Modelong AI na UNITE Kayang Tuklasin ang Anumang Deepfake Nang Hindi Nakasalalay sa Mga Mukha

Ang mga siyentipiko ay ngayon nilulutas ang problema ng AI gamit ang mismong AI. Ang mga mananaliksik mula sa UC Riverside ay lumikha ng modelong UNITE upang tugunan ang malubhang problema ng deepfakes. 

“Karapat-dapat malaman ng mga tao kung ang kanilang nakikita ay tunay,” sabi ni Rohit Kundu, isang PhD na kandidato mula sa Marlan at Rosemary Bourns College of Engineering ng UCR, na nanguna sa papel ‘Patungo sa Isang Pangkalahatang Synthetic Video Detector: Mula sa Manipulasyon ng Mukha o Background hanggang sa Ganap na AI‑Generated na Nilalaman.¹ “At habang mas gumaganda ang AI sa paglikha ng pekeng realidad, kailangan din nating mas paghusayin ang paghahayag ng katotohanan.”

Nakipagtulungan ang mga mananaliksik sa mga siyentipiko mula sa Google, isang Alphabet (GOOG ) na kumpanya, upang bumuo ng isang bagong modelo ng AI na nakakatuklas ng pamamanipula ng video at nagbubunyag ng pekeng nilalaman, na ginagamit upang magpalaganap ng maling impormasyon at mag-udyok ng pinsala. Binanggit ng pag-aaral:

“Ang mabilis na paglaganap ng maling impormasyon, lalo na sa mga kritikal na panahon tulad ng eleksyon, ay naglilinaw ng pangangailangan para sa mga pangkalahatang modelo ng pagtuklas na kayang kilalanin ang iba’t ibang manipulasyon, kabilang ang mukha, background, at ganap na AI‑generated na T2V/I2V na nilalaman na may o walang mga taong paksa.”

Ang modelo ay kayang tuklasin ang parehong bahagyang manipuladong at ganap na synthetic na mga video. Sa halip na magpokus lamang sa mukha, tulad ng karamihan sa tradisyonal na detector, sinusuri ng modelong ito ang buong frame, kahit na walang tao sa video.

Ito ay ginagawa itong isang makapangyarihang kasangkapan na maaaring gamitin ng mga fact‑checker, guro, editor, mga platform ng social media, at iba pa upang pigilan ang pag‑viral ng mga peke na video.

Ang Pagsikat ng AI at ang Resultang Synthetic Overload

Ang Artificial Intelligence (AI) ay may napakalaking potensyal sa pag‑rebolusyon sa iba’t ibang aspeto ng ating buhay at trabaho. 

Ang kakayahan ng teknolohiyang ito sa awtomasyon, pagsusuri ng datos, at paggawa ng desisyon ay nagsimulang baguhin na ang mga industriya, na inaasahang magdadagdag ng multi‑trilyong dolyar sa pandaigdigang ekonomiya sa pagtatapos ng dekadang ito.

Isang pag-aaral ng higanteng market‑forecasting na IDC tinatantiya na ang pag‑angat ng AI ay magpapalago sa pandaigdigang ekonomiya ng kabuuang $19.9 trilyon pagsapit ng 2030.

Samantala, ang pananaliksik ng McKinsey ay inaasahang ang halaga na idinadagdag ng generative AI ay aabot sa $4.4 trilyon sa 63 na kaso ng paggamit na sinuri ng pandaigdigang consulting firm. Tinatayang 75% ng halaga na maibibigay ng AI ay nasa apat na larangan:

• R&D
• Software Engineering
• Marketing at Sales
• Operasyon ng Customer

Habang ang epekto ng teknolohiya ay inaasahang magiging makabuluhan sa lahat ng sektor, ang teknolohiya at pagbabangko ang maaaring makaranas ng pinakamalaking epekto bilang porsyento ng kanilang kita mula sa generative AI. Ang Goldman Sachs (GS ) ay may parehong pananaw, inaasahang tataas ng 7% ang pandaigdigang GDP dahil sa AI. Ang mga ekonomista ng bangko, sina Joseph Briggs at Devesh Kodnani, noong iyon ay nagpuna:

“Sa kabila ng malaking kawalan ng katiyakan tungkol sa potensyal ng generative AI, ang kakayahan nitong lumikha ng nilalaman na hindi mapagkaiba sa gawa ng tao at ang pag‑breakdown ng mga hadlang sa komunikasyon sa pagitan ng tao at makina ay nagpapakita ng isang malaking pag‑unlad na may potensyal na malawak na macro‑ekonomikong epekto.”

Gayunpaman, ang parehong kakayahan ng sistemang kompyuter na magsagawa ng mga gawain tulad ng pag‑aaral, paglutas ng problema, at paggawa ng desisyon na karaniwang nangangailangan ng katalinuhan ng tao, na handang baguhin ang mundo, ay nagdudulot din ng kaguluhan. 

Habang lalong nagiging sopistikado ang teknolohiya, lalong nagiging malabo ang hangganan sa pagitan ng kung ano ang tunay at kung ano ang peke.

Bakwhy Ang Mga Lumang Deepfake Detector ay Hindi Na Gumagana

Sa nakaraang ilang taon, ang mga pag‑unlad sa AI ay nagdulot ng walang kapantay na pag‑dagsa ng synthetic na media. Ayon sa mga pagtatantiya na nagsasabing higit sa kalahati ng mas mahabang mga post sa LinkedIn ay kasalukuyang sinusulat ng AI. Pagkatapos ay may tinatawag na ‘AI slop’, na tumutukoy sa mababang kalidad, mass‑produced na nilalaman na nilikha ng AI.

Ngunit ang pinaka‑nakababahalang bahagi ay ang mga deepfake, na mga larawan, video, o audio recording na nilikha o binago gamit ang AI. Ito ay pekeng nilalaman na gumagamit ng AI upang magpakita ng maling representasyon bilang makatotohanan.

Sa kasalukuyan, ang ganitong uri ng nilalaman ay nasa lahat ng sulok ng Internet. Ang mga hyper‑realistic na digital media na ito ay nagdudulot ng kalituhan at nagkakalat ng maling impormasyon. Nagbubukas din ito ng banta sa privacy at seguridad ng mga tao. 

Gumagamit ang mga cybercriminal ng AI upang palakasin ang kanilang mga taktika, nagsasagawa ng phishing scams at identity thefts nang may nakakatakot na katumpakan. Ayon kay Kundu:

“Nakakatakot kung gaano na kadaling ma‑access ang mga tool na ito. Sinuman na may katamtamang kasanayan ay maaaring lampasan ang mga safety filter at lumikha ng makatotohanang video ng mga pampublikong tao na nagsasabi ng mga bagay na hindi nila nasabi.”

Sa isang insidente, nag‑pose ang mga cybercriminal bilang chief financial officer (CFO) ng isang kumpanya sa isang Zoom meeting, na nagdulot ng pagkawala ng $25 milyon. 

Ito ay simula pa lamang, gayunpaman, ayon sa Deloitte na nag‑predict na ang mga pag‑kawala dulot ng ganitong mga insidente ay aabot sa $40 bilyon sa US pagsapit ng 2027, tumaas mula sa $12.3 bilyon noong 2023. Natuklasan din ng ulat ng US Treasury na ang “kasalukuyang mga framework sa pamamahala ng panganib”“ na inampon ng mga kumpanya ay maaaring hindi sapat upang takpan ang lumalabas na teknolohiyang AI.”

Hindi ibig sabihin nito na walang mga tool na makakatulong tuklasin ang AI na nilalaman at protektahan ang sarili laban sa mga panganib ng teknolohiya. Maraming mga tool ang available sa merkado.

Ang mga kumpanyang naglulunsad ng mga bagong AI tool upang gawing madali ang paglikha ng bagong nilalaman ay nag‑introduce din ng paraan upang matukoy ang synthetic na data.

Noong 2020, ang tech giant Microsoft (MSFT ) ay nag‑announce ng Video Authenticator upang suriin ang isang larawan o video upang magbigay ng confidence score para matukoy kung ang media ay artipisyal na binago. Ang tool ay gumagana sa pamamagitan ng pagtuklas ng blending boundary ng deepfake at mga subtle fading na maaaring hindi makita ng mata ng tao.

Noong panahong iyon, nag‑introduce din ito ng teknolohiya upang kilalanin ang pekeng nilalaman at kumpirmahin ang pagiging tunay ng media na kinikilos ng mga tao. Kasama rito ang tool na nagbibigay-daan sa isang creator na magdagdag ng digital hashes at certificates sa kanilang nilalaman, na nananatili dito bilang metadata. Ang mga mambabasa, sa kabilang banda, ay maaaring mag‑check ng mga certificate at i‑match ang mga hash para sa pagiging tunay ng nilalaman.

Nagbigay babala ang tech giant tungkol sa panandaliang gamit ng teknolohiya sa panahon ng AI‑fueled age. Dahil ang mga deepfake ay nilikha ng AI na patuloy na natututo, panahon lamang ito bago malagpasan nila ang tradisyonal na mga detection method.

Sa halos parehong panahon, ang Facebook, isang Meta kumpanya, ay nagsimula ng kompetisyon upang bumuo ng deepfake detector gamit ang data na hindi pa dati na naa-access ng mga mananaliksik.

Ilang taon na ang nakalipas, ang Intel (INTC ) ay nag‑lunsad ng FakeCatcher, isang real‑time deepfake detector na inaangkin nilang may accuracy na 96%.

Gumamit ang tool ng OpenVino upang patakbuhin ang mga AI model para sa face at landmark detection algorithms, habang ang mga computer vision block ay na‑optimize gamit ang Integrated Performance Primitives at OpenCV. Sa hardware, kayang patakbuhin ng platform ang higit sa 70 na iba’t ibang detection stream kasabay sa 3rd‑gen Xeon® Scalable processors.

Sa halip na maghanap kung ano ang mali, tinitingnan ng FakeCatcher ang mga authentic clues sa pamamagitan ng pagsuri kung ano ang nagpapakilala sa atin bilang tao at pagkatapos pinahihintulutan ang mga algorithm na i‑translate ang mga signal na iyon sa spatiotemporal maps, at sa huli, gamit ang deep learning upang agad matukoy kung ang video ay tunay o peke.

Noong nakaraang taon, ang OpenAI ay nag‑announce na nagsasaliksik ng mga tool upang makatulong sa pagiging tunay ng nilalaman.

Kabilang dito ang text watermarking, na binanggit nilang epektibo laban sa localized tampering ngunit hindi gaanong epektibo laban sa globalized tampering. Sinabi rin nila na maaaring “disproportionately impact”“ ang mga grupong tulad ng mga hindi katutubong nagsasalita ng Ingles.

Ang update na ito ay dumating matapos ang Wall Street Journal na nag‑report na ang kumpanya ay nakabuo na ng tool na naglalagay ng watermark at tumutuklas ng ChatGPT‑generated na teksto na may “mataas na katumpakan”” para sa ilang panahon, ngunit hindi pa nakagawa ng desisyon na ilabas ito.

Dagdag pa rito, sumali ang OpenAI sa Steering Committee ng C2PA (Coalition for Content Provenance and Authenticity), isang malawak na ginagamit na pamantayan para sa sertipikasyon ng digital na nilalaman. Idinadagdag ng kumpanya ang C2PA metadata sa lahat ng larawan na nilikha at inedit ng lahat ng kanilang serbisyo, bilang bahagi ng mga tool sa pagtuklas ng imahe.

Sa taong ito, ang Google ay naglunsad din ng sarili nitong AI‑generated na text, image, audio, at video detection tool na tinatawag na SynthID Detector. 

Gayunpaman, ang tool ng Google ay gumagana lamang para sa nilalaman na nilikha gamit ang AI services ng higanteng tech tulad ng Gemini, Imagen, Veo, at Lyria. Ito ay dahil ang tool ay pangunahing kinikilala ang presensya ng isang “watermark”“ na naka‑embed sa output ng mga produkto ng Google.

Ang watermark ay isang natatanging, machine‑readable na elemento na naka‑embed sa nilalaman. Hindi ito nakikilala ng mga tao, ngunit maaaring matuklasan at i‑extract ng mga algorithm na binuo para sa layuning iyon.

Sa Loob ng Teknolohiyang Nagpapatakbo ng Breakthrough ng UNITE

Kaya, habang ang AI ay mabilis na umuunlad, ganoon din ang mga kasangkapan upang matuklasan ang nilalaman na nilikha gamit ang tulong nito. Ngunit wala pang ganap na universal tool na maaaring magamit ng lahat sa lahat ng uri ng AI na nilalaman.

Bukod pa rito, ang pokus ng umiiral na mga deepfake detection technique, partikular, ay nananatiling nakatuon sa facial manipulations tulad ng lip‑syncing o face‑swapping, at ang mga pag‑unlad sa teknolohiya ay nagiging hindi sapat.

Sa pag‑usbong ng makabuluhang pag‑unlad sa text‑to‑video (T2V) at image‑to‑video (I2V) generative models, ngayon ay posible na para sa sinuman na madaling lumikha ng lubos na kapanipaniwala, ganap na AI‑generated synthetic content at seamless background alterations. Ito, siyempre, ay naglalagay ng lahat mula sa indibidwal hanggang sa institusyon at maging mga bansa sa seryosong panganib.

Sa kontekstong ito, ang ganap na pag‑asa ng mga naunang deepfake detector sa mukha ay nagiging lipas na sa mas teknolohikal na advanced na mundo ngayon. 

“Kung walang mukha sa frame, maraming detector ay simpleng hindi gumagana. Ngunit ang disinformation ay maaaring dumating sa maraming anyo. Ang pagbabago ng background ng isang eksena ay maaaring i‑distort ang katotohanan nang kasing dali.”

– Kundu

Kaya, ang tradisyonal na mga detector ay hindi gumagana sa mga bagong manipulasyon, dahil ang bagong synthetic content na ngayon ay tampok ang buong eksena at background ay nagiging hamon sa mga face‑centric detection method.

Ito ay nangangailangan ng mas versatile na pamamaraan. Bilang solusyon sa problemang ito, ipinakilala ng mga mananaliksik mula sa UC Riverside ang UNITE.

Ang Universal Network for Identifying Tampered and Synthetic Videos (UNITE) model ay sumasaklaw sa full‑frame manipulations.

“Ang mga deepfake ay nag‑evolve,“ sabi ni Kundu, na nakatuon sa paggamit ng foundation models para sa advanced vision tasks, kabilang ang image segmentation at fake media detection. “Hindi na lang ito tungkol sa face swaps. Ngayon ay gumagawa na ang mga tao ng ganap na pekeng video – mula sa mukha hanggang sa background – gamit ang makapangyarihang generative models. Ang aming sistema ay binuo upang mahuli lahat ng iyon.”

Pinapalawak ng modelo ang kakayahan ng pagtuklas sa mga senaryo kung saan walang mukha o walang tao, at bukod pa rito, maaari nitong tuklasin ang mga subtle spatial at temporal discrepancies at kahit masakop ang komplikadong pagbabago sa background na hindi napansin ng mga naunang sistema.

Kaya, sa pamamagitan ng pagsusuri ng mga mukha kasama ang background at motion patterns, na sumasaklaw sa buong video frames, nag‑aalok ang UNITE ng isa sa mga unang ganitong kasangkapan upang tuklasin ang synthetic videos na hindi nakasalalay lamang sa facial content.

Para dito, gumagamit ang modelo ng transformer‑based deep learning model,  isang uri ng neural network na gumagamit ng isang multi‑head attention mechanism upang iproseso ang sequential data. Dito, ang teksto ay kinokonvert sa numerical representations na tinatawag na tokens. Ang arkitekturang ito ay aktwal na ang pundasyon para sa maraming modernong language model tulad ng GPT. 

Sa pamamagitan ng pagproseso ng impormasyon nang sabay‑sabay, ang mga transformer ay maaaring magpadali ng mas mabilis na training at pinahusay na performance.

Sa kaso ng UNITE, ang transformer‑based architecture ay nagpoproseso ng domain‑agnostic features na kinukuha mula sa mga video sa pamamagitan ng SigLIP‑So400M foundation model. Ang pundasyong AI framework na SigLIP ay kumukuha ng mga feature na hindi nakatali sa isang partikular na object o tao.

Dahil sa limitadong datasets na sumasaklaw sa mga pagbabago sa parehong facial/background at text‑to‑video/ image‑to‑video content, gumamit ang koponan ng makabago na training strategies para sa kanilang modelo. Ibig sabihin nito ay pagsasanay gamit ang data na hindi kaugnay sa task kasama ang standard deepfake data. 

Kaya, bukod sa popular na FaceForensics++ dataset, gumamit din ang koponan ng SAIL‑VOS‑3D dataset, na nag‑simulate ng kumplikadong kapaligiran, nag‑aalok ng iba’t ibang synthetic na eksena na kapaki‑pakinabang para sa pagsasanay ng AI detection models.  Kapansin‑pansin, ang dataset na ito ay orihinal na dinisenyo para sa 3D video object segmentation sa laro ng GTA‑V. Bagaman hindi AI‑generated, ang dataset ay ganap na synthetic at, bilang gayon, tumutulong mag‑simulate ng AI‑generated media. Natuklasan ng koponan na, pinahusay nito ang kakayahan ng kanilang modelo na tuklasin ang iba’t ibang anyo ng synthetic manipulation.

Nagbigay ang Google ng access sa kinakailangang datasets pati na rin sa computing resources upang i‑train ang modelo. 

Upang bawasan ang pag‑tutok ng modelo sa mukha, gumamit din ang koponan ng attention‑diversity (AD) loss, na nag‑e‑encourage ng varied spatial attention sa buong mga video frame.

Ang AD loss ay pinagsama sa cross‑entropy, na kilala rin bilang log loss function, at karaniwang ginagamit sa machine learning (ML) upang sukatin ang performance ng classification model, upang mapabuti ang performance ng modelo sa iba’t ibang sitwasyon.

Ang simpleng pagsasanay ng modelo sa cross‑entropy (CE) loss ay nagiging mahirap para dito na harapin ang mga video kung saan may tunay na tao ngunit manipuladong background o nilalaman na nilikha ng T2V at I2V models.

Kaya, ipinakilala ng koponan ang AD loss, na nag‑uutos sa system na subaybayan ang maraming visual region sa bawat frame, kaya pinapalakas ang kakayahan ng modelo na makuha ang mahahalagang senyales mula sa foreground at background.

Ang AD loss ay nagmamarka ng pangunahing inobasyon sa approach ng koponan, na nagbibigay-daan sa UNITE na hindi lamang mag‑excel sa pagtuklas ng AI‑generated at background‑altered videos kundi pati na rin magkaroon ng kapansin‑pinansyang pag‑angat sa pagtukoy ng karaniwang na face‑manipulated na nilalaman.

Sa paghahambing ng performance ng UNITE sa iba pang mga modelo, natuklasan ng koponan na “lumalampas ito sa state‑of‑the‑art detectors sa mga dataset (sa cross‑data settings) na tampok ang face/background manipulations at ganap na synthetic T2V/I2V videos, na ipinapakita ang adaptability at generalizable detection capabilities nito.”

Sa isang mundong patuloy na nagiging digital at automated, ang bagong sistema ay nag‑aalok ng universal detector na maaaring mag‑flag ng iba’t ibang pekeng content, mula sa simpleng facial swaps hanggang sa komplikado, ganap na synthetic na video na nilikha nang walang totoong footage. Ayon kay Kundu:

“Ito ay isang modelo na kayang hawakan lahat ng mga senaryong ito. Iyan ang dahilan kung bakit ito ay universal.”

Sa kasalukuyan, ang UNITE, ayon sa mga lumikha nito, ay isang mahalagang kasangkapan sa umuusbong na landscape ng synthetic video detection. Sa lalong madaling panahon, inaasahan itong mag‑play ng pangunahing papel sa pagtatanggol laban sa video disinformation.

Pag‑invest sa AI‑based Detection

Sa larangan ng AI, Palantir Technologies (PLTR ) ay kilala sa kanilang AI‑powered data integration, pattern recognition, at anomaly detection. 

Ang kumpanya ay nagpapatakbo sa pamamagitan ng apat na pangunahing software platform: Gotham, Foundry, Apollo, at AIP. Ang Apollo ay isang single control layer na nag‑coordinate ng configuration, security updates, at delivery ng mga bagong feature upang matiyak ang tuloy‑tuloy na operasyon ng mga kritikal na sistema. Ang Gotham ay nagbibigay-daan sa mga user na tuklasin ang mga pattern na nakatago sa malalim na datasets, habang ang Foundry ay nagsisilbing operating system para sa epektibong asset at risk management. Ang AIP ay nagbibigay-daan sa mga kumpanya na patakbuhin ang LLMs at iba pang modelo nang may buong kontrol.

Palantir Technologies

Ang Palantir ay may malalim na ugnayan sa pamahalaan ng US, militar, at mga intelligence agency. Sa taong ito, nakuha nila ang kontratang $30 milyong dolyar upang dalhin ang AI analysis sa immigration records.

Sa market cap na $372 bilyon, ang PLTR shares ay kasalukuyang nagte‑trade sa $157.72, tumaas ng 109.35% YTD, salamat sa demand para sa AI, malawak na interes ng retail, at lumalawak na kontrata sa gobyerno. Ang EPS (TTM) nito ay 0.23, at ang P/E (TTM) ay 687.90.

Pinansyal, iniulat ng Palantir ang 39% YoY na pagtaas ng revenue sa $884 milyon sa Q1 2025. Ang US revenue nito, samantala, ay tumaas ng 55% YoY sa $628 milyon, kabilang ang $255 milyon sa US commercial revenue at $373 milyon sa US government revenue.

Sa panahong ito, naitala ng kumpanya ang pinakamataas nitong quarter ng US commercial total contract value, na may natitirang deal value na $2.32 bilyon. 

Ang bilang ng customer ng Palantir sa 1Q25 ay tumaas ng 39% YoY. Ang GAAP earnings per share nito ay $0.08, at ang adjusted EPS ay $0.13. Ang cash, cash equivalents, at short‑term US Treasury securities ay $5.4 bilyon sa katapusan ng quarter.

“Nagde‑deliver kami ng operating system para sa modern enterprise sa panahon ng AI. Nasa gitna kami ng isang tectonic shift sa adoption ng aming software, partikular sa US.”

– CEO Alexander C. Karp

Latest Palantir Technologies (PLTR) Stock News and Developments

Conclusion

Ang pagdating ng artificial intelligence ay lubos na nagbago ang mundo, kung saan ang mga indibidwal at organisasyon ay patuloy na yumayakap sa teknolohiya upang pahusayin ang produktibidad at pagpapahusay ng paggawa ng desisyon.

Inaasahang mag‑ambag ng trilyon sa pandaigdigang ekonomiya, ang AI ay hindi walang panganib. Ang mga deepfake at ang paggamit nito upang mag‑misinform at manloko ay isa sa mga pinakamahalagang panganib ng malawak na pag‑adopt ng AI. 

Habang nagiging mas mahirap tukuyin kung ano ang tunay at kung ano ang synthetic, ang mga tool tulad ng UNITE ay nagiging lalong mahalaga at kagyat. Sa pamamagitan ng pangkalahatang AI model na ito bilang proteksyon laban sa pekeng nilalaman, maaaring mapababa natin ang negatibong epekto ng AI habang pinapalawak at tinatamasa ang mga positibong epekto nito sa ating trabaho at buhay.

I‑click dito upang matutunan ang lahat tungkol sa pag‑invest sa artificial intelligence.

References:

1. Kundu, R.; Xiong, H.; Mohanty, V.; Balachandran, A.; Roy‑Chowdhury, A. K.; et al. Patungo sa Isang Pangkalahatang Synthetic Video Detector: Mula sa Manipulasyon ng Mukha o Background hanggang sa Ganap na AI‑Generated na Nilalaman. arXiv preprint arXiv:2412.12278 (2024). https://doi.org/10.48550/arXiv.2412.12278