很少有人是由Facebook為DeDang DeepFake內容創建的漫長的競賽而產生的，這可能會侵蝕知識，信息和合法權威的社會信任。
甚至還不清楚如何解釋Facebook 100萬美元中一些更重要的結果DeepFake檢測挑戰。
現在可以說的最好的是，與黑盒數據集相比，獲勝的檢測軟件正確確定了真實的視頻和平均65％的時間。該數據集無法為參賽者提供；他們的算法遇到了未知的情況
將公共數據集分發給了參賽者，他們在其中包含的情況下將其用於培訓模型。算法可以對公共數據所做的最好的選擇是平均82.56％ - “計算機視覺任務的共同準確性衡量標準”，根據Facebook。
頂級模型由Selim Seferbekov，居住在白俄羅斯的Foundry集團支持的Mapbox的計算機視覺工程師。
值得注意的是，第三好的黑盒分數是nune，一家俄羅斯面部識別公司爭議在整個生存過程中，首先創建一個約會應用程序，該應用程序鼓勵用戶拍照，以與社交媒體數據庫相匹配。如今，它正在利用其AI技能來實時掃描面孔，這是莫斯科的成千上萬監視攝像機。
第六名是Konstantin Simonchik，聯合創始人ID R＆D是一家由風險投資的紐約公司，使用生物特徵識別驗證以預防欺詐。列表上的第八名實際上是ID R＆D。
該實驗由社交媒體偶像，亞馬遜網絡服務，微軟公司和Microsoft Corp.和AI的合作夥伴關係，一個非營利性聯盟，主張在算法上授權。上週，Facebook高管開始發布一些結果。預計本週會有更多計算機視覺和圖案識別會議。
最終，有2114名參與者提交了35,109種培訓模型，以分析115,000個挑戰視頻。大約3500個付費參與者的短期表演構成了38.5天的數據，構成了原始的，未更改的實驗數據。
在一大筆錢中文章在討論比賽的結果時，指出的是，尚不清楚為什麼某些與公共數據集相處得很好的算法無法與私人數據集相匹配。
一篇文章說，一個猜測是“ Facebook為競爭對手創建的視頻與（參賽者）算法無法處理的真實深擊之間存在細微的差異。”
還注意到，沒有獲勝算法在分析剪輯中使用常見的數字法醫方法。這些方法包括尋找元數據和其他跡象表明圖像確實是由相機創建的基本技術。
顯然，尚不清楚參賽者是否將他們視為不值得包容，或者是機器學習中最好的參賽者不知道這種基本工具。
像在新軟件革命的初期那樣，人們對挑戰的模糊結果的關注很誘惑。
但是，採石場（合成人的高度現實圖像和視頻）幾乎不比狩獵工具更古老。更重要的是，美國和世界各地的政治力量似乎正在連續努力，以抹黑所有形式的信息和知識。
文章主題
人工智慧|演算法|亞馬遜|人工智慧|生物識別技術|計算機視覺|Deepfake檢測|深擊|Facebook|微軟|AI的合作夥伴關係|研發
