Poate detecta AI videoclipurile deepfake cu o acuratețe mai mare decât experții umani în timp real ?

Sistemele AI analizează acum micro-expresiile, inconsistentele de iluminare și semnalele biologice pentru a identifica fețele generate de AI. Platforme precum Microsoft Video Authenticator pot semnala conținut sintetic înainte ca acesta să se răspândească. Această cursă a armelor cu tehnologia video generativă este crucială pentru combaterea dezinformării. Ratele de acuratețe depășesc investigatorii instruiți în studii controlate. Detectarea bazată pe API în timp real este deja implementată.

Background

Current AI systems analyze micro-expressions, lighting inconsistencies, biological signals, and subtle artifacts in facial expressions or blinking patterns to flag synthetic content. State-of-the-art models—including EfficientNet, Vision Transformers, and specialized deepfake detectors (e.g., DFDC winners)—often exceed untrained human observers in controlled tests. Platforms such as Microsoft Video Authenticator demonstrate real-time API-based detection already in limited deployments. Benchmarks like the Deepfake Detection Challenge (DFDC) report higher accuracy compared to human experts on curated datasets; however, performance drops in unconstrained, real-world conditions due to factors such as latency constraints, adversarial attacks, and generalization gaps across unseen generation methods (e.g., diffusion models). The ongoing arms race with generative video technology underscores the need for continued advances in both detection and generation robustness.