Ученые нашли способ научить людей распознавать сгенерированные лица лучше, чем алгоритмы

Почему дипфейки стали глобальной угрозой?

С 2023 по 2025 год количество дипфейков в сети выросло на невероятные 900%. Технологии генеративного ИИ развиваются настолько быстро, что обычные признаки подделок – такие как искаженный фон или лишние пальцы – остались в прошлом. Теперь мошенники используют сверхреалистичные изображения для обмана, дезинформации и создания порнографии без согласия жертв, пишет Gizmodo.

Смотрите также Технологическая независимость: Украина планирует строительство суверенного дата-центра для ИИ

Масштабы проблемы поражают. По прогнозам, убытки от ИИ-мошенничества только в США к 2027 году могут достичь 40 миллиардов долларов. Ведущий мировой эксперт по цифровой криминалистике Хани Фарид признал: создание дипфейков стало настолько дешевым и быстрым, а их проверка – дорогостоящей, что он больше не может доверять собственным глазам.

Искусственный интеллект уже подрывает доверие даже к науке. В апреле 2026 года авторитетный медицинский журнал New England Journal of Medicine отозвал статью из-за сгенерированного ИИ клинического изображения. Кроме того, нейросети сумели всего за 12 часов написать 400 научных статей по финансам, которые рецензенты не смогли отличить от работ, написанных людьми.

Текстовые модели также научились искусно маскироваться. Например, модель GPT-4.5 прошла тест Тюринга, успешно выдав себя за человека в 73% случаев благодаря стилизации под молодого интроверта. Для сравнения: LLaMa-3.1-405B достигла показателя в 56%, а GPT-4o – всего 21%.

В чем секрет нового метода распознавания?

Новое исследование предлагает отказаться от поиска мелких ошибок алгоритмов. Вместо этого ученые советуют сосредоточиться на общем впечатлении от лица.

Ведущая авторка, доцент Австралийского национального университета (ANU) Эми Давел отмечает, что для выявления подделок недостаточно просто знать правила. Людям необходимо тренировать свою интуицию на практике. Ученые выделили шесть ключевых характеристик, на которые стоит обращать внимание:

• симметрия;
• пропорциональность;
• привлекательность;
• выразительность;
• уникальность;
• запоминаемость.

Поскольку ИИ создает лица на основе математического усреднения десятков тысяч реальных портретов, результат получается слишком идеальным. Люди подсознательно чувствуют это: они оценивают лица, созданные ИИ, как более симметричные и привлекательные, но в то же время менее выразительные и уникальные.

Как проходило обучение и какие результаты оно дало?

До начала эксперимента обычные люди демонстрировали низкие результаты. Участники могли выявить ИИ-лицо среди двух настоящих лишь в 41% случаев, а точность определения отдельного сгенерированного портрета составляла 47%.

В ходе обучения 45 добровольцев прошли шесть блоков по 96 заданий. Их не заставляли искать технические дефекты, а просили оценивать лица по упомянутым шести визуальным качествам. После такой тренировки средняя точность распознавания почти удвоилась, а лучшие участники достигли практически стопроцентного результата.

Этот метод оказался стабильным и надежным. Результаты австралийских коллег успешно повторила команда профессора Джима Танаки и доктора Эрика Ма из Университета Виктории в Канаде. Это доказывает, что онлайн-методику можно легко и недорого масштабировать для обучения большого количества людей.

Почему это открытие меняет правила игры?

Новый подход дает реальное оружие против дезинформации без необходимости использования сложных коммерческих программ, которые часто дают сбои. Онлайн-обучение можно интегрировать в образовательные программы, чтобы массово повысить цифровую грамотность общества.

Пока что этот метод тестировали только на генераторах статичных изображений. Ученые пока не знают, поможет ли такой подход выявлять поддельные аудиозаписи или видео-дипфейки.