όλα αυτά σύμφωνα με την ηθική. Αλλά ταυτόχρονα, εμείς οι ερευνητές πρέπει επίσης να προσεξουμε και να βρούμε έναν τρόπο να διακρίνουμε ή να αναγνωρίζουμε αυτές τις ψεύτικες εικόνες», είπε ο Ντενγκ. «Με πολλά σύνολα δεδομένων, αυτές οι εικόνες μπορούν να φαίνονται πραγματικές στο ανθρώπινο μάτι».

Κατασκευή Ψευδών Εικόνων

Το πρώτο βήμα για την ανίχνευση μιας τεχνητά κατασκευασμένης εικόνας είναι να κατασκευαστεί μια τέτοια εικόνα, οπότε η ομάδα βασίστηκε στη συνήθη τεχνική για τη δημιουργία βαθιών ψεύτικων εικόνων που ονομάζεται Cycle-Consistent Adversarial Networks (CycleGAN). Το CycleGAN είναι ένα ανοικτό αλγόριθμο深ης μάθησης που μπορεί να προσομοιώσει συνθετικά μέσα.

Τα Γενετικά Ανταγωνιστικά Δίκτυα (GAN), που είναι ένας τύπος Τεχνητής Νοημοσύνης, απαιτούν δείγματα εκπαίδευσης του περιεχομένου που προγραμματίζεται να παράγουν. Για παράδειγμα, το GAN θα μπορούσε να παράγει περιεχόμενο για ένα κενό σημείο σε ένα χάρτη καθορίζοντας τις διαφορετικές πιθανότητες.

Οι ερευνητές προσπάθησαν να τροποποιήσουν μια δορυφορική εικόνα του Tacoma, της Ουάσινγκτον, και να αναμιχτήσουν στοιχεία του Σιάτλ και του Πεκίνου, καθιστώντας την να φαίνεται όσο το δυνατόν πιο ρεαλιστική. Ωστόσο, οι ερευνητές προειδοποιούν για τέτοιους κακούς σκοπούς.

«Δεν είναι για την τεχνική· είναι για το πώς οι άνθρωποι χρησιμοποιούν την τεχνολογία», είπε ο Ντενγκ. «Θέλουμε να χρησιμοποιήσουμε την τεχνολογία για το καλό, όχι για κακούς σκοπούς».

Μετά τη δημιουργία, η ομάδα σύγκρινε 26 διαφορετικά μετρικά στοιχεία εικόνας για να καθορίσει是否 υπήρχαν στατιστικές διαφορές μεταξύ των αληθινών και των ψευδών εικόνων και κατέγραψαν τέτοιες διαφορές σε 20 από τα 26 δείκτες (80%).

Οι διαφορές περιελάμβαναν το χρώμα των στεγών, όπου τα χρώματα στις αληθινές εικόνες ήταν ομοιόμορφα, ενώ αυτά στα σύνθετα ήταν κηλίδες. Η ομάδα βρήκε επίσης ότι η ψεύτικη δορυφορική εικόνα ήταν λιγότερο χρωματιστή και πιο αμυδρή, αλλά είχε πιο οξυμένα άκρα. Σύμφωνα με τον Ντενγκ, οι διαφορές εξαρτώνταν από τις εισόδους που χρησιμοποιήθηκαν για την ανάπτυξη της ψεύτικης εικόνας.

Αυτή η έρευνα θέτει τις βάσεις για περαιτέρω εργασία, η οποία θα μπορούσε να επιτρέψει στους γεωγράφους να παρακολουθούν διαφορετικά είδη νευρωνικών δικτύων για να δουν πώς παράγουν ψεύτικες εικόνες, το οποίο οδηγεί επίσης σε καλύτερη ανίχνευση. Η ομάδα λέει ότι θα πρέπει να αναπτυχθούν συστηματικοί μέθοδοι για να ανιχνεύσουν τις βαθιές ψεύτικες εικόνες και να επιβεβαιώσουν αξιόπιστες πληροφορίες σε αυτό το πεδίο.

«Όλοι θέλουμε την αλήθεια», είπε ο Ντενγκ.