🎬 深度伪造问题正变得真实

让我坦诚地说——想到深度伪造，我夜里睡不好觉。好吧，这有点夸张，但说真的，人工智能如今生成逼真虚假视频的速度确实令人不安。我们都见过那些疯传的视频片段：名人说着他们从未说过的话，或者政客发表会让真正的自己感到尴尬的声明。

问题在于？我们检测这些伪造视频的工具一直未能跟上步伐。直到现在，也许吧。

光如何应对虚假视频

加州大学洛杉矶分校（UCLA）的科学家们做了一件相当了不起的事。他们创造了一种深度伪造检测器，它不仅依赖数字处理，还利用光来完成部分繁重的计算。老实说，这感觉像是出自科幻电影。

基本思路是这样的：与其将视频逐个输入计算机程序（这既慢又耗能），他们的系统将多个视频的信息转换为光的模式。随后，这些光通过一些巧妙的光学硬件，自动完成部分分析——仅通过光行为的物理特性即可实现。

可以这样理解：与其拥有一个产品沿单条装配线移动的工厂，不如拥有多条同时运行的装配线，其中部分工作通过光本身的自然属性来完成。是不是很巧妙？

为什么这比你可能想象的更重要

让我拆解一下为什么这实际上很重要：

速度： 传统的深度伪造检测器通常按顺序逐个检查视频。UCLA 的系统可以在单次处理中处理15个视频，他们已测试至18个。这不是渐进式的改进；对于需要筛选大量内容的人来说，这是游戏规则的改变者。

准确性： 这里指的是97.79%的准确率。该系统仅漏检约0.14%的虚假视频。对于筛查工具而言，这种灵敏度至关重要——你真的不希望被操纵的内容溜过去。

能源效率： 关键在于：系统的光学部分是被动的。它不需要电力来完成计算。光只是……自行运作。这意味着深度伪造检测可能无需依赖嗡嗡作响的大型数据中心。

但等等，还有更多

研究人员不仅用简单的目标进行测试。他们还将 Google VEO-3 视频投入测试——这是目前最新、最复杂的 AI 视频生成器之一。该系统在最小调整下仍达到94.80%的准确率。

这一点很重要，因为新的深度伪造越来越难被捕捉。它们缺乏早期世代所具有的明显破绽。这种基于光的方法能够合理地泛化到新的操纵技术，表明它可以在 AI 不断演进的过程中适应。

他们甚至发现，增加更多光学“层”（基本上是让光通过额外的工程表面）可将准确率提高近7%，而不会增加有意义的能源成本。这就像升级硬件却无需支付电费。

它会被愚弄吗？

关于深度伪造最令人不安的一点是，攻击者可以故意修改视频以愚弄检测系统——细微的改动旨在让伪造内容在算法看来显得真实。

团队针对这些所谓的“对抗性攻击”测试了他们的系统，结果表现相当稳健。光学处理在某些方面似乎本质上更难被愚弄，这增加了另一层防御。

我的看法

看，我认为在合成媒体领域我们正处于一场军备竞赛，我真心相信像这样的工具能让防御方有一搏之力。研究人员正在探索从根本上不同于传统 AI 的方法，这令人鼓舞。

我们不会仅靠任何单一技术解决深度伪造问题。但像这样的系统——更快、更高效、更难被愚弄——可以在大规模层面构成第一道防线。内容平台、新闻机构和安全专业人员无需在地下室放置超级计算机，即可筛查海量视频。

光驱动 AI 的时代可能比我们想象的更近。老实说，这是一种解脱。

来源： ScienceDaily