Processador óptico da UCLA analisa 15 vídeos de uma vez para detectar deepfakes

Um processador que mistura eletrônica digital e óptica foi capaz de avaliar 15 ou mais vídeos em uma única passada de luz para decidir quais parecem falsos, e chegou a 97,79% de acurácia em testes. O trabalho é de pesquisadores da UCLA e foi publicado na eLight (2026; 6(1); DOI 10.1186/s43593-026-00143-y), com Parnian Ghapandar Kashani, Shiqi Chen e Aydogan Ozcan na autoria. O texto-base é um comunicado do Light Publishing Center (Instituto de Óptica de Changchun, da Academia Chinesa de Ciências), reproduzido pelo ScienceDaily.

Como funciona

Um codificador digital leve extrai de cada vídeo características compactas de espaço, espectro e tempo. Elas viram um padrão de fase em um modulador espacial de luz programável, e um decodificador óptico passivo, de espaço livre, produz uma nota de autenticidade por vídeo por meio de pares de detectores. Em vez de processar um vídeo por vez de forma digital, o sistema avalia vários ao mesmo tempo.

Os resultados

Com 15 vídeos do conjunto Celeb-DF por passada, em luz visível, a acurácia média foi de 97,79%, com sensibilidade de 99,86% (cerca de 0,14% de falsos negativos) e especificidade de 95,72%. Com 18 vídeos por passada, a acurácia média caiu para 96,13%. Duas camadas difrativas passivas otimizadas melhoraram a acurácia em cerca de 6,8% em manipulações mais difíceis, sem aumento relevante de energia ou latência. Em vídeos inéditos do gerador Google Veo 3, com ajuste mínimo, o sistema teve 94,80% de acurácia e 97,61% de sensibilidade. Os autores relatam resistência a ataques adversariais de caixa-preta e proteção inerente contra os de caixa-branca, porque parte dos parâmetros do modelo está embutida no hardware óptico, e dizem que o desempenho se manteve sob ruído, desfoque, compressão JPEG e desalinhamentos.

Para entender o contexto

Deepfakes são vídeos, áudios ou imagens criados ou alterados por inteligência artificial para parecer que alguém disse ou fez algo que nunca aconteceu. Eles têm sido usados em golpes, desinformação e pornografia não consentida, e detectá-los se tornou um jogo de gato e rato: conforme a detecção melhora, as falsificações também melhoram. No Brasil, o Tribunal Superior Eleitoral proibiu, em 2024, o uso de deepfakes na propaganda eleitoral.

Computação óptica usa luz, e não eletricidade, para fazer parte do processamento, o que em teoria permite analisar muita informação rápido e com pouca energia. Resultados muito bons em um único conjunto de testes, como os 98% descritos, precisam ser confirmados em outros conjuntos de vídeos e contra novas técnicas de falsificação.

Termos úteis

• Deepfake: Conteúdo falso de áudio, imagem ou vídeo, gerado por IA, que imita uma pessoa real.
• Computação óptica: Processamento de informação com luz em vez de eletricidade.
• Conjunto de teste: Dados reservados para avaliar um modelo de IA depois de treinado.

As ressalvas

A maior parte dos números vem do Celeb-DF, em experimentos com luz visível. A acurácia cai quando a capacidade sobe de 15 para 18 vídeos por passada. Nos vídeos do Veo 3 foi preciso um ajuste mínimo, então o resultado não é "zero-shot". A especificidade (95,72%) é menor que a sensibilidade, o que significa que mais vídeos autênticos podem ser marcados como falsos, escolha que prioriza não deixar passar fraudes. Os autores propõem o sistema como um primeiro filtro de alta sensibilidade, com os vídeos suspeitos indo depois para detectores digitais mais pesados, e dizem que ele complementa, e não substitui, esses detectores. Os benefícios de segurança são afirmações dos próprios autores, baseadas em seus experimentos. Usos em moderação de conteúdo, autenticação de mídia e vigilância são sugestões da equipe.