Visão Computacional e Ética Algorítmica: Desafios no Reconhecimento e na Detecção de Deepfakes
Computer Vision and Algorithmic Ethics: Challenges in the Recognition and Detection of Deepfakes
DOI:
https://doi.org/10.51473/rcmos.v2i2.2022.1865Palavras-chave:
visão computacional; ética algorítmica; deepfake; inteligência artificial; detecçãoResumo
A ascensão dos deepfakes representa um dos maiores desafios éticos e tecnológicos do século XXI. Com base em técnicas de visão computacional e aprendizado profundo, esses conteúdos manipulados desafiam os limites da confiança digital e a própria noção de verdade nas mídias contemporâneas. Este artigo científico examina as interseções entre a evolução da visão computacional e os princípios da ética algorítmica, destacando como os avanços em redes neurais convolucionais e modelos generativos adversariais (GANs) impactam a detecção e o reconhecimento de falsificações digitais. A análise contempla não apenas a dimensão técnica, mas também as implicações sociais, legais e morais envolvidas na disseminação de deepfakes, apontando caminhos para o desenvolvimento de sistemas éticos e transparentes.
Downloads
Referências
ARENDT, H. Truth and politics. New York: The New Yorker, 1967.
BOMMASANI, R. et al. On the opportunities and risks of foundation models. Stanford: Stanford University, 2021.
CAPPELLETTI, I. A imagem pós-fotográfica: simulação e verdade na era algorítmica. Revista Famecos, São Paulo, 2020.
CHESNEY, R.; CITRON, D. Deep fakes: a looming challenge for privacy, democracy, and national security. California Law Review, v. 107, 2019. DOI: https://doi.org/10.2139/ssrn.3213954
CITRON, D. Sexual privacy. Yale Law Journal, 2020.
CRAWFORD, K. Atlas of AI: power, politics, and the planetary costs of artificial intelligence. New Haven: Yale University Press, 2021. DOI: https://doi.org/10.12987/9780300252392
DIGNUM, V. Ethics in artificial intelligence: introducing the ethics by design framework. Ethics and Information Technology, 2018. DOI: https://doi.org/10.1007/s10676-018-9450-z
EKMAN, P. Emotions revealed. New York: Times Books; Henry Holt, 2003.
FLORIDI, L.; COWLS, J. A unified framework of five principles for AI in society. Harvard Data Science Review, 2019. DOI: https://doi.org/10.1162/99608f92.8cd550d1
GOODFELLOW, I. et al. Generative adversarial nets. In: PROCEEDINGS OF THE 27TH INTERNATIONAL CONFERENCE ON NEURAL INFORMATION PROCESSING SYSTEMS. Montreal, 2014.
HARARI, Y. N. 21 lessons for the 21st century. Londres: Jonathan Cape, 2018.
KARRAS, T. et al. A style-based generator architecture for generative adversarial networks. In: IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION. 2019. DOI: https://doi.org/10.1109/CVPR.2019.00453
KORSUNHOV, P.; MARCEL, S. Deepfakes: a new threat to face recognition? In: IEEE INTERNATIONAL CONFERENCE ON BIOMETRICS THEORY, APPLICATIONS AND SYSTEMS. 2018.
KUNER, C.; MITSCH, J. AI regulation in a transnational context. European Data Protection Law Review, 2020.
MARR, D. Vision: a computational investigation into the human representation and processing of visual information. San Francisco: W. H. Freeman, 1982.
MARTÍNEZ-PÉREZ, M. Algorithmic geopolitics and informational warfare. Journal of Strategic Analysis, 2021.
MARREN, I. et al. Exposing deepfake videos by detecting eye blinking. In: IEEE CONFERENCE ON COMPUTER VISION WORKSHOPS. 2019.
MITTAL, S. et al. Emotional reasoning in deepfakes detection via multimodal networks. In: AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE. 2020.
NGUYEN, T. et al. Adversarial machine learning in the age of deepfakes. Journal of Machine Learning Research, 2019.
RADFORD, A. et al. Learning transferable visual models from natural language supervision. OpenAI, 2021.
RUSSELL, S.; NORVIG, P. Artificial intelligence: a modern approach. 3. ed. Upper Saddle River: Prentice Hall, 2010.
SURESH, H.; GUTTAG, J. A framework for understanding sources of harm throughout the machine learning life cycle. In: CONFERENCE ON FAIRNESS, ACCOUNTABILITY, AND TRANSPARENCY. 2019.
VACCARI, C.; CHADWICK, A. Deepfakes and disinformation: an experimental test. New Media & Society, 2020.
VERDOLIVA, L. Media forensics and deepfakes: an overview. IEEE Signal Processing Magazine, 2020. DOI: https://doi.org/10.1109/JSTSP.2020.3002101
VINCENT, N. et al. Ethical applications of synthetic media. In: ACM CONFERENCE ON FAIRNESS, ACCOUNTABILITY, AND TRANSPARENCY. 2020.
Downloads
Publicado
Edição
Seção
Categorias
Licença
Copyright (c) 2022 Matheus de Oliveira Pereira Paula (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Este trabalho está licenciado sob a Licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0). Isso significa que você tem a liberdade de:
- Compartilhar — copiar e redistribuir o material em qualquer meio ou formato.
- Adaptar — remixar, transformar e construir sobre o material para qualquer propósito, inclusive comercial.
O uso deste material está condicionado à atribuição apropriada ao(s) autor(es) original(is), fornecendo um link para a licença, e indicando se foram feitas alterações. A licença não exige permissão do autor ou da editora, desde que seguidas estas condições.
A logomarca da licença Creative Commons é exibida de maneira permanente no rodapé da revista.
Os direitos autorais do manuscrito podem ser retidos pelos autores sem restrições e solicitados a qualquer momento, mesmo após a publicação na revista.
Como Citar
