ປັນຍາປະດິດ
ທັກສະການຊອກຄົ້ນຫາແບບເລິກລັບຂອງຈິດສຳນຶກຂອງພວກເຮົາສາມາດສ້າງລະບົບອັດຕະໂນມັດໃນອະນາຄົດ
ການຄົ້ນຄວ້າໃໝ່ຈາກອອສເຕຣເລຍ ແນະນຳວ່າ ສະໝອງຂອງພວກເຮົາມີຄວາມຕັ້ງໃຈໃນການຮັບຮູ້ພາບທີ່ເລິກລັບທີ່ຊັບຊ້ອນ, ເຖິງແມ່ນວ່າພວກເຮົາເຊື່ອຢ່າງມີສະຕິວ່າຮູບພາບທີ່ພວກເຮົາກຳລັງເຫັນນັ້ນເປັນຂອງແທ້ກໍຕາມ.
ການຄົ້ນຄວ້າດັ່ງກ່າວຊີ້ໃຫ້ເຫັນເຖິງຄວາມເປັນໄປໄດ້ຂອງການນໍາໃຊ້ການຕອບສະຫນອງທາງ neural ຂອງປະຊາຊົນຕໍ່ກັບໃບຫນ້າປອມ (ແທນທີ່ຈະເປັນຄວາມຄິດເຫັນຂອງເຂົາເຈົ້າ) ເພື່ອຝຶກອົບຮົມລະບົບການຊອກຄົ້ນຫາ deepfake ອັດຕະໂນມັດ. ລະບົບດັ່ງກ່າວຈະໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບລັກສະນະປອມຂອງຮູບພາບທີ່ບໍ່ໄດ້ມາຈາກການຄາດຄະເນທີ່ສັບສົນຂອງຄວາມເຊື່ອຖື, ແຕ່ມາຈາກກົນໄກການຮັບຮູ້ instinctive ຂອງພວກເຮົາສໍາລັບການຮັບຮູ້ຕົວຕົນໃບຫນ້າ.
'[A]ເຖິງແມ່ນວ່າສະຫມອງສາມາດ 'ຮັບຮູ້' ຄວາມແຕກຕ່າງລະຫວ່າງໃບຫນ້າທີ່ແທ້ຈິງແລະຈິງ, ແຕ່ຜູ້ສັງເກດການສະຕິບໍ່ສາມາດບອກພວກເຂົາແຍກກັນໄດ້. ການຄົ້ນພົບຂອງພວກເຮົາກ່ຽວກັບຄວາມແຕກແຍກລະຫວ່າງການຕອບສະໜອງຂອງສະໝອງ ແລະພຶດຕິກຳມີຜົນສະທ້ອນຕໍ່ວິທີທີ່ພວກເຮົາສຶກສາການຮັບຮູ້ໃບໜ້າປອມ, ຄຳຖາມທີ່ພວກເຮົາຕັ້ງຂຶ້ນເມື່ອຖາມກ່ຽວກັບການລະບຸຮູບພາບປອມ, ແລະວິທີທີ່ເປັນໄປໄດ້ທີ່ພວກເຮົາສາມາດສ້າງມາດຕະຖານປ້ອງກັນການນຳໃຊ້ຮູບພາບປອມ.'
ຜົນໄດ້ຮັບແມ່ນອອກມາໃນຮອບຂອງການທົດສອບທີ່ອອກແບບມາເພື່ອປະເມີນວິທີການທີ່ຄົນຕອບສະໜອງຕໍ່ຮູບພາບທີ່ບໍ່ຖືກຕ້ອງ, ລວມທັງຮູບພາບຂອງໃບໜ້າປອມ, ລົດ, ພື້ນທີ່ພາຍໃນ ແລະ ໃບຫນ້າທີ່ປີ້ນກັບກັນ (ເຊັ່ນ: ດ້ານເທິງ).
ເຈ້ຍຢືນຢັນວ່າ:
'ຜົນຂອງພວກເຮົາສະແດງໃຫ້ເຫັນວ່າພຽງແຕ່ເບິ່ງສັ້ນໆເທົ່ານັ້ນ, ນັກສັງເກດການອາດຈະສາມາດຊອກຫາໃບຫນ້າປອມ. ແນວໃດກໍ່ຕາມ, ເຂົາເຈົ້າມີເວລາທີ່ຫຍຸ້ງຍາກກວ່າທີ່ຈະແນມເບິ່ງໃບໜ້າຕົວຈິງຈາກໃບໜ້າປອມ ແລະໃນບາງກໍລະນີ, ເຊື່ອວ່າໃບໜ້າປອມແມ່ນຕົວຈິງຫຼາຍກວ່າໃບໜ້າຕົວຈິງ.
'ຢ່າງໃດກໍ່ຕາມ, ການນໍາໃຊ້ EEG ທີ່ໃຊ້ເວລາແກ້ໄຂແລະວິທີການຈັດປະເພດຮູບແບບຫຼາຍຕົວແປ, ພວກເຮົາພົບວ່າມັນເປັນໄປໄດ້ທີ່ຈະຖອດລະຫັດທັງສອງຫນ້າທີ່ບໍ່ມີຄວາມຈິງແລະຕົວຈິງຈາກໃບຫນ້າທີ່ແທ້ຈິງໂດຍໃຊ້ກິດຈະກໍາຂອງສະຫມອງ.
'ຄວາມແຕກແຍກລະຫວ່າງພຶດຕິກໍາແລະການຕອບໂຕ້ທາງ neural ສໍາລັບການປະເຊີນຫນ້າຕົວຈິງເຮັດໃຫ້ຫຼັກຖານໃຫມ່ທີ່ສໍາຄັນກ່ຽວກັບການຮັບຮູ້ໃບຫນ້າປອມເຊັ່ນດຽວກັນກັບຜົນສະທ້ອນທີ່ກ່ຽວຂ້ອງກັບປະເພດທີ່ແທ້ຈິງທີ່ເພີ່ມຂຶ້ນຂອງໃບຫນ້າ GAN ທີ່ສ້າງຂຶ້ນ.
ເອກະສານແນະນໍາວ່າວຽກງານໃຫມ່ມີ 'ຜົນກະທົບຫຼາຍຢ່າງ' ໃນການຮັກສາຄວາມປອດໄພທາງອິນເຕີເນັດ, ແລະວ່າການພັດທະນາຂອງການຈັດປະເພດການຮຽນຮູ້ທີ່ປອມແປງບາງທີອາດຈະຖືກຂັບເຄື່ອນໂດຍການຕອບໂຕ້ subconscious, ຕາມການວັດແທກການອ່ານ EEG ເພື່ອຕອບສະຫນອງຮູບພາບປອມ, ແທນທີ່ຈະເປັນການປະເມີນສະຕິຂອງຜູ້ຊົມ. ຄວາມຈິງຂອງຮູບພາບ.
ຜູ້ຂຽນຄໍາເຫັນ *:
'ນີ້ແມ່ນການລະນຶກເຖິງການຄົ້ນພົບວ່າບຸກຄົນທີ່ມີ prosopagnosia ທີ່ບໍ່ສາມາດຈັດປະເພດພຶດຕິກໍາຫຼືຮັບຮູ້ໃບຫນ້າທີ່ຄຸ້ນເຄີຍຫຼືບໍ່ຄຸ້ນເຄີຍ, ຢ່າງໃດກໍຕາມ, ສະແດງໃຫ້ເຫັນການຕອບສະຫນອງເອກະລາດທີ່ເຂັ້ມແຂງຕໍ່ກັບໃບຫນ້າທີ່ຄຸ້ນເຄີຍ. ໃບໜ້າທີ່ບໍ່ຄຸ້ນເຄີຍ.
'ເຊັ່ນດຽວກັນ, ສິ່ງທີ່ພວກເຮົາໄດ້ສະແດງໃຫ້ເຫັນໃນການສຶກສານີ້ແມ່ນວ່າໃນຂະນະທີ່ພວກເຮົາສາມາດຖອດລະຫັດຄວາມແຕກຕ່າງລະຫວ່າງໃບຫນ້າທີ່ແທ້ຈິງແລະຈິງຈາກກິດຈະກໍາທາງ neural, ຄວາມແຕກຕ່າງນັ້ນບໍ່ໄດ້ເຫັນພຶດຕິກໍາ. ແທນທີ່ຈະ, ຜູ້ສັງເກດການໄດ້ກໍານົດບໍ່ຖືກຕ້ອງ 69% ຂອງໃບຫນ້າທີ່ແທ້ຈິງວ່າເປັນການປອມແປງ.
ໄດ້ ການເຮັດວຽກໃຫມ່ ແມ່ນຫົວຂໍ້ ເຈົ້າແມ່ນແທ້ບໍ? ການຖອດລະຫັດໃບໜ້າທີ່ສ້າງ AI ທີ່ແທ້ຈິງຈາກການເຄື່ອນໄຫວທາງປະສາດ, ແລະມາຈາກສີ່ນັກຄົ້ນຄວ້າໃນທົ່ວມະຫາວິທະຍາໄລ Sydney, ມະຫາວິທະຍາໄລ Macquarie, ມະຫາວິທະຍາໄລ Western Sydney, ແລະມະຫາວິທະຍາໄລ Queensland.
ຂໍ້ມູນ
ຜົນໄດ້ຮັບແມ່ນມາຈາກການກວດສອບຢ່າງກວ້າງຂວາງກ່ຽວກັບຄວາມສາມາດຂອງມະນຸດໃນການຈໍາແນກວ່າບໍ່ຖືກຕ້ອງ, hyper-realistic (ແຕ່ຍັງບໍ່ຖືກຕ້ອງ), ແລະຮູບພາບທີ່ແທ້ຈິງ, ດໍາເນີນໃນສອງຮອບຂອງການທົດສອບ.
ນັກຄົ້ນຄວ້າໄດ້ນໍາໃຊ້ຮູບພາບທີ່ສ້າງໂດຍ Generative Adversarial Networks (GANs), ແບ່ງປັນ ໂດຍ NVIDIA.
ຂໍ້ມູນປະກອບມີ 25 ໃບໜ້າ, ລົດ ແລະຫ້ອງນອນ, ໃນລະດັບການສະແດງຜົນຕັ້ງແຕ່ 'ບໍ່ຈິງ' ຫາ 'ຈິງ'. ສໍາລັບການປຽບທຽບໃບຫນ້າ (ເຊັ່ນສໍາລັບອຸປະກອນທີ່ເຫມາະສົມທີ່ບໍ່ແມ່ນປອມ), ຜູ້ຂຽນໄດ້ນໍາໃຊ້ການຄັດເລືອກຈາກຂໍ້ມູນແຫຼ່ງຂອງ NVIDIA Flickr-Faces-HQ (FFHQ) ຊຸດຂໍ້ມູນ. ສໍາລັບການປຽບທຽບສະຖານະການອື່ນໆ, ພວກເຂົາເຈົ້າໄດ້ນໍາໃຊ້ອຸປະກອນການຈາກ LSUN ຊຸດຂໍ້ມູນ.
ໃນທີ່ສຸດຮູບພາບຈະຖືກນໍາສະເຫນີຕໍ່ກັບຫົວຂໍ້ການທົດສອບບໍ່ວ່າຈະເປັນທາງຂວາຂຶ້ນ, ຫຼືປີ້ນກັບກັນ, ແລະໃນລະດັບຄວາມຖີ່ຂອງຮູບພາບທັງຫມົດ, ປັບຂະຫນາດເປັນ 256 × 256 pixels.
ຫຼັງຈາກອຸປະກອນທັງຫມົດໄດ້ຖືກປະກອບ, ຮູບພາບ 450 ກະຕຸ້ນໄດ້ຖືກ curated ສໍາລັບການທົດສອບ.
ການທົດສອບ
ການທົດສອບດ້ວຍຕົນເອງໄດ້ຖືກປະຕິບັດໃນເບື້ອງຕົ້ນອອນໄລນ໌, ໂດຍຜ່ານ jsPsych ຢູ່ໃນ pavlovia.org, ໂດຍມີຜູ້ເຂົ້າຮ່ວມ 200 ຄົນຕັດສິນບັນດາຊຸດຍ່ອຍຕ່າງໆຂອງຂໍ້ມູນການທົດສອບທັງໝົດທີ່ລວບລວມ. ຮູບພາບໄດ້ຖືກນໍາສະເຫນີເປັນເວລາ 200ms, ຕິດຕາມດ້ວຍຫນ້າຈໍເປົ່າທີ່ຈະຍັງຄົງຢູ່ຈົນກ່ວາຜູ້ຊົມໄດ້ຕັດສິນໃຈວ່າຮູບພາບທີ່ flashed ເປັນຂອງແທ້ຫຼືປອມ. ແຕ່ລະຮູບພາບໄດ້ຖືກນໍາສະເຫນີພຽງແຕ່ຄັ້ງດຽວ, ແລະການທົດສອບທັງຫມົດໃຊ້ເວລາ 3-5 ນາທີເພື່ອໃຫ້ສໍາເລັດ.
ຮອບທີສອງແລະຫຼາຍທີ່ເປີດເຜີຍໄດ້ນໍາໃຊ້ວິຊາສ່ວນບຸກຄົນ riged ຂຶ້ນກັບ EEG monitors, ແລະໄດ້ຖືກນໍາສະເຫນີກ່ຽວກັບການ ຈິດຕະວິທະຍາ2 ເວທີ. ແຕ່ລະ 40 ລຳດັບມີ 18,000 ຮູບ, ມີ XNUMX ຮູບທີ່ນຳສະເໜີໃນທົ່ວຂໍ້ມູນການທົດສອບທັງໝົດ.
ຂໍ້ມູນ EEG ທີ່ລວບລວມໄດ້ຖືກຖອດລະຫັດຜ່ານ MATLAB ດ້ວຍກ່ອງເຄື່ອງມື CoSMoMVPA, ໂດຍໃຊ້ ການປະຕິບັດການປະຕິບັດຂ້າມຫນຶ່ງອອກ ໂຄງການພາຍໃຕ້ການວິເຄາະ Linear Discriminant (LTD).
ການຈັດປະເພດ LDA ແມ່ນອົງປະກອບທີ່ສາມາດເຮັດໃຫ້ຄວາມແຕກຕ່າງລະຫວ່າງປະຕິກິລິຍາຂອງສະຫມອງຕໍ່ກັບສິ່ງກະຕຸ້ນທີ່ປອມແປງ, ແລະຄວາມຄິດເຫັນຂອງຕົນເອງກ່ຽວກັບວ່າຮູບພາບແມ່ນປອມຫຼືບໍ່.
ຜົນການຄົ້ນຫາ
ມີຄວາມສົນໃຈເພື່ອເບິ່ງວ່າວິຊາການທົດສອບ EEG ສາມາດຈໍາແນກໄດ້ລະຫວ່າງໃບຫນ້າປອມແລະໃບຫນ້າທີ່ແທ້ຈິງ, ນັກຄົ້ນຄວ້າໄດ້ລວບລວມແລະປຸງແຕ່ງຜົນໄດ້ຮັບ, ພົບວ່າຜູ້ເຂົ້າຮ່ວມສາມາດແນມເບິ່ງຕົວຈິງຈາກໃບຫນ້າທີ່ບໍ່ເປັນຈິງໄດ້ຢ່າງງ່າຍດາຍ, ແຕ່ປາກົດຂື້ນວ່າມີຄວາມຫຍຸ້ງຍາກໃນການກໍານົດໃບຫນ້າປອມ GAN ທີ່ສ້າງຂຶ້ນ. ບໍ່ວ່າຈະເປັນຮູບທີ່ຫົວຂຶ້ນ ຫຼື ບໍ່ປາກົດວ່າມີຄວາມແຕກຕ່າງເລັກນ້ອຍ.
ຢ່າງໃດກໍຕາມ, ຂໍ້ມູນ EEG ໄດ້ບອກເລື່ອງທີ່ແຕກຕ່າງກັນ.
ເອກະສານກ່າວວ່າ:
'ເຖິງແມ່ນວ່າຜູ້ສັງເກດການມີບັນຫາໃນການຈໍາແນກທີ່ແທ້ຈິງຈາກໃບຫນ້າປອມແລະມີແນວໂນ້ມທີ່ຈະຈັດປະເພດໃບຫນ້າປອມຫຼາຍເກີນໄປ, ຂໍ້ມູນ EEG ມີຂໍ້ມູນສັນຍານທີ່ກ່ຽວຂ້ອງກັບຄວາມແຕກຕ່າງນີ້ທີ່ມີຄວາມ ໝາຍ ແຕກຕ່າງກັນລະຫວ່າງຈິງແລະບໍ່ຈິງ, ແລະສັນຍານນີ້ເບິ່ງຄືວ່າຖືກ ຈຳ ກັດໃນຂັ້ນຕອນການປະມວນຜົນທີ່ຂ້ອນຂ້າງສັ້ນ. '
ນັກຄົ້ນຄວ້າໄດ້ສະຫຼຸບວ່າເຖິງແມ່ນວ່າຜູ້ສັງເກດການອາດຈະມີບັນຫາໃນການກໍານົດໃບຫນ້າປອມ, ແຕ່ໃບຫນ້າເຫຼົ່ານີ້ມີ 'ການສະແດງທີ່ແຕກຕ່າງກັນໃນລະບົບສາຍຕາຂອງມະນຸດ'.
ຄວາມແຕກຕ່າງທີ່ພົບເຫັນໄດ້ເຮັດໃຫ້ນັກຄົ້ນຄວ້າຄາດຄະເນກ່ຽວກັບຄວາມເປັນໄປໄດ້ຂອງການປະຕິບັດການຄົ້ນພົບຂອງພວກເຂົາສໍາລັບກົນໄກຄວາມປອດໄພໃນອະນາຄົດ:
'ໃນການຕັ້ງຄ່າທີ່ໃຊ້ເຊັ່ນ: ຄວາມປອດໄພທາງໄຊເບີ ຫຼື Deepfakes, ການກວດສອບຄວາມສາມາດໃນການກວດຫາໃບໜ້າທີ່ເປັນຈິງອາດຈະຖືກຕິດຕາມໄດ້ດີທີ່ສຸດໂດຍໃຊ້ຕົວຈັດປະເພດການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ນຳໃຊ້ກັບຂໍ້ມູນ neuroimaging ແທນທີ່ຈະເປັນເປົ້າໝາຍການປະຕິບັດພຶດຕິກຳ.'
ພວກເຂົາເຈົ້າສະຫຼຸບ:
'ການເຂົ້າໃຈຄວາມແຕກແຍກລະຫວ່າງສະໝອງ ແລະ ພຶດຕິກຳໃນການກວດຫາໃບໜ້າປອມ ຈະມີຜົນກະທົບທາງປະຕິບັດຕໍ່ວິທີທີ່ພວກເຮົາຮັບມືກັບການແຜ່ກະຈາຍທີ່ອາດເປັນອັນຕະລາຍ ແລະ ທົ່ວໂລກຂອງຂໍ້ມູນປອມ.'
* ການປ່ຽນການອ້າງອີງໃນແຖວຂອງຂ້ອຍເປັນ hyperlinks.
ພິມຄັ້ງທຳອິດໃນວັນທີ 11 ກໍລະກົດ 2022.