ການຕໍ່ສູ້ກັບ Deepfake ຍ້ອນວ່າ AI ກາຍເປັນທັງ "ອາວຸດ" ແລະ "ໂລ້"
ໃນຍຸກຂອງ AI, ການປະເຊີນໜ້າລະຫວ່າງອາດຊະຍາກອນທາງໄຊເບີ ແລະ ບໍລິສັດຮັກສາຄວາມປອດໄພບໍ່ພຽງແຕ່ເປັນການແຂ່ງຂັນທາງດ້ານເຕັກໂນໂລຢີເທົ່ານັ້ນ, ແຕ່ເປັນຄວາມພະຍາຍາມທີ່ຈະຟື້ນຟູຄວາມໄວ້ວາງໃຈທີ່ຖືກທຳລາຍໂດຍເນື້ອຫາປອມທີ່ມີຄວາມຊັບຊ້ອນເພີ່ມຂຶ້ນ.
ເມື່ອສິ່ງທີ່ເຈົ້າເຫັນ ແລະ ໄດ້ຍິນບໍ່ໜ້າເຊື່ອຖືອີກຕໍ່ໄປ.
ພຽງແຕ່ສອງສາມປີກ່ອນ, ຜູ້ໃຊ້ສາມາດລະບຸ Deepfake ໄດ້ຜ່ານອາການທີ່ "ຫຍາບຄາຍ" ເຊັ່ນ: ການສະແດງອອກທາງໜ້າທີ່ບໍ່ເປັນທຳມະຊາດ, ການເຄື່ອນໄຫວປາກທີ່ບໍ່ກົງກັນ, ຫຼື ການເຄື່ອນໄຫວຕາທີ່ຜິດປົກກະຕິ. ຢ່າງໃດກໍຕາມ, ວິທີການເຫຼົ່ານີ້ກໍ່ລ້າສະໄໝຢ່າງໄວວາເມື່ອເທັກໂນໂລຢີ AI ໄດ້ພັດທະນາຂຶ້ນ.
ປະຈຸບັນ, AI ສາມາດສ້າງຮູບພາບ ແລະ ສຽງຕ່າງໆຄືນໃໝ່ໄດ້ດ້ວຍຄວາມແມ່ນຍຳສູງຫຼາຍ, ແມ່ນແຕ່ການຈຳລອງການສັ່ນສະເທືອນທີ່ລະອຽດອ່ອນໃນສຽງຂອງມະນຸດ. ໃນການທົດລອງໂດຍນັກຂ່າວ Gaby Del Valle, ໂດຍໃຊ້ສຽງພຽງ 9 ວິນາທີທີ່ເກັບກຳມາຈາກສື່ສັງຄົມ, ລະບົບ AI ໄດ້ສ້າງຮຸ່ນປອມທີ່ສາມາດຮັກສາການສົນທະນາໄດ້ເກືອບໜ້າເຊື່ອຖື.
ໃນຊີວິດປະຈຳວັນ, ສະຕິປັນຍາຍັງສາມາດຊ່ວຍໃຫ້ຄົນສັງເກດເຫັນຄວາມຜິດປົກກະຕິໄດ້. ຢ່າງໃດກໍຕາມ, ໃນບ່ອນເຮັດວຽກ ຫຼື ການເຮັດທຸລະກຳທາງດ້ານການເງິນ - ບ່ອນທີ່ຂໍ້ມູນຖືກປະມວນຜົນຢ່າງວ່ອງໄວ ແລະ ເວລາເປັນສິ່ງສຳຄັນ - ສັນຍານທີ່ໜ້າສົງໄສເຫຼົ່ານີ້ມັກຈະຖືກມອງຂ້າມໄດ້ງ່າຍ, ເຊິ່ງເພີ່ມຄວາມສ່ຽງຕໍ່ການຖືກຫຼອກລວງ.
Deepfakes ບໍ່ໄດ້ຈຳກັດຢູ່ໃນເນື້ອຫາບັນເທີງອອນໄລນ໌ອີກຕໍ່ໄປ; ອາຊະຍາກອນທາງໄຊເບີໃນປັດຈຸບັນກຳລັງໃຊ້ປະໂຫຍດຈາກພວກມັນເພື່ອການຫຼອກລວງທີ່ມີການຈັດຕັ້ງ. ພວກເຂົາສາມາດເກັບກຳຂໍ້ມູນທີ່ມີຢູ່ສາທາລະນະໃນສື່ສັງຄົມເພື່ອສ້າງ "ທະນາຄານສຽງ" ຂອງພະນັກງານພາຍໃນບໍລິສັດ, ຈາກນັ້ນໃຊ້ AI ເພື່ອປອມແປງເປັນຜູ້ນຳ ຫຼື ເພື່ອນຮ່ວມງານເພື່ອໂທຮ້ອງຂໍການໂອນເງິນ.
ຄວາມເສຍຫາຍຈາກເຫດການເຫຼົ່ານີ້ແມ່ນມີຢ່າງຫຼວງຫຼາຍ. ການຫຼອກລວງ deepfake ແຕ່ລະຄັ້ງສາມາດເຮັດໃຫ້ທຸລະກິດເສຍເງິນຫຼາຍຮ້ອຍພັນໂດລາ. ສິ່ງທີ່ໜ້າເປັນຫ່ວງແມ່ນສະຖານະການດັ່ງກ່າວມັກຈະໃຊ້ປະໂຫຍດຈາກຄວາມຮູ້ສຶກຮີບດ່ວນຂອງຜູ້ເຄາະຮ້າຍ - ເຊັ່ນ: ການປອມຕົວເປັນຄົນທີ່ຮັກເພື່ອຂໍຄວາມຊ່ວຍເຫຼືອ - ເຮັດໃຫ້ພວກເຂົາຫຼຸດຜ່ອນຄວາມລະມັດລະວັງໃນເວລາສັ້ນໆ.
'ຕໍ່ສູ້ກັບໄຟດ້ວຍໄຟ' ໂດຍໃຊ້ AI
ເພື່ອຕ້ານກັບສິ່ງນີ້, ບໍລິສັດຮັກສາຄວາມປອດໄພຫຼາຍແຫ່ງກຳລັງເລືອກວິທີການແບບກົງກັນຂ້າມ: ການໃຊ້ AI ເອງເພື່ອກວດຫາ deepfakes.
ວິທີການທົ່ວໄປອັນໜຶ່ງແມ່ນຮູບແບບ "ຄູ-ຜູ້ຝຶກຫັດ" ໃນການຮຽນຮູ້ຂອງເຄື່ອງຈັກ. ລະບົບດັ່ງກ່າວໄດ້ຮັບການຝຶກອົບຮົມໂດຍໃຊ້ຂໍ້ມູນທີ່ແທ້ຈິງ ແລະ ຂໍ້ມູນປອມຈຳນວນຫຼວງຫຼາຍເພື່ອຮຽນຮູ້ວິທີການລະບຸຮ່ອງຮອຍທາງເທັກນິກທີ່ມະນຸດບໍ່ສາມາດເຫັນດ້ວຍຕາເປົ່າ.
ວິທີການນີ້ສ້າງວົງຈອນຕໍ່ເນື່ອງ: ເມື່ອ deepfakes ມີຄວາມຊັບຊ້ອນຫຼາຍຂຶ້ນ, ລະບົບການກວດຈັບຕ້ອງໄດ້ຮັບການຍົກລະດັບຢ່າງຕໍ່ເນື່ອງເພື່ອໃຫ້ທັນກັບຄວາມຕ້ອງການ. ດັ່ງນັ້ນ, ການແຂ່ງຂັນຈຶ່ງເບິ່ງຄືວ່າບໍ່ມີວັນສິ້ນສຸດ.
ເຖິງຢ່າງໃດກໍ່ຕາມ, ສິ່ງທ້າທາຍແມ່ນຢູ່ໃນຄວາມຈິງທີ່ວ່າຄ່າໃຊ້ຈ່າຍໃນການສ້າງເນື້ອຫາປອມກຳລັງມີລາຄາຖືກລົງເລື້ອຍໆ ຍ້ອນການນຳໃຊ້ຮູບແບບ AI ຢ່າງກວ້າງຂວາງ, ໃນຂະນະທີ່ການກວດຈັບ ແລະ ການປ້ອງກັນຕ້ອງການຊັບພະຍາກອນຫຼາຍຂຶ້ນຢ່າງຫຼວງຫຼາຍ.
ວິທີການໃໝ່ອັນໜຶ່ງແມ່ນການສ້າງມາດຕະຖານສຳລັບການກວດສອບຕົ້ນກຳເນີດຂອງເນື້ອຫາ, ຊ່ວຍໃຫ້ຜູ້ໃຊ້ຮູ້ວ່າຂໍ້ມູນມາຈາກໃສ ແລະ ມັນຖືກດັດແກ້ແລ້ວຫຼືບໍ່. ເຖິງຢ່າງໃດກໍ່ຕາມ, ວິທີແກ້ໄຂນີ້ຍັງປະເຊີນກັບຄວາມສ່ຽງຕໍ່ການປອມແປງຖ້າບໍ່ມີລະບົບການກວດສອບທີ່ເຂັ້ມງວດ.
ໃນໄລຍະຍາວ, ເຄື່ອງມືກວດຈັບ deepfake ຄາດວ່າຈະກາຍເປັນຊັ້ນປ້ອງກັນເລີ່ມຕົ້ນ, ເຊິ່ງປະສົມປະສານໂດຍກົງເຂົ້າໃນບຣາວເຊີ, ແພລດຟອມດິຈິຕອນ, ຫຼື ໂຄງສ້າງພື້ນຖານອິນເຕີເນັດ - ຄ້າຍຄືກັບບົດບາດຂອງຊອບແວປ້ອງກັນໄວຣັສໃນປະຈຸບັນ.
ແຫຼ່ງຂໍ້ມູນ: https://tuoitre.vn/deepfake-lan-rong-cuoc-dua-ai-lay-doc-tri-doc-nong-len-2026042808084971.htm
(0)