เราสามารถแยกแยะใบหน้าของจริงกับใบหน้าที่สร้างขึ้นโดยเอไอได้หรือไม่ มีข้อสังเกตอย่างไร

ไม่มีสิ่งใดผิดปกติเมื่อพนักงานการเงินในฮ่องกงเข้าร่วมการประชุมทางวิดีโอกับเพื่อนร่วมงานที่บริษัทด้านวิศวกรรมที่ชื่อว่า "อารัป" (Arup) เพื่อหารือเกี่ยวกับการเข้าซื้อกิจการที่เป็นความลับในปี 2024 แต่หลังจากโอนเงิน 25 ล้านดอลลาร์สหรัฐ (840 ล้านบาท) ไป พวกเขาถึงทราบว่าตนเองถูกหลอก บุคคลอื่นทุกคนในที่ประชุม รวมถึงผู้ที่เป็นประธานเจ้าหน้าที่ฝ่ายการเงิน ล้วนเป็นภาพปลอมหรือ ดีพเฟค (deepfake) ที่สร้างขึ้นโดยปัญญาประดิษฐ์ หรือ เอไอ

ใบหน้าที่สร้างด้วยเอไอนั้นถูกแยกออกจากคนจริงได้ยากขึ้นเรื่อย ๆ และการฉ้อโกงโดยใช้ เจนเอไอ (generative AI) คาดว่าจะสร้างความเสียหายเฉพาะในสหรัฐฯ สูงถึง 4 หมื่นล้านดอลลาร์สหรัฐ (ราว 1.3 ล้านล้านบาท) ภายในปีหน้า ตามรายงานในปี 2024 โดยบริษัทที่ปรึกษา ดีลอยท์ (Deloitte)

นั่นคือหนึ่งในเหตุผลที่รองศาสตราจารย์ เอมี ดาเวล นักจิตวิทยาจากมหาวิทยาลัยแห่งชาติออสเตรเลีย ต้องการทราบว่าพวกเราจะสามารถฝึกฝนให้แยกแยะใบหน้าที่สร้างขึ้นโดยเอไอให้ดีขึ้นได้หรือไม่

เธอกล่าวว่า "ตอนนี้เราแยกแยะใบหน้าที่สร้างจากเอไอได้แย่มาก" โดยงานวิจัยระบุว่าเราทำได้ไม่ดีไปกว่าการเดาแบบ 50-50 หรืออาจแย่กว่านั้นเสียอีก

แล้วคุณล่ะ คิดว่าตนเองเก่งแค่ไหนในการแยกแยะใบหน้าที่สร้างจากเอไอออกจากใบหน้าของมนุษย์จริง มาลองทำแบบทดสอบกัน

ใบหน้าแบบที่สมส่วนเหนือค่าเฉลี่ย

หากคุณคิดว่าบททดสอบข้างบนนั้นยาก คุณก็ไม่ใช่คนเดียวที่คิดเช่นนั้น

ดาเวลกล่าวว่า ความยากในการสังเกตใบหน้าที่สร้างโดยเอไอนั้นส่งผลกระทบต่อเราทุกคนในโลก "ไม่ว่าจะเป็นการสร้างบัญชีปลอมเพื่อหลอกลวง (Catfishing) บนเว็บไซต์หาคู่ หรือการพุ่งเป้าไปที่บัญชีธนาคารของเรา"

ในงานวิจัยที่ตีพิมพ์เมื่อเดือน มิ.ย. ในวารสาร PNAS ดาเวลและเพื่อนร่วมงานในออสเตรเลีย แคนาดา และสกอตแลนด์ ได้ทดสอบวิธีการใหม่ในการฝึกอบรมผู้คน

ดาเวลอธิบายว่าในขณะที่เทคโนโลยีเอไอพัฒนาขึ้น ระบบสมัยใหม่ส่วนใหญ่ก็สามารถแก้ไขข้อผิดพลาดที่สังเกตเห็นได้ง่าย และพวกมิจฉาชีพก็ไม่น่าจะใช้ภาพที่มีจุดบกพร่อง

ดังนั้น แทนที่จะสอนให้ผู้คนมองหาความผิดปกติที่เป็นเบาะแส เช่น ต่างหูที่ไม่เข้าคู่กัน หรือลักษณะใบหน้าที่บิดเบี้ยว นักวิจัยกลับฝึกให้พวกเขาตัดสินใจโดยใช้สัญชาตญาณเกี่ยวกับแต่ละใบหน้าในภาพรวมทั้งหมด

"ปัญหาอย่างหนึ่งคือเราคาดหวังว่าใบหน้าที่สร้างจากเอไอจะดูแปลกประหลาด ซึ่งอิงจากประสบการณ์ในอดีต แต่ในความเป็นจริงแล้ว กลับเป็นมนุษย์เสียเองที่ไม่สมมาตรอย่างสมบูรณ์แบบและมีความแปลกที่เป็นเอกลักษณ์เล็กน้อย สมการทั้งหมดจึงพลิกกลับตาลปัตรไปเลย" ดาเวลบอก

งานวิจัยชิ้นก่อนหน้าจากห้องปฏิบัติการของดาเวลพบว่า ใบหน้าที่สร้างจากเอไอถูกตัดสินว่าเป็นมนุษย์บ่อยกว่าใบหน้าของมนุษย์จริง ๆ ซึ่งเป็นปรากฏการณ์ที่พวกเขาเรียกว่า "ความเหมือนจริงขั้นสุดยอดของเอไอ" (AI hyperrealism)

เนื่องจากอัลกอริทึมของเอไอมีแนวโน้มที่จะอ้างอิงค่าเฉลี่ยทางคณิตศาสตร์จากใบหน้าจำนวนหลายหมื่นหน้าที่ใช้ฝึกฝน "ใบหน้าที่สร้างจากเอไอจึงดูมีความเป็นค่าเฉลี่ยมากกว่า หรือมีความสมส่วนเกินค่าเฉลี่ย เมื่อเทียบกับใบหน้าของมนุษย์" ดาเวลกล่าว

สิ่งนี้ "ทำให้พวกเขารู้สึกน่าเชื่อถือขึ้นเล็กน้อย ดูน่าดึงดูดใจขึ้น และรู้สึกคุ้นเคยมากกว่า" ใบหน้าของมนุษย์จริง ๆ

แต่งานวิจัยชิ้นดังกล่าวศึกษาเฉพาะใบหน้าที่สร้างจากเอไอที่เป็นคนผิวขาวเท่านั้น เนื่องจากอัลกอริทึมของเอไอมีแนวโน้มที่จะได้รับการฝึกฝนด้วยใบหน้าคนผิวขาวในสัดส่วนที่สูงกว่า จึงเป็นไปได้ว่าใบหน้าเหล่านี้อาจดูสมจริงเป็นพิเศษเมื่อเทียบกับกลุ่มอื่น ๆ

การฝึกฝน

ในงานวิจัยล่าสุด ทีมงานได้ทำการทดสอบก่อนว่าผู้ใหญ่ 45 คนจะสามารถสังเกตใบหน้าที่สร้างโดยเอไอได้ดีแค่ไหนในช่วงเริ่มต้น ในการทดสอบหนึ่ง พวกเขาจะได้ดูภาพใบหน้าชุดละสามภาพและถูกขอให้เลือกภาพที่สร้างโดยเอไอ ซึ่งพวกเขาตอบถูกเฉลี่ย 41%

จากนั้นผู้เข้าร่วมการทดลองจะต้องผ่านการฝึกอบรมประมาณหนึ่งชั่วโมง

ดาเวลกล่าวว่าการฝึกอบรมนี้เกี่ยวข้องกับการดูใบหน้าประมาณ 100 ภาพ ซึ่งครึ่งหนึ่งเป็นของจริงและอีกครึ่งหนึ่งสร้างโดยเอไอ และขอให้ประเมินลักษณะโดยรวม 6 ประการของแต่ละภาพ ได้แก่ ความโดดเด่น, ความน่าจดจำ, ความสามารถในการแสดงออกทางสีหน้า, ความสมมาตร, ความได้สัดส่วน, และความน่าดึงดูด

ดาเวลระบุว่า ใบหน้าของมนุษย์มักจะมีความโดดเด่น น่าจดจำ และแสดงออกทางอารมณ์ได้มากกว่า ในขณะที่ใบหน้าที่สร้างโดยเอไอมักจะมีความสมมาตร ได้สัดส่วน และน่าดึงดูดมากกว่า

"เราไม่ได้บอกพวกเขาด้วยซ้ำว่าใบหน้าที่สร้างโดยเอไอนั้นมีความสมมาตรมากกว่า สิ่งที่พวกเขาทำมีเพียงการให้คะแนนความสมมาตรเท่านั้น พวกเขาจะถูกบอกว่าภาพไหนเป็นเอไอหรือมนุษย์ และจากการสัมผัสเหล่านั้นทำให้พวกเขาเกิดความรู้สึกขึ้นมาเองว่านี่คือจุดที่ทำให้ใบหน้าทั้งสองแบบแตกต่างกัน" เธอกล่าว

โดยเฉลี่ยแล้วผู้เข้าร่วมการทดลองมีความแม่นยำเพิ่มขึ้นประมาณสองเท่าหลังการฝึกอบรม โดยทำคะแนนในการทดสอบข้างต้นได้ถึง 81%

เพื่อเป็นการติดตามผลการศึกษาชิ้นนี้ ผู้ร่วมงานในแคนาดาได้ทำการฝึกอบรมแบบเดียวกันนี้กับกลุ่มอาสาสมัครอีกกลุ่มหนึ่งแยกต่างหาก

ดาเวลกล่าวว่าพวกเขารวบรวมและ "วิเคราะห์ข้อมูลแยกกัน และพบว่ามีผลประโยชน์ที่ชัดเจนเช่นเดียวกัน"

ใช้สัญชาตญาณตามธรรมชาติ

ดร.อเลฮานโดร เอสตูดิโญ นักจิตวิทยาผู้ศึกษาเกี่ยวกับการรับรู้ทางสายตาจากมหาวิทยาลัยบอร์นมัธ ในสหราชอาณาจักร ซึ่งไม่ได้มีส่วนร่วมในงานวิจัยนี้ เปิดเผยกับบีบีซีว่า เขารู้สึกประหลาดใจเมื่อได้อ่านงานวิจัยดังกล่าว เนื่องจากวิธีการเช่นนี้ขัดแย้งกับวิธีที่ผู้อื่นเคยใช้มาก่อน

แต่เขากล่าวว่าความงดงามของแนวทางใหม่นี้ดึงเอาสัญชาตญาณตามธรรมชาติของเรามาใช้

"มนุษย์ไม่ได้ประมวลผลใบหน้าด้วยการจดจ่ออยู่กับลักษณะเฉพาะแต่ละส่วน แต่สิ่งที่เราใช้คือสิ่งที่เรียกว่าการประมวลผลแบบองค์รวม" เขาอธิบาย ซึ่งเป็นกระบวนการที่เราผสมผสานลักษณะทุกส่วนเข้าเป็นภาพรวมอันหนึ่งอันเดียวกันเพื่อให้เราสามารถจดจำได้อย่างมีประสิทธิภาพ

ตัวอย่างเช่น เมื่อคุณประเมินใบหน้าในด้านความโดดเด่นหรือความสมมาตร คุณไม่ได้โฟกัสไปที่จุดใดจุดหนึ่งเฉพาะเจาะจง แต่คุณต้องโฟกัสไปที่ใบหน้าทั้งหมด

"ไม่มีใครคิดมาก่อนเลยว่า บางทีวิธีที่ดีที่สุดอาจเป็นการบอกให้ผู้เข้าร่วมการทดลองประมวลผลใบหน้าอย่างเป็นธรรมชาติในแบบเดียวกับที่พวกเขาทำในชีวิตประจำวัน" เอสตูดิโญกล่าว

เหมือนกับเกมแมวไล่จับหนู

อย่างไรก็ตาม การศึกษานี้ก็ยังมีข้อจำกัดอยู่เช่นกัน

ดาเวลกล่าวว่า การฝึกอบรมดังกล่าวได้รับการพิสูจน์แล้วว่ามีประสิทธิภาพสูงสำหรับหนึ่งในโปรแกรมสร้างใบหน้าเอไอที่เหมือนจริงที่สุด ที่ชื่อว่า "StyleGAN3" แต่ก็ยังจำเป็นต้องนำไปทดสอบกับโมเดลเอไออื่น ๆ ด้วย

"ผู้เข้าร่วมการทดลองของเราทั้งหมดเป็นกลุ่มคนหนุ่มสาว ดังนั้นจึงมีคำถามสำคัญว่าการฝึกอบรมนี้จะใช้ได้ผลกับกลุ่มอื่นด้วยหรือไม่ เช่น เด็กและผู้สูงอายุ ซึ่งเรารู้ดีว่าเป็นกลุ่มเปราะบางต่อการถูกฉ้อโกงเป็นพิเศษ" เธอเสริม

นักวิจัยกล่าวต่อไปว่า ความท้าทายที่แท้จริงคือมนุษย์กำลังแข่งขันกับระบบเอไอที่พัฒนาขึ้นตลอดเวลา และแม้ว่าจะมีเครื่องมืออัตโนมัติที่ใช้อัลกอริทึมในการตรวจจับเนื้อหาที่สร้างโดยเอไออยู่บ้าง แต่เครื่องมือเหล่านี้ก็มีข้อจำกัดเช่นกัน

เครื่องมือเหล่านี้อาจใช้ได้กับผลิตภัณฑ์เอไอเฉพาะกลุ่มเท่านั้น และอาจประสบปัญหาเมื่อมีโมเดลใหม่ ๆ เกิดขึ้นหรือมีการแก้ไขปรับแต่งภาพ ดังนั้น นักวิจัยจึงบอกว่าการรักษาบทบาทของมนุษย์ไว้ให้อยู่ใจกลางในการสังเกตการณ์ดีพเฟคจากเอไอจึงเป็นเรื่องที่สำคัญยิ่ง

"มันคือเกมไล่จับระหว่างแมวกับหนู เปรียบเสมือนไวรัสคอมพิวเตอร์ที่พวกมันคอยปรับเปลี่ยนรูปแบบไปเรื่อย ๆ และพวกเราก็ต้องคอยปรับตัวตามให้ทันเช่นกัน" ดาเวลกล่าว

ถึงกระนั้น เธอก็เชื่อว่าผลการค้นพบนี้นับเป็น "เหตุผลที่ดีที่จะมีความหวัง"

เธอกล่าวทิ้งท้ายว่า ในที่สุดแล้วอาจมีการพัฒนาการฝึกอบรมที่คล้ายคลึงกันนี้ เพื่อช่วยให้ผู้คนสามารถระบุเสียงและวิดีโอที่สร้างโดยเอไอ รวมถึงภาพใบหน้านิ่งได้ เพื่อให้พวกเราทุกคนมีความพร้อมดียิ่งขึ้นในการแยกแยะว่าเรากำลังพูดคุยอยู่กับเพื่อนร่วมงานจริง ๆ หรือกำลังเผชิญหน้ากับดีพเฟคจากเอไอ