تراشه‌ای مبتنی بر نور، دیپ‌فیک‌ها را در ۱۵ ویدیوی همزمان با دقت ۹۸٪ شناسایی می‌کند

تیمی از پژوهشگران دانشگاه کالیفرنیا در لس‌آنجلس (UCLA) به سرپرستی پروفسور آیدوگان اوزجان، سیستم هوش مصنوعی مبتنی بر نوری را معرفی کردند که می‌تواند ویدیوها را برای شناسایی دیپ‌فیک با دقتی نزدیک به ۹۸٪ بررسی کند. طراحی این سیستم در نشریه «eLight» منتشر شد و در تاریخ ۱ اکتبر ۲۰۲۶ پوشش خبری گسترده‌ای دریافت کرد.

برخلاف طبقه‌بندی‌کننده‌های دیجیتال رایج که فریم‌ها را یکی‌یکی پردازش می‌کنند، این دستگاه از لایه‌های نوری انکساری غیرفعال استفاده می‌کند تا فوتون‌ها به‌طور فیزیکی و همزمان الگوهای چندین جریان ویدیویی را تطبیق دهند.

در آزمایش‌های محک بر روی ۱۵ کلیپ از مجموعه‌داده Celeb-DF، این پردازنده به دقت کلی ۹۷٫۷۹٪ رسید؛ حساسیت آن نسبت به ویدیوهای دست‌کاری‌شده ۹۹٫۸۶٪ و ویژگی آن در تشخیص کلیپ‌های اصل ۹۵٫۷۲٪ بود. در مقیاس ۱۸ جریان همزمان نیز دقت در سطح ۹۶٫۱۳٪ باقی ماند.

افزودن دو لایه انکساری دیگر که برای شناسایی دست‌کاری‌های پیچیده‌تر تنظیم شده بودند، دقت تشخیص در برابر دیپ‌فیک‌های دشوار را حدود ۶٫۸ درصد افزایش داد؛ آن هم تقریباً بدون هیچ مصرف انرژی یا زمان پردازش اضافه.

از آنجا که این محاسبات با سرعت نور انجام می‌شود و انرژی کمی مصرف می‌کند، پژوهشگران این تراشه را به‌عنوان یک خط دفاعی نخست با توان پردازشی بالا برای پلتفرم‌های اجتماعی، شبکه‌های پخش و آزمایشگاه‌های مجری قانون معرفی می‌کنند؛ نهادهایی که با انبوهی از محتوای ویدیویی ساخته‌شده با هوش مصنوعی مواجه‌اند.