Czy AI wykrywa deepfake’y z większą dokładnością niż eksperci ludzcy w czasie rzeczywistym ?

Systemy AI analizują obecnie mikrowyrazy, niespójności w oświetleniu oraz sygnały biologiczne, aby identyfikować twarze wygenerowane przez AI. Platformy takie jak Microsoft Video Authenticator mogą oznaczać syntetyczną treść, zanim się rozprzestrzeni. Ta rywalizacja z technologią generowania filmów jest kluczowa w walce z dezinformacją. W kontrolowanych badaniach wskaźniki dokładności przewyższają wyszkolonych śledczych. Detekcja w czasie rzeczywistym oparta na API jest już wdrażana.

Obecne systemy AI rzeczywiście mogą wykrywać deepfake’i z większą dokładnością niż ludzcy eksperci w kontrolowanych warunkach laboratoryjnych, szczególnie gdy są trenowane na dużych zbiorach danych zawierających sfałszowane i autentyczne media. Najnowocześniejsze modele (np. EfficientNet, Vision Transformers lub specjalistyczne detektory deepfake’ów, takie jak zwycięzcy DFDC) często przewyższają niewyszkolonych obserwatorów, identyfikując subtelne artefakty w mimice twarzy, niespójnościach oświetlenia lub nienaturalnych mrugnięciach. Jednak wdrożenie w czasie rzeczywistym napotyka wyzwania: ograniczenia związane z opóźnieniami, ataki adversarialne, które oszukują detektory, oraz uogólnianie w przypadku nieznanych metod generowania deepfake’ów (np. modele dyfuzyjne) pozostają aktywnymi obszarami badań. Niektóre benchmarki (np. Deepfake Detection Challenge) pokazują, że AI przewyższa ludzi w przygotowanych zbiorach danych, ale wydajność spada w nieograniczonych, rzeczywistych warunkach.

— Wzbogacono 12 maja 2026 · Źródło: Facebook AI — https://ai.facebook.com/blog/deepfake-detection-challenge-dfdc/