Un nuevo método para identificar vídeos deepfake alcanza una precisión del 97,8% y consume menos energía que las redes neuronales digitales con un rendimiento similar. La técnica se apoya en la física de la luz, en lugar de en el procesamiento digital convencional, para distinguir contenidos audiovisuales falsos de los auténticos.

Los deepfakes, vídeos manipulados o generados artificialmente que pueden hacer aparecer a personas diciendo o haciendo cosas que nunca ocurrieron, se han convertido en una preocupación creciente para la verificación de contenidos y la seguridad de la información. Los sistemas de detección basados en redes neuronales profundas han demostrado ser eficaces, pero suelen exigir un consumo energético considerable y recursos de cómputo elevados.

La alternativa presentada recurre a la física de la luz para llevar a cabo la tarea de clasificación con un coste energético menor. Según los investigadores, el sistema logra una precisión del 97,8% en la detección de vídeos falsos, un resultado comparable al de las redes neuronales digitales que alcanzan un rendimiento similar, pero con un consumo de energía inferior.

La combinación de precisión alta y eficiencia energética abre la puerta a aplicaciones prácticas en dispositivos con recursos limitados, donde ejecutar modelos digitales de gran tamaño resulta inviable. El trabajo sugiere que los enfoques inspirados en fenómenos físicos, en lugar de en el cálculo puramente digital, pueden competir en tareas de aprendizaje automático relevantes para la sociedad.