Rilevare Deepfake con il Coefficiente di Gini: Una Nuova Frontiera

immagine dell'articolo
Questi occhi sono reali o no? Il segreto è nei riflessi (Romanchini/Shutterstock.com)

Le immagini generate dall’intelligenza artificiale sono ormai onnipresenti online, alcune definite da Gen Z e Gen Alpha come “Boomer Art”, altre invece possono ingannare persino le persone più attente. In particolare, il fenomeno dei deepfake, immagini inventate di persone reali, rappresenta una minaccia significativa in quanto vengono utilizzate per diffondere disinformazione, attaccare avversari politici e violare la privacy delle persone.

Per contrastare la diffusione dei deepfake più realistici, si sta esplorando una possibile soluzione che prende spunto dalle tecniche utilizzate in astronomia, le quali a loro volta si basano sul Coefficiente di Gini, originariamente utilizzato per stimare l’ineguaglianza economica. Questo approccio non è una soluzione miracolosa, ma fornisce una base e un piano d’azione per individuare le immagini false più convincenti.

Prima di addentrarci nelle statistiche, è importante sottolineare che gli algoritmi di apprendimento automatico che generano immagini false non riescono ancora a rappresentare completamente la realtà. Fino a poco tempo fa, persino i migliori algoritmi avevano difficoltà a replicare in modo realistico dettagli come le mani o i riflessi negli occhi umani.

Una foto di Scarlett Johansson accanto a una foto di un uomo nero. Sotto un primo piano sui loro occhi. Il riflesso negli occhi di Johansson sembra lo stesso ma per il falso sembrano diversi.
Entrambe le immagini sembrano reali ma le stelle nei loro occhi rivelano che solo Scarlett Johansson è reale. La persona a destra non esiste.
Adejumoke Owolabi

Un elemento chiave per individuare i deepfake più accurati è il riflesso negli occhi delle persone nelle immagini. La luce ambientale e gli oggetti circostanti si riflettono negli occhi in modo coerente, e questo aspetto può essere valutato statisticamente. Tuttavia, è importante sottolineare che questo metodo non è infallibile e potrebbe generare falsi positivi o falsi negativi.

Il Prof. Kevin Pimbblet dell’Università di Hull ha sottolineato che, sebbene il Coefficiente di Gini sia stato originariamente utilizzato per valutare l’ineguaglianza economica, è stato efficacemente adattato per riconoscere i deepfake più convincenti. Questo approccio, insieme ad altri metodi astronomici utilizzati nella classificazione delle galassie, ha dimostrato di essere utile nel rilevare le immagini false.

La ricerca attuale, condotta nell’ambito di un progetto di laurea dello studente Adejumoke Owolabi sotto la supervisione del Prof. Pimbblet, è stata presentata al National Astronomy Meeting. I ricercatori stanno ora pianificando la pubblicazione di un articolo dettagliato sulle loro scoperte e sui potenziali sviluppi futuri in questo campo.

Links: