UCLA pētnieku izstrādātais optiski neironu procesors paredzēts liela video apjoma ātrai pārbaudei. Atšķirībā no tradicionālajiem digitālajiem detektoriem, kas video parasti apstrādā secīgi, jaunā sistēma 15 vai vairāk straumes var analizēt vienlaikus vienā optiskajā ciklā.

Tehnoloģija aprakstīta pētījumā “Scalable, Energy-Efficient Optical-Neural Architecture for Multiplexed Deepfake Video Detection”, kas publicēts žurnālā eLight. Pētnieki sistēmu izstrādājuši kā lielas caurlaidības un uzbrukumiem noturīgu pirmo aizsardzības slāni, kas paredzēts manipulētu un ar mākslīgo intelektu radītu video sākotnējai atlasei.

Ģeneratīvā mākslīgā intelekta straujā attīstība ir padarījusi sintētiskos video arvien reālistiskākus, tādēļ pieaug vajadzība pēc detektoriem, kas būtu ne tikai precīzi, bet arī spētu darboties plašā mērogā. Daudzi mūsdienīgi dziļviltojumu detektori balstās uz ļoti lielu digitālo skaitļošanu: viena video analīze var prasīt simtiem miljardu peldošā komata operāciju, turklāt video bieži tiek apstrādāti cits pēc cita. Palielinoties pārbaudāmā satura apjomam, proporcionāli aug arī nepieciešamais laiks un enerģijas patēriņš.

Digitālajām sistēmām ir vēl viena problēma — uzbrucēji var apzināti ieviest viltotajā video smalkas izmaiņas, kas paredzētas detektora maldināšanai un manipulētā materiāla attēlošanai kā autentiska. Profesors Aydogan Ozcan un viņa UCLA komanda izstrādājuši hibrīdu digitāli optisku sistēmu, lai risinātu abas problēmas.

Kā darbojas optiskais detektors

Sistēmas pirmajā posmā viegls digitālais kodētājs apkopo kompaktu informāciju par katru video, tostarp telpiskās, spektrālās un laika pazīmes. Šī informācija tiek pārveidota fāzes rakstā un parādīta uz programmējama telpiskās gaismas modulatora.

Pēc tam izveidotā optiskā viļņu fronte pārvietojas caur brīvās telpas pasīvu optisko dekoderi. Tā otrā galā savienoti optiskie detektori katram video tieši izveido autentiskuma novērtējumu. Tādējādi skaitļošanas ziņā prasīgs digitāls dekodēšanas tīkls tiek aizstāts ar fizikālu procesu, kas vienlaikus spēj apstrādāt daudz straumju.

Eksperimentos ar redzamo gaismu procesors katrā optiskajā ciklā vienlaikus pārbaudīja 15 Celeb-DF video. Vidējā noteikšanas precizitāte sasniedza 97,79%, jutība bija 99,86%, bet specifiskums — 95,72%. Jutība norāda, cik sekmīgi sistēma identificē manipulētus video, tādēļ īpaši augsts rādītājs ir nozīmīgs rīkam, kas paredzēts viltota satura neizlaišanai cauri sākotnējai pārbaudei.

99,86% jutība atbilda aptuveni 0,14% viltus negatīvo rezultātu īpatsvaram. Tas nozīmē, ka tikai ļoti neliela daļa manipulētu video tika kļūdaini atzīti par autentiskiem. Pētnieki palielināja sistēmas jaudu līdz 18 video vienā optiskajā ciklā; arī šādā režīmā vidējā noteikšanas precizitāte saglabājās 96,13% līmenī.

Komanda konstatēja, ka procesoru var padarīt jaudīgāku, palielinot pasīvā optiskā dekodera fizisko dziļumu, būtiski nepalielinot enerģijas patēriņu vai secināšanas aizkavi. Kad sarežģītāku dziļviltojumu pārbaudēs tika pievienoti divi optimizēti pasīvi difrakcijas slāņi, noteikšanas precizitāte uzlabojās par aptuveni 6,8%.

Šie tikai fāzi pārveidojošie difrakcijas slāņi var tikt izgatavoti kā pasīvas, statiskas optiskas struktūras vai virsmas. Tie veic papildu aprēķinus, gaismai difraktējot, un secināšanas laikā neprasa papildu elektrisko jaudu. Šāda pieeja nākotnē varētu nodrošināt sarežģītāku apstrādi bez tādām enerģijas izmaksām, kādas parasti rada lielāki digitālie neironu tīkli.

Sistēmas pārbaude ar Google VEO-3 video

Pētnieki neaprobežojās ar tradicionāliem seju aizstājošiem dziļviltojumiem. Viņi procesoru pārbaudīja arī ar video, kas izveidoti, izmantojot Google modeli VEO-3.

Jaunākās ģeneratīvā mākslīgā intelekta sistēmas spēj radīt video, kuros nav daudzu acīmredzamu artefaktu, kas bija raksturīgi agrīnākām dziļviltojumu tehnoloģijām. Tādēļ šāds saturs ir grūtāk atpazīstams detektoriem, kas galvenokārt apmācīti ar senākiem manipulāciju veidiem.

Ar tikai minimālu papildu pielāgošanu optiskais procesors iepriekš neredzētiem VEO-3 video sasniedza 94,80% precizitāti un 97,61% jutību. Rezultāti liecina, ka pieeja varētu pielāgoties arī turpmākai ģeneratīvā mākslīgā intelekta video tehnoloģiju attīstībai.

Optiskais detektors ir grūtāk maldināms

Sistēma demonstrēja noturību pret melnās kastes pretinieciskiem uzbrukumiem un tai piemīt iebūvēta aizsardzība pret baltās kastes uzbrukumiem. Daļa šīs drošības izriet no tā, kā detektors fizikāli veic aprēķinus. Tā kā daļa secināšanas procesa notiek difrakcijas ceļā, svarīgi optiskā modeļa parametri faktiski ir iestrādāti aparatūrā.

Šos parametrus uzbrucējam var būt grūti izmērīt, atveidot vai reversi izstrādāt. Tādēļ detektora rekonstrukcija un rūpīgi pielāgotu izmaiņu izveide, kas ļautu no tā izvairīties, kļūst ievērojami sarežģītāka.

Procesors turpināja darboties uzticami arī tad, kad video ietekmēja attēla troksnis, izplūdums, JPEG saspiešana un eksperimentālas optiskās sistēmas nobīdes. Pētnieki norāda, ka šie rezultāti ilustrē, kā optiskā skaitļošana var nodrošināt drošāku un uzticamāku pamatu atsevišķām mākslīgā intelekta sistēmām.

UCLA procesors nav paredzēts sarežģītu digitālo detektoru pilnīgai aizstāšanai. Tā loma būtu īpaši jutīga pirmā pārbaudes pakāpe plašākā noteikšanas sistēmā.

Lieli video apjomi vispirms varētu tikt nosūtīti caur paralēlo optisko procesoru. Materiāli, kas tiktu atzīti par aizdomīgiem, pēc tam nonāktu pie skaitļošanas ziņā prasīgākiem digitālajiem modeļiem detalizētākai galīgajai pārbaudei. Šāda sistēma apvienotu abu pieeju priekšrocības: optiskā apstrāde nodrošinātu paralēlu darbību, zemu dekodera enerģijas patēriņu, augstu jutību, noturību pret pretinieciskiem uzbrukumiem un spēju pielāgoties jauniem AI video ģeneratoriem, savukārt tradicionālās digitālās sistēmas vajadzības gadījumā varētu veikt padziļinātu analīzi.

Pētnieki uzskata, ka šāda kombinācija nākotnē varētu būt noderīga liela mēroga satura moderēšanā, mediju autentiskuma pārbaudē, novērošanā un citās drošībai kritiskās mākslīgā intelekta lietojuma jomās.

Pētījuma autori ir Parnian Ghapandar Kashani un Shiqi Chen, kuri tajā piedalījās ar vienādu ieguldījumu, kā arī profesors Aydogan Ozcan. Pētnieki ir saistīti ar UCLA Elektrotehnikas un datortehnikas departamentu, UCLA Bioinženierijas departamentu un Kalifornijas NanoSystems institūtu.