El gigante tecnológico Intel cree que tiene una solución para el creciente problema de las falsificaciones profundas.
A principios de esta semana, la compañía presentó FakeCatcher, una nueva solución de software que utiliza un enfoque novedoso para el análisis de videos falsos. Supuestamente, puede detectar videos falsos profundos con una precisión del 96%.
Al igual que las soluciones de análisis deepfake anteriores, esta aprovecha el poder del aprendizaje automático (se abre en una pestaña nueva). Sin embargo, en lugar de buscar inconsistencias en el video en sí, FakeCatcher analiza el contenido para determinar si la persona en el video es un ser humano real que fue grabado en algún momento o un producto sintético.
Cambios (in)visibles en el rostro
¿Cómo logra eso? Según Ilke Demir, investigadora sénior del personal de Intel Labs, puede ver si la persona en el video tiene un corazón que late o no.
“Cuando nuestros corazones bombean sangre, nuestras venas cambian de color”, afirma el informe de Intel. “Estas señales de flujo sanguíneo se recogen de todo el rostro y los algoritmos traducen estas señales en mapas espaciotemporales. Luego, mediante el aprendizaje profundo, podemos detectar instantáneamente si un video es real o falso”.
El método también se conoce como fotopletismografía (PPG), una forma comprobada de medir la cantidad de luz que los vasos sanguíneos que residen en el tejido vivo absorben o reflejan.
Hablando a VentureBeat (se abre en una pestaña nueva), Demir dijo que los cambios de color son invisibles para el ojo humano, pero no para una computadora. “Las señales de PPG se conocen, pero no se han aplicado antes al problema de las falsificaciones profundas”.
También explicó que FakeCatcher recopila señales PPG de 32 lugares diferentes en la cara.
“Tomamos esos mapas y entrenamos una red neuronal convolucional sobre los mapas PPG para clasificarlos como falsos y reales”, dijo Demir. “Entonces, gracias a las tecnologías de Intel como [the] El marco Deep Learning Boost para inferencia y Advanced Vector Extensions 512, podemos ejecutarlo en tiempo real y hasta 72 flujos de detección simultáneos”.
Demir construyó FakeCatcher junto con Umur Ciftci de la Universidad Estatal de Nueva York en Binghamton. Aparentemente, los deepfakes son una preocupación creciente, ya que la barrera de entrada se reduce y la creación de videos altamente convincentes se vuelve aún más fácil.