{"id":12159,"date":"2026-07-17T00:00:44","date_gmt":"2026-07-17T03:00:44","guid":{"rendered":"https:\/\/ilheusnews.com.br\/?p=12159"},"modified":"2026-07-17T00:00:44","modified_gmt":"2026-07-17T03:00:44","slug":"os-deepfakes-ficaram-muito-melhores-cientistas-respondem-com-nova-ia","status":"publish","type":"post","link":"https:\/\/ilheusnews.com.br\/?p=12159","title":{"rendered":"Os deepfakes ficaram muito melhores; cientistas respondem com nova IA"},"content":{"rendered":"
\n

Uma equipe internacional de pesquisadores desenvolveu um novo m\u00e9todo para identificar v\u00eddeos manipulados por intelig\u00eancia artificial (IA)<\/a>, os chamados deepfakes<\/a>, com uma taxa m\u00e9dia de acerto superior a 95%.<\/p>\n

A abordagem, criada por cientistas da Universidade de T\u00f3quio (Jap\u00e3o<\/a>) e do Instituto Max Planck de Inform\u00e1tica (Alemanha<\/a>), deixa de procurar imperfei\u00e7\u00f5es visuais e passa a analisar se as express\u00f5es faciais correspondem naturalmente \u00e0 fala da pessoa.<\/p>\n

Segundo os pesquisadores, o sistema conseguiu detectar manipula\u00e7\u00f5es que passaram despercebidas por diversos detectores j\u00e1 existentes, representando um avan\u00e7o na busca por ferramentas mais eficazes contra v\u00eddeos falsificados.<\/p>\n

O trabalho foi apresentado no artigo \u201cExposeAnyone: Personalized Audio-to-Expression Diffusion Models Are Robust Zero-Shot Face Forgery Detectors\u201d, divulgado durante a edi\u00e7\u00e3o de 2026 da Confer\u00eancia IEEE\/CVF sobre Vis\u00e3o Computacional e Reconhecimento de Padr\u00f5es (CVPR, na sigla em ingl\u00eas).<\/p>\n<\/p>\n

\n
Nossa abordagem de detec\u00e7\u00e3o de falsifica\u00e7\u00e3o facial por autoaprendizagem: pr\u00e9-treinamos nosso modelo de difus\u00e3o de \u00e1udio para express\u00e3o em uma cole\u00e7\u00e3o de v\u00eddeos n\u00e3o rotulados em larga escala. Em seguida, personalizamos nosso modelo pr\u00e9-treinado com v\u00eddeos de refer\u00eancia de uma pessoa de interesse (POI) inserindo um adaptador espec\u00edfico para o sujeito. Finalmente, autenticamos os v\u00eddeos suspeitos da POI pela dist\u00e2ncia de reconstru\u00e7\u00e3o por difus\u00e3o \u2013 Imagem: arXiv (2026)<\/figcaption><\/figure>\n<\/div>\n

Deepfakes se tornam cada vez mais dif\u00edceis de identificar<\/h2>\n

Os pesquisadores destacam que a IA generativa j\u00e1 \u00e9 capaz de produzir imagens e v\u00eddeos praticamente indistingu\u00edveis de grava\u00e7\u00f5es reais para o olho humano.<\/p>\n

Embora essa tecnologia tenha diversas aplica\u00e7\u00f5es \u00fateis, ela tamb\u00e9m amplia os riscos de desinforma\u00e7\u00e3o, roubo de identidade e fraudes. Por isso, desenvolver m\u00e9todos confi\u00e1veis para identificar deepfakes tornou-se uma das principais \u00e1reas de pesquisa em IA.<\/p>\n

O estudo foi conduzido por Kaede Shiohara e Toshihiko Yamasaki, da Universidade de T\u00f3quio, em parceria com Vladislav Golyanik, pesquisador s\u00eanior e chefe do grupo 4D and Quantum Vision do Instituto Max Planck de Inform\u00e1tica.<\/p>\n

M\u00e9todo abandona busca por artefatos visuais<\/h2>\n

Segundo os autores, os detectores de deepfake mais precisos dispon\u00edveis atualmente costumam utilizar aprendizado supervisionado, sendo treinados com grandes conjuntos de v\u00eddeos aut\u00eanticos e manipulados.<\/p>\n

Esse modelo, por\u00e9m, apresenta uma limita\u00e7\u00e3o importante: ele pode acabar aprendendo caracter\u00edsticas espec\u00edficas de determinados m\u00e9todos de falsifica\u00e7\u00e3o, fen\u00f4meno conhecido como overfitting, tornando-se menos eficiente diante de t\u00e9cnicas in\u00e9ditas.<\/p>\n

J\u00e1 os m\u00e9todos autossupervisionados utilizam apenas v\u00eddeos aut\u00eanticos durante o treinamento. Embora sejam considerados mais resistentes ao surgimento de novas tecnologias de deepfake, normalmente apresentam n\u00edveis inferiores de precis\u00e3o.<\/p>\n

Os pesquisadores afirmam que a nova t\u00e9cnica \u00e9 a primeira abordagem autossupervisionada capaz de combinar robustez com altas taxas de detec\u00e7\u00e3o, superando os m\u00e9todos supervisionados existentes.<\/p>\n

Express\u00f5es faciais s\u00e3o comparadas com a fala<\/h2>\n