联系我们

德刀

“深沉的假货”很快就会进入地理位置

发表

 on

对“深沉的假货”的担忧开始扩展到地理信息科学(GIS)等其他领域。 Binghamton University的研究人员现在开始解决这一潜在问题。 

该团队包括诚信邓地理学副教授,以及华盛顿大学的博昭和逸尚孙和俄勒冈州立大学的少年徐和春兴徐。 

新的研究发表在 制图和地理信息科学, 标题为“深伪地理?当地理空间数据遇到人工智能时。“

在论文中,该团队探讨了如何构建和检测虚假卫星图像。 

“老实说,我们可能是第一个认识到这一潜在问题的人,” Deng said.

地理信息科学(GIS)和Geoai 

地理信息科学(GIS)用于许多不同的应用,包括国防和自治车辆。通过发展地理空间人工智能(Geoai),AI技术对该领域产生了影响。

地理用途 机器学习 提取和分析地理空间数据。然而,Geoai也可以用于假冒GPS信号,关于社交媒体的位置信息,制造地理环境的照片,以及各种其他危险应用。

“我们需要按照道德保持所有这些。但与此同时,我们研究人员还需要注意并找到一种方法来区分或识别这些假图像,” Deng said. “通过大量数据集,这些图像可以对人眼看起来真实。”

构建虚假图像

检测人工构造的图像的第一步是构建一个,因此该团队依赖于创建循环一致的对冲网络(Consforgan)的常用技术。 cleftgan是一个无人监督的 深度学习 可以模拟合成介质的算法。 

作为AI的生成对抗网络(GAN)需要培训它们被编程以产生的内容的样本。例如,GaN可以通过确定不同的可能性来在地图上生成空点的内容。

研究人员出发了改变华盛顿塔科马的卫星形象,以及它们的西雅图和北京的散布元素,同时使其尽可能逼真。然而,研究人员警告了这种任务。 

“It’不是关于该技术的;它’关于人类如何使用该技术,” Deng said. “我们希望为好的技术使用技术,而不是为了糟糕的目的。”

在创建之后,团队比较26个不同的图像指标,以确定真假图像之间是否存在任何统计差异,并且它们在26个指标中的20个(80%)中注册了这样的差异。 

差异包括屋顶的颜色,实图像中的颜色是均匀的,而复合材料中的颜色呈斑驳。该团队还发现假卫星图像不那么多彩,更暗淡,但它也有更敏锐的边缘。据邓,差异取决于用于发展假的投入。

该研究为进一步工作奠定了基础,这可能使地理学家能够跟踪不同类型的神经网络,以了解它们如何产生假图像,这也导致更好的检测。该团队表示需要制定系统方法,以便检测到深度假货并验证该领域的信任信息。 

“我们都想要真相,” Deng said.

 

Alex McFarland是一个历史学家和记者,涵盖了人工智能最新的发展。