深偽膚色
圖片來源:Freepik

專家警告說,檢測深度偽造的工具必須適用於所有膚色,以避免偏見

專家警告說,為應對日益嚴重的深度偽造威脅而開發的檢測工具(看起來逼真的虛假內容)必須使用包含所有膚色的訓練資料集,以避免偏見。

大多數探測器 deepfake 基於學習策略,該策略在很大程度上取決於用於訓練的資料集。然後,他們使用人工智慧來檢測人眼可能不清楚的訊號。

宣傳

這可能包括監測血流和心率。然而,這些檢測方法並不總是適用於膚色較深的人,並且, 如果訓練集不包含所有種族、口音、性別、年齡和膚色,它們就會受到偏見的影響,專家警告說。

正在建立偏見

在過去的兩年裡,人工智慧和深度偽造檢測領域的專家提出了擔憂,他們表示這些系統中存在偏見。

合成媒體專家、DeepMedia 聯合創始人兼首席執行官 Rijul Gupta 表示:“DeepMedia 使用人工智能和機器學習來評估視覺和音頻線索,以發現合成操縱的跡象。”資料集總是嚴重偏向中年白人,而這種技術總是對邊緣化社群產生負面影響“。

宣傳

和尚膚色等級

艾利斯‧蒙克(Ellis Monk),哈佛大學社會學教授、美國哈佛大學訪問學者 Google,開發了 和尚膚色等級

它比科技行業標準更具包容性,並將提供更廣泛的膚色,可用於資料集和機器學習模型。

蒙克說:「從一開始,深色皮膚的人就被排除在這些不同形式的技術的發展之外。您需要建立新的數據集,這些數據集在膚色方面具有更大的覆蓋範圍和代表性,這意味著您需要某種標準化、一致且比以前的量表更具代表性的測量方法。”

宣傳

閱讀:

* 本文的文本部分由人工智慧工具和最先進的語言模型生成,有助於文本的準備、審查、翻譯和摘要。文字條目是由 Curto 來自人工智慧工具的新聞和回應被用來改善最終內容。
需要強調的是,人工智慧工具只是工具,發佈內容的最終責任在於 Curto 消息。透過負責任且合乎道德的方式使用這些工具,我們的目標是擴大溝通的可能性並使優質資訊的獲取民主化。
🤖

向上滑動