实现“产品系列化、运营集团化、通路国际化、服务本地化、办公智能化”
的目标，打造世界一流的智能应用及运营管理平台。
计算机生成的深度伪造图像乍一看与真实照片一模一样。如今，研究人员正在利用天文学技术确定这些图像的真实性。
在英国皇家天文学会近日举办的国家天文学会议上，英国赫尔大学数据科学、人工智能和建模卓越中心主任Kevin Pimbblet介绍了这项研究。研究人员使用通常用于调查遥远星系的方法分析了人脸图像，通过测量眼球如何反射光，可以发现图像处理的迹象。
“这项研究虽然不是灵丹妙药，但提供了一种潜在的方法和一个重要的前进方向，也许可以帮助人们确定图像真假。”Pimbblet说。
人工智能（AI）的进步使区分真实与生成的图像、视频、音频变得越来越困难。Pimbblet说，真实照片应该具有“一致的物理特性”，“所以你在左眼球中看到的反射应该与在右眼球中见到的反射非常相似”。这些差异是微妙的，因此为了检测它们，研究人员采用了分析天文图像中光线的技术。
这项尚未发表的工作构成了Adejumoke Owolabi硕士论文的基础。Owolabi来自赫尔大学，他从Flickr Faces HQ数据集中获取真实图像，并使用图像生成器创建了假面孔。随后，他使用CAS系统和基尼指数这两种天文测量方法分析了人像眼球的光源反射情况。CAS可以系统量化物体光分布的集中度、不对称性和平滑度；基尼指数衡量的则是星系图像中光线分布的不均匀性。
通过比较眼球中的光源反射，Owolabi可以在大约70%的情况下正确预测图像真假。最终，研究人员发现，基尼指数在预测图像是否被篡改方面优于CAS系统。
但美国加州大学圣克鲁斯分校天体物理学家Brant Robertson警告说：“如果你能用一个指标量化深度伪造图像的真实度，那么你也可以通过优化这个指标来训练AI模型产生更好的深度造假图像。”
英国南安普顿大学人工智能研究员黄志武（音）表示，他的研究并没有发现深度伪造图像中眼睛的光线模式不一致。但他说，虽然这项技术不一定广泛适用，但可能有助于分析图像不同部分的亮度、阴影和反射中的微妙异常。“检测光物理性质的不一致性有望作为现有方法的补充，并提高深度伪造检测的整体准确性。”（李木子）