Методи та засоби виявлення фейкового контенту засобами штучного інтелекту: огляд сучасних підходів

Abstract

У тезах представлено огляд сучасних методів та засобів виявлення фейкового контенту із застосуванням штучного інтелекту. Запропоновано класифікацію підходів за чотирма модальностями – текст, зображення, відео та аудіо – з виокремленням наскрізного рівня мультимодального аналізу. Розглянуто трансформерні детектори фейкових і згенерованих текстів, методи виявлення дипфейків на основі згорткових та трансформерних нейронних мереж, а також системи виявлення синтезованого мовлення із застосуванням самокерованого навчання. Показано, що сучасні детектори демонструють високу точність у межах окремого набору даних, проте суттєво втрачають ефективність на реальних даних та щодо невідомих генеративних моделей. Виявлено наукову прогалину – відсутність комплексних мультимодальних засобів виявлення, здатних узгоджено аналізувати різнорідні сигнали, та обґрунтовано перспективність їх розроблення.

The theses present a review of modern methods and means of detecting fake content using artificial intelligence. A classification of approaches by four modalities – text, image, video, and audio – is proposed, with a cross-cutting multimodal analysis layer highlighted. Transformer-based detectors of fake and AI-generated texts, deepfake detection methods based on convolutional and transformer neural networks, and synthetic-speech detection systems using selfsupervised learning are considered. It is shown that modern detectors achieve high accuracy within a single dataset but significantly lose effectiveness on in-the-wild data and against unseen generative models. A scientific gap is identified – the absence of comprehensive multimodal detection tools capable of jointly analysing heterogeneous signals – and the prospects for their development are substantiated.