นักวิจัยจาก University of California, Los Angeles หรือ UCLA กำลังเสนอคำตอบที่แตกต่างจากแนวทางเดิมอย่างน่าสนใจ นั่นคือ แทนที่จะให้คอมพิวเตอร์คำนวณทุกอย่างด้วยอิเล็กทรอนิกส์

พวกเขาให้ แสงเข้ามาช่วยทำงานของ AI

ผลการทดลองน่าสนใจอย่างมาก ระบบต้นแบบสามารถตรวจสอบวิดีโอ Deepfake ได้พร้อมกันถึง 15 วิดีโอ และทำความแม่นยำเฉลี่ยได้ 97.79% ขณะที่ค่าความไวในการตรวจจับวิดีโอที่ถูกปลอมแปลงสูงถึง 99.86%

สิ่งที่น่าสนใจกว่าตัวเลข 98% อาจเป็นคำถามว่า เหตุใดนักวิทยาศาสตร์จึงเลือกใช้ “แสง” เป็นส่วนหนึ่งของสมองกลสำหรับตรวจจับของปลอม

เร็วขึ้นมาก เมื่อ AI ไม่ต้องคำนวณทุกอย่างด้วยคอมพิวเตอร์

AI ในปัจจุบันส่วนใหญ่ทำงานผ่านการประมวลผลแบบดิจิทัล ข้อมูลถูกแปลงเป็นตัวเลข จากนั้นชิปคอมพิวเตอร์จะทำการคำนวณผ่านขั้นตอนจำนวนมหาศาลเพื่อหาคำตอบ

แนวทางนี้ใช้พลังมหาศาล และมีข้อจำกัด เมื่อปริมาณข้อมูลเพิ่มขึ้น การคำนวณก็เพิ่มตาม และหากต้องตรวจสอบวิดีโอจำนวนมากพร้อมกัน ระบบก็ต้องใช้ทั้งเวลาและพลังงานมากขึ้น

ทีม UCLA จึงทดลองเปลี่ยนวิธีคิด

ระบบใหม่นี้เป็น optical-neural processor หรือระบบประมวลผล AI ที่นำคุณสมบัติของแสงมาใช้ในการคำนวณบางส่วน โดยเริ่มจากการให้ระบบดิจิทัลแปลงข้อมูลสำคัญของวิดีโอให้อยู่ในรูปแบบที่สามารถส่งต่อให้ระบบแสงได้ จากนั้นรูปแบบของแสงจะเดินทางผ่านโครงสร้างทางแสงที่ออกแบบมาเป็นพิเศษ

พูดอย่างให้เข้าง่ายที่สุดคือ แทนที่จะให้คอมพิวเตอร์ “คิดทุกขั้นตอน” ระบบบางส่วนถูกปล่อยให้ ฟิสิกส์ของแสงทำหน้าที่คำนวณ

แสงที่เดินทางผ่านโครงสร้างดังกล่าวจะเกิดการเลี้ยวเบนและเปลี่ยนแปลงรูปแบบตามข้อมูลที่ป้อนเข้าไป เมื่อไปถึงตัวตรวจจับ ผลลัพธ์ที่ได้สามารถนำมาใช้ประเมินว่าวิดีโอนั้นมีแนวโน้มเป็นของจริงหรือถูกสร้างขึ้น

ความมหัศจรรย์อยู่ตรงนี้เอง เพราะแสงสามารถเดินทางและประมวลผลข้อมูลหลายช่องทางในเวลาเดียวกันได้

แสง นักสืบที่ตรวจสอบวิดีโอหลายเรื่องพร้อมกัน

ในการทดลอง ระบบสามารถประมวลผลวิดีโอ 15 รายการใน optical pass เดียว โดยใช้ชุดข้อมูล Celeb-DF ซึ่งเป็นหนึ่งในชุดข้อมูลที่ใช้สำหรับศึกษาการตรวจจับ Deepfake

ผลการทดลองพบว่าความแม่นยำเฉลี่ยอยู่ที่ 97.79% ขณะที่ sensitivity หรือความสามารถในการตรวจพบวิดีโอปลอมอยู่ที่ 99.86% ส่วน specificity ซึ่งสะท้อนความสามารถในการระบุวิดีโอจริงได้ถูกต้อง อยู่ที่ 95.72%

นักวิจัยยังทดลองเพิ่มจำนวนวิดีโอเป็น 18 รายการต่อการประมวลผลหนึ่งครั้ง โดยความแม่นยำเฉลี่ยยังอยู่ที่ประมาณ 96.13% ตามรายงานของ ScienceDaily

แนวคิดนี้มีความสำคัญ เพราะในโลกจริง ปัญหาไม่ได้มีวิดีโอปลอมเพียงหนึ่งคลิป

แพลตฟอร์มออนไลน์ต้องรับมือกับภาพและวิดีโอจำนวนมหาศาล หากระบบตรวจจับสามารถคัดกรองเนื้อหาหลายรายการได้พร้อมกัน ก่อนส่งเฉพาะสิ่งที่น่าสงสัยไปให้ระบบ AI ที่ซับซ้อนกว่า ก็อาจช่วยลดภาระด้านการประมวลผลได้อย่างมาก

นี่ทำให้เทคโนโลยีดังกล่าวอาจไม่ได้มีเป้าหมายเพื่อ “แทนที่” AI ตรวจจับ Deepfake แบบเดิม แต่ทำหน้าที่คล้าย ด่านหน้าของระบบรักษาความถูกต้องของข้อมูล

ไม่ได้ทดสอบเฉพาะ Deepfake แบบเก่า

ความท้าทายสำคัญของการตรวจจับ Deepfake คือ AI ที่สร้างของปลอมก็พัฒนาตัวเองอยู่ตลอดเวลา

ระบบตรวจจับที่เคยเก่งกับวิดีโอปลอมประเภทหนึ่ง อาจไม่ได้เก่งกับวิดีโอที่สร้างด้วยโมเดลรุ่นใหม่ เพราะเทคนิคการสร้างภาพมีการเปลี่ยนแปลงอย่างรวดเร็ว

นักวิจัยจึงนำระบบไปทดสอบกับวิดีโอที่สร้างด้วย Google Veo 3 ซึ่งเป็น Generative AI สำหรับสร้างวิดีโอ ผลการทดลองหลังปรับระบบเพียงเล็กน้อยพบความแม่นยำ 94.80% และ sensitivity 97.61% กับวิดีโอที่ระบบไม่เคยเห็นมาก่อน

ตัวเลขนี้มีความหมายมากกว่าคำว่า “แม่นยำ”

มันบอกเราว่าแนวคิดการใช้แสงอาจมีศักยภาพในการรับมือกับวิดีโอจาก AI รุ่นใหม่ได้ แม้ว่าจะยังจำเป็นต้องมีการศึกษาเพิ่มเติมและทดสอบกับสถานการณ์จริงในวงกว้างกว่านี้

เมื่อเครื่องตรวจจับเองก็ต้องป้องกันการโจมตี

การต่อสู้ระหว่าง AI สร้างของปลอมกับ AI ตรวจจับของปลอมอาจไม่ได้จบลงที่ความแม่นยำ

เพราะหากผู้สร้าง Deepfake รู้ว่าระบบตรวจจับทำงานอย่างไร ก็อาจพยายามปรับแต่งวิดีโอเพื่อหลบเลี่ยงระบบ

งานวิจัยนี้จึงให้ความสนใจกับ adversarial attacks หรือการโจมตีที่ออกแบบมาเพื่อทำให้ระบบ AI ตัดสินใจผิด

ข้อได้เปรียบอย่างหนึ่งของระบบออปติคัลคือ การคำนวณบางส่วนไม่ได้เกิดขึ้นเป็นเพียงซอฟต์แวร์ที่อยู่ในคอมพิวเตอร์ แต่ถูกฝังอยู่ในพฤติกรรมทางกายภาพของโครงสร้างที่ควบคุมการเดินทางของแสง

นั่นทำให้การพยายามย้อนกลับไปสร้างแบบจำลองของระบบเพื่อนำมาโจมตีทำได้ยากขึ้น นักวิจัยรายงานว่าระบบแสดงความทนทานต่อการโจมตีบางประเภท รวมถึงยังทำงานได้ภายใต้สภาวะที่มี noise, blur, JPEG compression และความคลาดเคลื่อนของระบบทดลอง

ก้าวหนึ่งสู่ยุคที่ “ความจริง” ต้องผ่านการตรวจสอบ

สิ่งที่น่าสนใจที่สุดของงานวิจัยนี้อาจไม่ใช่การที่ AI สามารถตรวจจับ Deepfake ได้เกือบ 98%
แต่คือการเปลี่ยนคำถามจาก
“เราจะสร้าง AI ที่ฉลาดขึ้นได้อย่างไร?”

ไปสู่

“เราจะสร้าง AI ที่ทำงานได้เร็วขึ้น ใช้พลังงานน้อยลง และตรวจสอบข้อมูลจำนวนมหาศาลได้อย่างไร?”
การนำแสงเข้ามาช่วยประมวลผลอาจเป็นหนึ่งในคำตอบ

ในอนาคต ระบบลักษณะนี้อาจถูกนำไปใช้เป็นด่านแรกสำหรับตรวจสอบวิดีโอในแพลตฟอร์มออนไลน์ ระบบยืนยันสื่อดิจิทัล หรือโครงสร้างพื้นฐานที่ต้องจัดการข้อมูลภาพจำนวนมาก ก่อนส่งเนื้อหาที่น่าสงสัยไปวิเคราะห์ด้วย AI ดิจิทัลที่มีความละเอียดสูงกว่า

อย่างไรก็ตาม ตัวเลขจากงานวิจัยไม่ควรถูกตีความว่า Deepfake จะถูกตรวจจับได้ถูกต้องเกือบ 98% ในทุกสถานการณ์ เพราะผลดังกล่าวเกิดจากการทดลองภายใต้ชุดข้อมูลและเงื่อนไขที่นักวิจัยกำหนด รวมถึงการทดสอบกับวิดีโอที่สร้างด้วยระบบ Generative AI บางประเภทเท่านั้น

และนี่อาจเป็นบทเรียนสำคัญที่สุด

ในยุคที่เครื่องมือสร้างภาพปลอมฉลาดขึ้นเรื่อย ๆ การป้องกัน Deepfake ไม่สามารถพึ่งพาเครื่องมือเพียงชนิดเดียวได้ เราอาจต้องสร้างระบบหลายชั้นที่ผสมผสานทั้ง AI ดิจิทัล การประมวลผลด้วยแสง ระบบตรวจสอบแหล่งที่มา และการตรวจสอบโดยมนุษย์

เพราะเมื่อภาพที่เราเห็นไม่สามารถรับประกันได้อีกต่อไปว่าเป็นสิ่งที่เกิดขึ้นจริง ความสามารถในการ ตรวจสอบก่อนเชื่อ จะกลายเป็นทักษะสำคัญไม่แพ้ความสามารถในการสร้างเนื้อหา

และในอนาคต นักสืบที่ทำหน้าที่ค้นหาความจริงเหล่านั้น อาจไม่ได้ใช้เพียงพลังของซิลิคอน
แต่อาจใช้พลังของแสงด้วย

Key Takeaways

• AI กำลังเรียนรู้ที่จะใช้แสงในการคำนวณ ระบบใหม่ไม่ได้พึ่งพาการคำนวณแบบดิจิทัลทั้งหมด แต่ใช้การเดินทางของแสงเป็นส่วนหนึ่งของกระบวนการประมวลผล
• จุดเด่นคือการประมวลผลแบบขนาน ระบบทดลองสามารถตรวจสอบวิดีโอ 15 รายการพร้อมกัน และขยายไปถึง 18 รายการต่อ optical pass ได้
• ความแม่นยำในการทดลองสูงมาก ระบบทำ accuracy ได้ 97.79% และ sensitivity 99.86% ในการทดลองกับ Celeb-DF
• ระบบถูกทดสอบกับ Generative AI รุ่นใหม่ด้วย การทดลองกับวิดีโอจาก Google Veo 3 ให้ accuracy 94.80% และ sensitivity 97.61% หลัง fine-tuning เพียงเล็กน้อย
• อนาคตอาจเป็นระบบตรวจจับหลายชั้น Optical AI อาจทำหน้าที่คัดกรองข้อมูลจำนวนมาก ก่อนส่งเฉพาะเนื้อหาที่น่าสงสัยไปให้ระบบดิจิทัลวิเคราะห์อย่างละเอียด
• 98% ไม่ได้หมายความว่าจะตรวจจับ Deepfake ได้ทุกกรณี ตัวเลขดังกล่าวเป็นผลจากการทดลองภายใต้เงื่อนไขเฉพาะ จึงยังไม่ควรนำไปตีความว่าเป็นความแม่นยำที่รับประกันสำหรับ Deepfake ทุกประเภทในโลกจริง

…..

เรียบเรียงใหม่โดย AiNextopia
แหล่งข้อมูลหลัก: งานวิจัยในวารสาร eLight และรายงาน ScienceDaily เกี่ยวกับการพัฒนา optical-neural processor ของทีม UCLA