나탈리 에브너(Natalie Ebner) 심리학 교수가 이끄는 최근 연구에 따르면, 디지털 위조물을 처리하는 방식에서 생물학적 지능과 인공지능 사이에 뚜렷한 차이가 있음이 밝혀졌다. 머신러닝 알고리즘은 정적인 픽셀 패턴을 분석할 때 97%에 육박하는 정확도를 보이지만, 움직임 속에서 나타나는 불일치를 포착하는 인간 특유의 직관을 모방하는 데는 여전히 어려움을 겪고 있다.

실험 과정에서 AI 모델은 인간을 쉽게 속인 얼굴 합성 이미지를 완벽히 찾아냈으나, 조작된 영상 앞에서는 무력한 모습을 보였다. 실제로 영상 탐지 시 AI 모델은 무작위 추측과 다를 바 없는 낮은 성능을 보였지만, 인간은 63%의 확률로 조작된 영상을 식별해냈다. 연구진은 인간이 현재 알고리즘이 간과하기 쉬운 미세한 행동 단서나 부자연스러운 신체 움직임을 감지했기 때문인 것으로 분석했다.

플로리다 대학교(University of Florida) 연구팀은 현재 뇌 영상 촬영과 의사결정 분석을 통해 인간의 의구심을 유발하는 구체적인 '적신호'를 추적하고 있다. 특히 인간의 뇌가 시간이 지남에 따라 변하는 정보를 처리하는 방식을 규명함으로써 AI의 성능 한계를 극복하고자 한다. 무엇보다 이번 연구는 디지털 보안의 미래가 협력적 방어에 있음을 강조하며, 기계의 빠른 패턴 인식과 인간의 정교한 관찰력을 결합하는 것이 선거와 금융 시스템을 위협하는 딥페이크에 맞서는 가장 강력한 방패가 될 것임을 시사한다.

나탈리 에브너(Natalie Ebner) 심리학 교수가 이끄는 최근 연구에 따르면, 디지털 위조물을 처리하는 방식에서 생물학적 지능과 인공지능 사이에 뚜렷한 차이가 있음이 밝혀졌다. 머신러닝 알고리즘은 정적인 픽셀 패턴을 분석할 때 97%에 육박하는 정확도를 보이지만, 움직임 속에서 나타나는 불일치를 포착하는 인간 특유의 직관을 모방하는 데는 여전히 어려움을 겪고 있다.

실험 과정에서 AI 모델은 인간을 쉽게 속인 얼굴 합성 이미지를 완벽히 찾아냈으나, 조작된 영상 앞에서는 무력한 모습을 보였다. 실제로 영상 탐지 시 AI 모델은 무작위 추측과 다를 바 없는 낮은 성능을 보였지만, 인간은 63%의 확률로 조작된 영상을 식별해냈다. 연구진은 인간이 현재 알고리즘이 간과하기 쉬운 미세한 행동 단서나 부자연스러운 신체 움직임을 감지했기 때문인 것으로 분석했다.

플로리다 대학교(University of Florida) 연구팀은 현재 뇌 영상 촬영과 의사결정 분석을 통해 인간의 의구심을 유발하는 구체적인 '적신호'를 추적하고 있다. 특히 인간의 뇌가 시간이 지남에 따라 변하는 정보를 처리하는 방식을 규명함으로써 AI의 성능 한계를 극복하고자 한다. 무엇보다 이번 연구는 디지털 보안의 미래가 협력적 방어에 있음을 강조하며, 기계의 빠른 패턴 인식과 인간의 정교한 관찰력을 결합하는 것이 선거와 금융 시스템을 위협하는 딥페이크에 맞서는 가장 강력한 방패가 될 것임을 시사한다.