Yapay zekanın internette giderek daha fazla yer aldığı, gerçek içerikle sahte haberleri ayırt etmeyi zorlaştırdığı bir dönemdeyiz. Bugün gördüğümüz her resim veya video, yapay zeka tarafından üretilmiş olabilir ve geleneksel ayırt edici özellikler hızla kayboluyor. Yapay zeka ile üretilen içerikleri tanımlamaya yardımcı olan araçlar mevcut. Yapay zeka yarışının ana kazananlarından biri olarak kabul edilen Nvidia, kendi aracını tanıttı: "Sentetik Video Dedektörü" (SVD).
SVD, Nvidia Inference Microservice (NIM) kapsamında yer alan ve şirketin AI for Media Private Access Programı'nın bir parçasıdır. Bu nedenle tüketiciye doğrudan açık değil ancak bir demo sürümü mevcut. SVD'nin görevi basit: bir videonun gerçek mi yoksa yapay zeka kullanılarak mı üretildiğini tespit etmek. Videoları ölçekte analiz edebilir, anomalileri tespit etmek için kare kare inceleyebilir. Bu teknoloji, bilgisayar görüş konferansı ICCV'de ödül kazanan en son araştırmalara dayanmaktadır.
SVD, video dosyasını bütün olarak ele almak yerine, her biri 504x504 çözünürlükte kırpılmış karelere böler. Bu kareler daha sonra Meta tarafından üretilen iki güçlü Vision Transformer'dan geçirilir: DINOv2 ve DINOv3. Bir vision transformer'ın görevi, insan etiketli verilere ihtiyaç duymadan örüntüler oluşturmayı öğrenmektir. Bunlar genellikle görüntü sınıflandırma, görüntü geri çağırma, nesne tespiti ve derinlik tahmini için kullanılır.
Bu nedenle, kareler bu transformer'lardan geçtikten sonra, belirgin uzamsal özellikleri hızla değerlendirilir ve her birine 0 ile 1 arasında bir puan verilir; 0 tam anlamıyla gerçek bir görüntüyü, 1 ise tamamen sahte bir görüntüyü temsil eder. Sonunda puanlar toplanarak ortalama oluşturulur, bu da kullanıcıya videonun gerçek olup olmadığını %100 üzerinden bir puanla bildirir.
Bu sayede haber ajansları, yayıncılar ve medya kuruluşları aldıkları görüntüleri daha hızlı ve daha güvenilir bir şekilde doğrulayabilir. SVD, sosyal medya sıkıştırmasının getirdiği gerçeklikle bile çalışacak şekilde tasarlanmıştır, çünkü çevrimiçi yüklenen videolardaki kusurlar maskelenecektir. Ancak transformer'lar, insan gözünün algılayamadığı örüntüleri tespit ederek, yüzeydeki anomalilerin ötesine geçip içsel artefaktlara odaklanabilir.
Yapay zeka GVD kıyaslamasında görüldüğü gibi, sıkıştırılmamış videolar en iyi sonuçları verir ve SVD %92 gibi etkileyici bir doğruluk oranı sergiler. %15 sıkıştırmada modelin doğruluğu %87'ye düşerken, %50 sıkıştırma oranıyla bile yapay zeka tarafından üretilen içeriği tespit etmede hala %82 gibi oldukça etkileyici bir doğruluk oranı elde edilir. Bu bir mikroservis olduğundan, olağanüstü bir gecikme süresine sahiptir; Nvidia RTX GPU'larda 1080p videoyu sadece 22 milisaniyede, Nvidia'nın iş istasyonu modellerinde ise 30 milisaniyede işler.
Bununla birlikte, SVD'nin NVENC kodlayıcıyı gerektirmesi nedeniyle, B100 gibi veri merkezi kartları bunu yerel olarak çalıştıramaz. Nvidia, gerçek zamanlı sentetik video tespitini canlı yayın iş akışlarına getirmek için Wowza ile çalıştığını belirtti. Bir demo sürümü şu anda build.nvidia.com adresinde denenebilir, ancak bulutta gerçekleştiği için işlemin uzun sürdüğünü, maksimum dosya boyutu limitinin yalnızca 100 MB olduğunu ve genellikle zaman aşımına uğradığını unutmayın.
