Em deepfakes, os reflexos geralmente apresentam inconsistências. A teoria é que, se os reflexos forem consistentes em ambos os olhos, a imagem provavelmente é real. Um estudo, liderado pelo estudante de mestrado da Universidade de Hull Adejumoke Owolabi, concentra-se nos reflexos nos olhos das pessoas. Em um mundo onde a tecnologia de inteligência artificial (IA) permite a criação de imagens falsas com facilidade, a capacidade de detectar tais falsificações, especialmente deepfakes de pessoas, se torna cada vez mais crucial.
Uma nova pesquisa inovadora, apresentada no Encontro Nacional de Astronomia da Royal Astronomical Society em Hull, sugere que a chave para identificar deepfakes pode estar nos olhos das pessoas, analisando-os da mesma forma que os astrônomos estudam galáxias. “Os reflexos nos globos oculares são consistentes para a pessoa real, mas incorretos (do ponto de vista físico) para a pessoa falsa”, explica Kevin Pimbblet, professor de astrofísica e diretor do Centro de Excelência para Ciência de Dados, Inteligência Artificial e Modelagem da Universidade de Hull.
Para testar essa teoria, os pesquisadores analisaram imagens reais e geradas por IA, buscando padrões nos reflexos de luz nos olhos. Eles então aplicaram métodos astronômicos para quantificar esses reflexos e verificar a consistência entre os olhos esquerdo e direito. Os resultados indicaram que deepfakes frequentemente apresentam inconsistências nos reflexos entre os olhos, enquanto imagens reais geralmente exibem reflexos uniformes em ambos os lados.
“Para medir as formas das galáxias, analisamos se elas são centralmente compactas, simétricas e quão suaves são. Analisamos a distribuição da luz”, explica o professor Pimbblet. “Detectamos as reflexões de forma automatizada e executamos suas características morfológicas através dos índices CAS [concentração, assimetria, suavidade] e Gini para comparar a similaridade entre os globos oculares esquerdo e direito. As descobertas mostram que os deepfakes apresentam diferenças entre o par.”
O coeficiente de Gini, normalmente utilizado para medir a distribuição da luz em imagens de galáxias, também foi aplicado neste estudo. Um valor de Gini próximo de 0 indica uma distribuição uniforme da luz, enquanto um valor próximo de 1 indica concentração em um único pixel. Embora a equipe tenha testado parâmetros CAS, ferramentas desenvolvidas por astrônomos para analisar a distribuição de luz em galáxias, os resultados indicaram que essa ferramenta não foi eficaz na identificação de deepfakes.
“É importante ressaltar que este método não é uma solução infalível para detectar imagens falsas”, adverte o professor Pimbblet. “Existem falsos positivos e falsos negativos; não vai conseguir tudo. Mas esse método nos fornece uma base, um plano de ataque, na corrida armamentista para detectar deepfakes.” A pesquisa abre caminho para novas técnicas de detecção, utilizando métodos da astronomia para analisar os reflexos nos olhos das pessoas. Essa abordagem inovadora pode contribuir para combater a disseminação de informações falsas e proteger a autenticidade das imagens online.
