Исследователи заставили один ИИ подсовывать другому ИИ отредактированные медицинские изображения. Так модель
научилась определять фейки и теперь ее невозможно взломать.
Ученые предложили новый метод обучения систем глубокого обучения, чтобы сделать их более отказоустойчивыми и надежными в тех случаях, которые являются критическими с точки зрения безопасности.
Для этого ученые соединили нейронную сеть, отвечающую за восстановление изображений, с моделью, которая генерирует состязательные примеры (изображения, где меняется небольшая часть оригинала). Во время обучения один ИИ пытался обмануть другой, показывая ему картинки, которые незначительно отличаются от оригинала. Модель реконструкции же постоянно анализировала картинки и пыталась определить, оригинал это или отредактированная картинка.
В результате сеть нашла все отредактированные фотографии — этот результат лучше, чем у других нейронных сетей. Во время экспериментов ученые попытались вручную взломать систему и показать ей сотни версий отредактированных изображений, но все из них были отклонены.