
ອົດສະຕາລີພັດທະນາເຕັກໂນໂລຊີ AI ໃນການກວດສອບສຽງປອມເລິກທີ່ມີຄວາມຖືກຕ້ອງໃກ້ຊິດ - ຮູບພາບ: REUTERS
ນັກວິທະຍາສາດ ຂອງອົງການຄົ້ນຄ້ວາວິທະຍາສາດແລະອຸດສາຫະກໍາຂອງສາມັນ (CSIRO), ມະຫາວິທະຍາໄລສະຫະພັນອົດສະຕາລີແລະມະຫາວິທະຍາໄລ RMIT ໄດ້ປະສົບຜົນສໍາເລັດໃນການພັດທະນາວິທີການກວດສອບສຽງເລິກທີ່ມີຄວາມຖືກຕ້ອງແລະຄວາມສາມາດໃນການປັບຕົວທີ່ໂດດເດັ່ນ.
ເທັກນິກໃໝ່, ເອີ້ນວ່າ Rehearsal with Auxiliary-Informed Sampling (RAIS), ຖືກອອກແບບມາໂດຍສະເພາະເພື່ອກວດຫາສຽງທີ່ປອມຕົວ, ເປັນໄພຂົ່ມຂູ່ທີ່ເພີ່ມຂຶ້ນໃນອາຊະຍາກຳທາງອິນເຕີເນັດ, ເຊິ່ງມີຄວາມສ່ຽງລວມທັງການຂ້າມຜ່ານລະບົບການກວດສອບທາງຊີວະມິຕິທາງສຽງ, ການປອມຕົວ ແລະເຜີຍແຜ່ຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງ, CSIRO ກ່າວ.
ເຕັກນິກ RAIS ບໍ່ພຽງແຕ່ກໍານົດຄວາມຖືກຕ້ອງຂອງການຕິດຕາມສຽງເທົ່ານັ້ນ, ແຕ່ຍັງຮັບປະກັນການປະຕິບັດສູງ, ເຖິງແມ່ນວ່າການໂຈມຕີຫຼອກລວງຍັງສືບຕໍ່ພັດທະນາແລະປ່ຽນແປງ.
Dr Kristen Moore, ຜູ້ຂຽນຮ່ວມຂອງການສຶກສາທີ່ Data61 - ຫນ່ວຍບໍລິການຂໍ້ມູນແລະດິຈິຕອຂອງ CSIRO, ແບ່ງປັນວ່າເປົ້າຫມາຍຂອງທີມງານແມ່ນການພັດທະນາລະບົບການກວດພົບທີ່ສາມາດປັບປຸງຕົວຢ່າງ deepfake ໃຫມ່ໂດຍບໍ່ຈໍາເປັນຕ້ອງ retrain ຮູບແບບຈາກ scratch, ຫຼີກເວັ້ນປະກົດການຂອງຕົວແບບລືມຂໍ້ມູນເກົ່າໃນເວລາທີ່ປັບ.
RAIS ແກ້ໄຂບັນຫານີ້ໂດຍການເລືອກອັດຕະໂນມັດແລະເກັບຮັກສາຊຸດຂະຫນາດນ້ອຍ, ຫຼາກຫຼາຍຊະນິດຂອງ deepfakes ທີ່ຜ່ານມາ, ລວມທັງລັກສະນະສຽງທີ່ເຊື່ອງໄວ້, ເພື່ອຊ່ວຍໃຫ້ AI ຮຽນຮູ້ປະເພດ deepfake ໃຫມ່ໃນຂະນະທີ່ຮັກສາຄວາມຮູ້ຂອງເກົ່າ, Moore ອະທິບາຍ.
ໂດຍສະເພາະ, RAIS ເຮັດວຽກໂດຍອີງໃສ່ຂະບວນການຄັດເລືອກອັດສະລິຍະທີ່ສ້າງ "ປ້າຍເສີມ" ສໍາລັບແຕ່ລະຕົວຢ່າງສຽງ. ການລວມເອົາປ້າຍເສີມເຫຼົ່ານີ້, ແທນທີ່ຈະພຽງແຕ່ໃສ່ປ້າຍໃຫ້ເຂົາເຈົ້າເປັນ "ຈິງ" ຫຼື "ປອມ", ຮັບປະກັນຊຸດຂໍ້ມູນການຝຶກອົບຮົມທີ່ອຸດົມສົມບູນແລະຫຼາກຫຼາຍຊະນິດ. ກົນໄກນີ້ຊ່ວຍປັບປຸງຄວາມສາມາດຂອງລະບົບໃນການຈື່ຈໍາແລະປັບປຸງຢ່າງຫຼວງຫຼາຍໃນໄລຍະ.
ອີງຕາມ CSIRO, ໃນລະຫວ່າງການທົດສອບ, RAIS ປະຕິບັດໄດ້ດີກວ່າວິທີການອື່ນໆທີ່ມີອັດຕາຄວາມຜິດພາດສະເລ່ຍ 1.95% ໃນຫ້າການທົດສອບຕິດຕໍ່ກັນ. ລະຫັດແຫຼ່ງສໍາລັບເຕັກນິກນີ້ໄດ້ມີຢູ່ໃນ GitHub - ເວັບໄຊທ໌ທີ່ມີຄວາມຊ່ຽວຊານໃນການເກັບຮັກສາລະຫັດແຫຼ່ງອອນໄລນ໌ໂດຍອີງໃສ່ແພລະຕະຟອມ Git.
ທີ່ມາ: https://tuoitre.vn/uc-phat-trien-cong-cu-vach-tran-giong-noi-gia-bang-deepfake-20251112092232468.htm






(0)