Detektor deepfake firmy Nvidia osiąga dokładność sięgającą 94%

Wraz z upływem czasu coraz trudniej jest wykryć fałszywe wiadomości, a filmy generowane przez sztuczną inteligencję sprawiają, że odróżnienie prawdziwych wydarzeń od sfabrykowanych staje się niemal niemożliwe. Firma Nvidia wkracza obecnie na rynek głównego nurtu, wprowadzając narzędzie zaprojektowane specjalnie dla firm medialnych w celu weryfikacji informacji, które przekazują.

Podczas konferencji SIGGRAPH 2026 firma Nvidia zaprezentowała swój nowy detektor filmów syntetycznych (Synthetic Video Detector) – mikrousługę NIM, która skanuje każdą klatkę filmu lub rzekomego materiału wideo, a następnie generuje wynik lub prognozę wskazującą, czy film został wygenerowany przez sztuczną inteligencję. Celem mikrousługi NIM jest wsparcie ekspansji firmy Nvidia w branży medialnej poprzez umożliwienie zespołom redakcyjnym szybkiego dostarczania rzetelnych wiadomości oraz sygnalizowania fałszywych informacji, zanim trafią one do ogólnokrajowej telewizji.

Wiceprezes firmy Nvidia ds. technologii fizycznej symulacji sztucznej inteligencji, Rev Lebaredian, wyjaśnił w komunikacie prasowym powody stworzenia systemu wykrywania syntetycznych filmów, stwierdzając, że ta sama technologia, która służy do tworzenia generatywnych filmów opartych na sztucznej inteligencji, może być również wykorzystywana do ich wykrywania.

Obecnie firma Nvidia udostępnia już tę technologię platformie Wowza – rozwiązaniu klasy korporacyjnej do obsługi transmisji na żywo i serwerów multimedialnych, z którego korzysta wiele sieci informacyjnych. Dyrektor generalny Wowza, Krish Kumar, potwierdził już integrację detektora syntetycznych filmów firmy Nvidia z infrastrukturą Wowza. Stwierdził on, że firma zmierza w kierunku wdrażania sztucznej inteligencji do swoich transmisji w czasie rzeczywistym i strumieni na żywo, zaznaczając, że „rynek zmierza w kierunku systemów wideo na żywo, które mogą generować wartość jeszcze w trakcie trwania transmisji”.

Obiecujący nieliniowy spadek dokładności przy zastosowaniu kompresji

Jeśli chodzi o wydajność w czasie rzeczywistym, firma Nvidia twierdzi, że moduł Synthetic Video Detector jest w stanie wykrywać treści wygenerowane przez sztuczną inteligencję z 92-procentową dokładnością w przypadku nieskompresowanego materiału wideo. Dokładność spada do 87%, gdy materiał wideo jest skompresowany o 15%, natomiast przy kompresji wynoszącej 50% utrzymuje się na stosunkowo przyzwoitym poziomie, wykazując nieliniowy spadek do 82%.

Szybkie rozwiązanie, którego testy wskazują na potencjalnie wyższą dokładność po wprowadzeniu drobnych poprawek

Najciekawszym i najbardziej opłacalnym aspektem mikrousługi NIM dla sieci medialnych jest jej zdolność do wykrywania materiałów wideo wygenerowanych przez sztuczną inteligencję z prędkością 22 ms na plik wideo w rozdzielczości 1080p na systemach RTX oraz 30 ms na procesorach graficznych L40.

Jednakże własne wewnętrzne testy firmy Nvidia z wykorzystaniem najnowszego modelu pozwoliły osiągnąć wskaźnik AUC na poziomie 0,9614 oraz dokładność wynoszącą 94%. Sieci informacyjne i inne organizacje mogą dostosowywać i konfigurować swoje progi zgodnie z własnymi wymaganiami.

Obecnie firma Wowza wdraża już usługę NIM do swojej platformy Video Intelligence Framework, która obejmuje 35 000 wdrożeń w prawie 170 krajach, co oznacza, że oznaczanie materiałów wideo w czasie rzeczywistym obejmie usługi transmisji na żywo wykraczające poza tradycyjne redakcje.