คำถามที่น่าประหลาดใจบางอย่างข้อมูลเชิงลึกน้อยลงหลังจากความท้าทายในการตรวจจับ Deepfake

มีเพียงไม่กี่ข้อมูลเชิงลึกที่ไม่ซ้ำใครหรือสามารถดำเนินการได้เป็นผลมาจากการประกวดที่ยาวนานซึ่งสร้างขึ้นโดย Facebook เพื่อ defang เนื้อหา Deepfake ซึ่งขู่ว่าจะกัดกร่อนความไว้วางใจทางสังคมในความรู้ข้อมูลและอำนาจที่ถูกต้องตามกฎหมาย

ยังไม่ชัดเจนว่าจะตีความผลลัพธ์ที่สำคัญกว่าได้อย่างไรDeepfake Detection Challenge-

สิ่งที่ดีที่สุดที่สามารถพูดได้ในขณะนี้คือซอฟต์แวร์ตรวจจับที่ชนะได้กำหนดวิดีโอจริงและ deepfakes โดยเฉลี่ยเพียง 65 เปอร์เซ็นต์ของเวลากับชุดข้อมูลกล่องดำ ชุดข้อมูลนี้ไม่สามารถใช้ได้กับผู้เข้าร่วม อัลกอริทึมของพวกเขาพบกับสถานการณ์ที่ไม่รู้จัก

ชุดข้อมูลสาธารณะถูกแจกจ่ายให้กับผู้เข้าร่วมที่ใช้มันเพื่อฝึกอบรมแบบจำลองสำหรับสถานการณ์ที่มีอยู่ สิ่งที่ดีที่สุดที่อัลกอริทึมสามารถทำได้กับข้อมูลสาธารณะคือค่าเฉลี่ย 82.56 เปอร์เซ็นต์ -“ มาตรการความแม่นยำทั่วไปสำหรับงานการมองเห็นคอมพิวเตอร์”ตามFacebook.

รูปแบบอันดับสูงสุดถูกเขียนโดยSelim Seferbekovวิศวกรวิสัยทัศน์คอมพิวเตอร์ที่ Mapbox ที่ได้รับการสนับสนุนจากกลุ่ม Foundry ซึ่งอาศัยอยู่ในเบลารุส

เป็นที่น่าสังเกตว่าคะแนนกล่องดำที่ดีที่สุดอันดับสามคือnuneบริษัท รับรู้ใบหน้าของรัสเซียที่มีการโต้เถียงตลอดการดำรงอยู่ก่อนอื่นการสร้างแอพหาคู่ที่สนับสนุนให้ผู้ใช้ถ่ายภาพของทุกคนที่อยู่ในสายตาเพื่อให้ตรงกับฐานข้อมูลโซเชียลมีเดีย วันนี้มันใช้ทักษะ AI ในการสแกนใบหน้าที่พบในเวลาจริงโดยกล้องวงจรปิดหลายหมื่นตัวในมอสโก

หมายเลข 6 คือ Konstantin Simonchik ผู้ร่วมก่อตั้งของID R&Dบริษัท ที่ได้รับการสนับสนุนจากนิวยอร์กโดยใช้การตรวจสอบความถูกต้องทางชีวภาพสำหรับการป้องกันการฉ้อโกง ที่แปดในรายการคือ ID R&D

การทดลองเริ่มขึ้นในเดือนธันวาคมโดยไอคอนโซเชียลมีเดีย, Amazon Web Services, Microsoft Corp. และหุ้นส่วนใน AIพันธมิตรที่ไม่แสวงหาผลกำไรสนับสนุนการบังเหียนในอัลกอริทึม เมื่อสัปดาห์ที่แล้วผู้บริหาร Facebook เริ่มปล่อยผลลัพธ์บางอย่าง คาดว่าจะมีมากขึ้นในสัปดาห์นี้ที่การมองเห็นคอมพิวเตอร์และการจดจำรูปแบบการประชุม.

ในที่สุดมีการส่งแบบจำลองการฝึกอบรม 35,109 แบบโดยผู้เข้าร่วม 2,114 คนเพื่อวิเคราะห์วิดีโอท้าทาย 115,000 รายการ การแสดงสั้น ๆ โดยนักแสดงที่ได้รับค่าจ้างประมาณ 3,500 คนประกอบด้วยข้อมูล 38.5 วันประกอบไปด้วยข้อมูลการทดลองดั้งเดิมที่ไม่เปลี่ยนแปลง

โชคลาภบทความการพูดคุยเกี่ยวกับผลลัพธ์ของการแข่งขันมันชี้ให้เห็นว่าไม่มีใครรู้ว่าทำไมอัลกอริทึมบางอย่างที่ทำงานได้ดีกับชุดข้อมูลสาธารณะไม่สามารถจับคู่ความสำเร็จของพวกเขากับชุดข้อมูลส่วนตัวได้

หนึ่งในการคาดเดาคือ“ อาจมีความแตกต่างเล็กน้อยระหว่างวิดีโอ Facebook ที่สร้างขึ้นสำหรับการแข่งขันและ Deepfakes ของแท้ที่อัลกอริทึม (ผู้เข้าแข่งขัน) ไม่สามารถจัดการได้” ตามบทความ

นอกจากนี้ยังมีข้อสังเกตว่าไม่มีอัลกอริทึมที่ชนะใช้วิธีการทางนิติวิทยาศาสตร์ดิจิตอลทั่วไปในการวิเคราะห์คลิป วิธีการเหล่านั้นรวมถึงเทคนิคพื้นฐานเช่นการมองหาข้อมูลเมตาและสิ่งบ่งชี้อื่น ๆ ว่าภาพนั้นถูกสร้างขึ้นโดยกล้อง

เห็นได้ชัดว่าไม่มีใครรู้ว่าผู้เข้าร่วมถูกไล่ออกพวกเขาว่าไม่คุ้มค่าหรือว่าผู้เข้าร่วมที่ดีที่สุดในการเรียนรู้ของเครื่องไม่ทราบเกี่ยวกับเครื่องมือพื้นฐานดังกล่าว

มีสิ่งล่อใจที่จะกำจัดความกังวลเกี่ยวกับผลลัพธ์ที่คลุมเครือของความท้าทายซึ่งได้มาในช่วงแรก ๆ ของการปฏิวัติซอฟต์แวร์ใหม่

แต่เหมือง - ภาพและวิดีโอที่สมจริงอย่างมากของคนสังเคราะห์ - แทบจะไม่แก่กว่าเครื่องมือล่าสัตว์ ยิ่งไปกว่านั้นกองกำลังทางการเมืองในสหรัฐอเมริกาและทั่วโลกดูเหมือนจะทำงานอย่างต่อเนื่องเพื่อทำให้เสื่อมเสียชื่อเสียงและความรู้ทุกรูปแบบ