![immagine dell'articolo](https://www.scienzenotizie.it/wp-content/uploads/2024/07/eyes-m.jpg)
Le immagini generate dall’intelligenza artificiale sono ormai diffuse in rete, alcune definite “Boomer Art” dalle generazioni Z e Alpha per il loro aspetto ridicolo, mentre altre possono ingannare anche le persone più attente. In particolare, il fenomeno dei deepfake, ovvero immagini false di persone reali, rappresenta una minaccia significativa in quanto vengono utilizzate per diffondere disinformazione, attaccare avversari politici e violare la privacy individuale.
Una possibile strategia per individuare i deepfake più realistici si ispira alle tecniche utilizzate in astronomia, che a loro volta derivano dalle statistiche applicate alle disuguaglianze economiche. Questo approccio, noto come Coefficiente di Gini, non rappresenta una soluzione definitiva, ma fornisce una base e un piano d’azione per contrastare il fenomeno. Tuttavia, è una corsa contro il tempo poiché la tecnologia dei deepfake potrebbe evolversi rapidamente, superando le attuali tecniche di rilevamento.
Il Professore Kevin Pimbblet dell’Università di Hull ha sottolineato l’importanza di questo approccio innovativo durante un’intervista a IFLScience. Prima di esaminare nel dettaglio le statistiche coinvolte, è fondamentale comprendere l’approccio adottato dai ricercatori.
![Una foto di Scarlett Johansson accanto a una foto di un uomo nero. Sotto un primo piano dei loro occhi. Il riflesso negli occhi di Johansson sembra lo stesso ma per il falso sembrano diversi. Una foto di Scarlett Johansson accanto a una foto di un uomo nero. Sotto un primo piano dei loro occhi. Il riflesso negli occhi di Johansson sembra lo stesso ma per il falso sembrano diversi.](https://www.scienzenotizie.it/wp-content/uploads/2024/07/Pimbblet-comparison-big.jpg)
Gli algoritmi di apprendimento automatico responsabili della creazione di immagini false non riescono ancora a replicare completamente la realtà. Fino a poco tempo fa, persino i migliori algoritmi facevano fatica a riprodurre in modo realistico dettagli come le mani o i riflessi negli occhi umani. Ad esempio, la luce ambientale e gli oggetti circostanti si riflettono negli occhi di una persona fotografata, e questa riflessione può essere valutata statisticamente.
I ricercatori sottolineano che, sebbene il metodo del Coefficiente di Gini sia promettente, non è esente da possibili errori. Potrebbero verificarsi falsi positivi o falsi negativi, poiché l’analisi statistica delle distribuzioni dei dati comporta inevitabilmente una certa incertezza. Tuttavia, questo approccio fornisce una base solida per affrontare il problema dei deepfake.
Il Coefficiente di Gini, originariamente utilizzato per valutare l’ineguaglianza economica, si è dimostrato efficace nel riconoscere gli occhi falsi nei deepfake. Questo strumento statistico, insieme ad altri metodi astronomici utilizzati nella classificazione delle galassie, è stato impiegato con successo in un progetto di ricerca condotto dal Professore Pimbblet e dalla sua studentessa Adejumoke Owolabi.
Il lavoro preliminare di Owolabi e Pimbblet è stato presentato al National Astronomy Meeting, e i due studiosi stanno attualmente pianificando la pubblicazione di un articolo che approfondirà le scoperte emerse da questa ricerca pionieristica.
Links: