Theo nghiên cứu của Hội Thiên văn học Hoàng gia Anh, ảnh﷽ do AI tạo ra có thể được phân tích theo cùng cách mà nhà thiên văn học nghiên cứu các thiên hà. Một số trong đó có liên quan đến sự phả💎n chiếu trong mắt con người.
"Hình ảnh phản chiếu trong nhãn cầu là nhất quán đối với người thật nhưng ảnh giả thường không đúng 🅠quy tắc vật lý t൲hông thường", Kevin Pimbblet, giáo sư vật lý thiên văn và Giám đốc Trung tâm dữ liệu, trí tuệ nhân tạo và mô hình hóa tại đại học Hull, giải thích.
Ảnh chụp thật Scarlett Johansson có hình ảnh phản chiếu giống nhau trong hai mắt. Ảnh AI bên phải có hình ảnh phản chiếu không giống nhau. Ảnh: Petapixel
Các nhà nghiên cứu so sánh và phân tích phản xạ ánh sáng trên nhãn cầu trong ảnh thực tế và ảnh do AI tạo ra. Sau🅠 đó, họ mượn một phương pháp được sử dụng trong thiên văn học để định lượng phản xạ và kiểm tra tính nhất quán giữa nhãn cầu trái và phải.
"Để đo hình dạng của thiên hà, chúng tôi phân tích xem chúng có đặc ở tâm không, có đối xứng không và độ mịn thế nào. Chúng tôi phân tích sự phân bổ ánh sáng", giáo sư Pimbblet cho biết. "Chúng tôi phát hiện các phản xạ theo cách tự động, và chạy đặc điểm hình thái của chúng thông qua CAS (mật độ, tính bất đối xứng, độ mịn của chi tiết) và chỉ số Gini để so sánh sự giống 🌜nhau giữa nhãn cầu trái và phải".
Hình ảnh nhãn cầu từ ảnh chụp con người thật. Ảnh: Petapixel
Chỉ số Gini được sử dụng để đo cách ánh sáng trong🍒 hình ảnh của một thiên hà được phân bổ giữa các điểm ảnh của nó. Phép đo này được thực hiện bằng cách sắp xếp các pixel tạo nên hình ảnh của một thiên hà với thứ tự tăng dần theo thông lượng, sau đó so sánh kết quả với giả định mức thông lượng hoàn toàn đồng đều.
Giá trị Gini bằng không là thiên hà trong đó ánh sáng được phân ꦅ෴bổ đều trên tất cả điểm ảnh của hình ảnh. Giá trị Gini bằng một là thiên hà trong đó tất cả ánh sáng tập trung ở một điểm ảnh duy nhất.
Hình ảnh nhãn cầu trong các ảnh deepfake. Ảnh: Petapixel
Giáo sư Pimbblet cho biết đây không phải cách ho𒁏àn hảꦛo để phát hiện deepfake khi vẫn có sai số. Tuy nhiên, ông cho rằng một hướng đi này rất tiềm năng trong việc hỗ trợ công nghệ hiện tại bắt kịp và phát hiện deepfake tự động.