Deepfake: Bisakah Anda mengenali wajah ciptaan AI?

Kesulitan dalam mengenali wajah buatan AI punya dampak nyata yang memengaruhi kita semua, kata Dawel, “baik itu penipuan identitas, atau di situs kencan, atau menargetkan rekening bank kita”.

Dalam sebuah studi yang diterbitkan pada Juni di jurnal PNAS, Dawel dan rekan-rekannya di Australia, Kanada, dan Skotlandia menguji pendekatan baru untuk melatih orang.

Seiring dengan peningkatan teknologi AI, kesalahan-kesalahan yang jelas telah diperbaiki. Lagipula, menurut Dawel, penipu cenderung tidak akan menggunakan foto atau gambar yang terlihat janggal.

Alih-alih mengajari orang untuk mencari tanda-tanda kesalahan seperti anting yang tidak serasi atau fitur wajah yang terdistorsi, para peneliti melatih khalayak untuk membuat penilaian naluriah tentang setiap wajah secara keseluruhan.

“Salah satu masalahnya adalah kita mengharapkan wajah AI menjadi aneh, dan ini berdasarkan pengalaman masa lalu. Tetapi sebenarnya manusialah yang tidak sepenuhnya simetris dan sedikit unik,” kata Dawel.

Penelitian Dawel sebelumnya menemukan bahwa wajah ciptaan AI lebih sering disangka wajah manusia daripada wajah manusia yang sesungguhnya—sebuah fenomena yang mereka sebut hiperrealisme AI.

Karena algoritma AI cenderung mengambil rata-rata matematis dari puluhan ribu wajah yang digunakan untuk pelatihannya, “wajah AI sebenarnya terlihat lebih rata-rata, atau hiperrata-rata, dibandingkan dengan wajah manusia,” kata Dawel.

Hal ini “membuat mereka merasa sedikit lebih dapat dipercaya, terlihat sedikit lebih menarik, dan terasa lebih akrab” daripada wajah manusia asli.

Namun, studi tersebut hanya meneliti wajah-wajah kulit putih yang dihasilkan oleh AI.

Algoritma AI cenderung dilatih secara tidak proporsional pada wajah-wajah kulit putih, jadi ada kemungkinan wajah-wajah ini tampak sangat realistis dibandingkan dengan yang lain.

Dalam studi terbaru, tim awalnya memeriksa seberapa baik 45 orang dewasa dapat mengenali wajah ciptaan AI.

Dalam satu tes, para responden diperlihatkan serangkaian tiga wajah dan diminta untuk memilih wajah ciptaan AI. Rata-rata mereka benar sebesar 41%.

Para peserta kemudian menjalani pelatihan selama sekitar satu jam.

Dawel mengatakan bahwa pelatihan ini memperlihatkan sekitar 100 wajah kepada para responden—setengahnya wajah asli dan setengahnya lagi wajah ciptaan AI.

Mereka diminta menilai setiap wajah berdasarkan enam karakteristik keseluruhan: kekhasan, daya ingat, ekspresivitas, simetri, proporsionalitas, dan daya tarik.

Menurut Dawel, wajah manusia cenderung lebih khas, mudah diingat, dan ekspresif, sedangkan wajah ciptaan AI seringkali lebih simetris, proporsional, dan menarik.

“Kami bahkan tidak memberi tahu mereka bahwa wajah AI lebih simetris,” katanya.

“Yang mereka lakukan hanyalah menilai simetri wajah tersebut. Mereka diberi tahu apakah itu wajah AI atau manusia, dan melalui paparan itu mereka mendapatkan pemahaman bahwa inilah perbedaan wajah AI dan wajah manusia.”

Rata-rata, peserta mengalami peningkatan akurasi hampir dua kali lipat setelah pelatihan, yaitu dari 41% menjadi 81%.

Sebagai tindak lanjut dari studi ini, para peneliti di Kanada menjalankan pelatihan yang sama pada kelompok relawan yang berbeda.

Menurut Dawel, mereka “menganalisis data secara terpisah dan menemukan manfaat kuat yang sama”.

Dr. Alejandro Estudillo, seorang psikolog yang mempelajari persepsi visual di Universitas Bournemouth, Inggris, yang tidak terlibat dalam penelitian ini, mengatakan kepada BBC bahwa ia terkejut ketika membaca penelitian tersebut karena bertentangan dengan metode yang telah digunakan oleh orang lain.

Menurutnya keindahan dari pendekatan baru ini adalah metode itu memanfaatkan naluri alami kita.

“Manusia tidak memproses wajah dengan berfokus pada fitur-fitur individual. Sebaliknya, yang kita gunakan adalah sesuatu yang disebut pemrosesan holistik,” jelasnya, yaitu ketika kita menggabungkan semua fitur menjadi satu kesatuan yang dapat kita kenali secara efisien.

Ketika Anda menilai wajah berdasarkan kekhasan atau simetri, misalnya, Anda tidak berfokus pada fitur spesifik, tetapi harus berfokus pada keseluruhan wajah.

“Tidak ada yang menyangka bahwa mungkin pendekatan terbaik sebenarnya adalah meminta peserta untuk memproses wajah secara alami dengan cara yang sama seperti yang mereka lakukan dalam kehidupan sehari-hari,” kata Estudillo.

Namun, penelitian ini memiliki keterbatasan.

Dawel mengatakan bahwa pelatihan tersebut telah terbukti sangat efektif untuk salah satu generator wajah AI paling realistis, StyleGAN3, tetapi perlu diuji pada model AI lainnya.

“Semua peserta kami adalah orang dewasa muda, jadi ada pertanyaan penting tentang apakah pelatihan ini mungkin efektif untuk, misalnya, anak-anak, dan orang dewasa yang lebih tua, yang kita ketahui juga sangat rentan terhadap penipuan,” tambahnya.

Para peneliti mengatakan, tantangan sebenarnya adalah bahwa manusia sekarang sedang berlomba dengan sistem AI yang terus berkembang dari waktu ke waktu.

Tersedia alat otomatis yang menggunakan algoritma untuk mendeteksi konten yang dihasilkan AI, tetapi alat-alat ini memiliki keterbatasan.

Mereka mungkin hanya berfungsi pada produk AI tertentu dan dapat mengalami kesulitan ketika model baru muncul atau gambar diedit. Oleh karena itu, para peneliti mengatakan sangat penting untuk tetap menempatkan manusia sebagai inti dari pendeteksian deepfake AI.

“Ini seperti permainan kucing dan tikus,” kata Dawel. “Ini seperti virus komputer yang terus bergerak, dan kita juga harus terus bergerak untuk mengimbangi mereka.”

Meskipun demikian, dia percaya bahwa temuan ini memberikan “alasan yang baik untuk berharap”.

Dia menyarankan pelatihan serupa mungkin akan dikembangkan untuk membantu orang mengidentifikasi suara dan video yang dihasilkan AI, serta wajah statis— sehingga kita semua mungkin lebih siap untuk membedakan apakah kita sedang melakukan panggilan dengan kolega kita yang sebenarnya atau deepfake AI.