‘ディープフェイク’が地理学に侵食する

『ディープフェイク』への懸念が地理情報科学（GIS）などの分野に広がり始めています。ビンガムトン大学の研究者たちは、この潜在的な問題に取り組み始めています。

研究チームには、地理学の准教授である鄧成斌（Chengbin Deng）と、ワシントン大学の趙博（Bo Zhao）と孫一凡（Yifan Sun）、オレゴン州立大学の張紹曾（Shaozeng Zhang）と徐春雪（Chunxue Xu）などの4人が含まれています。

新しい研究は、Cartography and Geographic Information Scienceに掲載され、題は「ディープフェイク地理学？地理空間データが人工知能と出会うとき」です。

論文では、研究チームは、偽の衛星画像がどのように構成され、検出されるかを探究しています。

「正直に言えば、我々はおそらくこの潜在的な問題を最初に認識した人々だ」と鄧は述べました。

地理情報科学（GIS）とGeoAI

地理情報科学（GIS）は、国家防衛や自動運転車などの多くのアプリケーションで使用されています。地理空間人工知能（GeoAI）の開発により、AI技術がこの分野に影響を与えています。

GeoAIは、機械学習を使用して地理空間データを抽出して分析します。しかし、GeoAIは、GPS信号を偽造したり、ソーシャルメディアの位置情報を偽造したり、地理環境の写真を偽造したり、他の多くの危険なアプリケーションに使用される可能性があります。

「我々は、これらすべてを倫理に沿ったものにする必要があります。しかし、同時に、研究者としても、偽の画像を識別する方法を見つける必要があります」と鄧は述べました。 「多くのデータセットを使用すると、これらの画像は人間の目には実際のもののように見えます」。

偽の画像の構成

偽の画像を検出するための第一歩は、偽の画像を構成することです。そこで、研究チームは、ディープフェイクを作成するための一般的な手法であるサイクル一貫性アドバーサリアルネットワーク（CycleGAN）を使用しました。CycleGANは、合成メディアをシミュレートできる、教師なしのディープラーニングアルゴリズムです。

生成対抗ネットワーク（GAN）は、AIの一種で、生成するコンテンツのトレーニングサンプルが必要です。例えば、GANは、地図の空のスポットにコンテンツを生成するために、さまざまな可能性を決定できます。

研究者たちは、ワシントン州タコマの衛星画像を変更し、シアトルと北京の要素を組み合わせて、可能な限りリアルなものにしました。しかし、研究者たちは、このようなタスクに警告しています。

「問題は技術ではなく、人間が技術をどのように使用するかです。我々は、技術を悪い目的ではなく、良い目的のために使用したい」と鄧は述べました。

画像の作成後、研究チームは、26種類の画像メトリクスを比較して、真の画像と偽の画像間に統計的な違いがあるかどうかを調べました。結果は、26種類のメトリクスの中で20種類（約80%）で違いが見られました。

違いには、屋根の色が含まれていました。実際の画像では、屋根の色は一貫していて均一でしたが、合成画像では、色は不均一で、斑点が見られました。研究チームは、偽の衛星画像が実際の画像よりも色が少なく、暗く、しかし、エッジが鋭いことも発見しました。鄧によると、違いは、偽の画像を作成するために使用された入力に依存していました。

この研究は、将来の研究の基礎となり、地理学者がさまざまな種類のニューラルネットワークを追跡して、偽の画像を生成する方法を調べ、偽の画像の検出を改善することができます。研究チームは、ディープフェイクを検出して、この分野で信頼できる情報を検証するために、体系的な方法が必要であると述べています。

「我々はすべて、真実を求めている」と鄧は述べました。