‹ 返回

用光速打擊假影片！UCLA 團隊打造「光學神經網路」：一次檢測 15 部 Deepfake，省電 90% 且精準度破 97%

 

科楠老師
2026-10-6

 

    在生成式 AI 飛速發展的今天，從深偽換臉（Deepfake）到像 Google VEO-3、Sora 等文字生成影片（Text-to-Video）工具，AI 製造出來的影片早已到了「假作真時真亦假」的地步。然而，面對每秒鐘數以萬計湧入社群網路與影音平台的影片，傳統的數位深度學習演算法（如大型 CNN 或 Transformer）雖然精準，卻面臨著致命的瓶頸——運算量過於龐大、電力消耗驚人，且難以抵禦有心人士的「對抗性攻擊」（Adversarial Attacks）。為了解決這項危機，加州大學洛杉磯分校（UCLA）的 Aydogan Ozcan 教授團隊在國際權威學術期刊《eLight》發表了一項震撼研究：他們開發出一套「數位-光學混合神經網路」（Hybrid Digital-Optical Neural Network）。這套系統打破了傳統矽晶片運算限制，改用「光」來做 AI 推理，不僅能在一瞬間同時檢測 15 部以上的獨立影片，更將能耗降低了近 90%，且對偽造影片的檢測敏感度高達 99.86%！

 

為什麼要用「光」來幫 AI 做算術？

 

    傳統的電腦或顯示卡（GPU）在執行 AI 模型時，本質上是在進行數億次的「矩陣乘法」與「加法」運算。每一次電子在矽晶片電路中流動，都會產生熱能與電量消耗。但「光」不一樣。當光波穿過透鏡、鏡片或特定形狀的微結構時，光的繞射（Diffraction）、干涉（Interference）與相位變化，自然而然就在物理空間中完成了複雜的數學變換。這種「光子運算」（Optical Computing）具備三大極致優勢：

 

1. 光速傳播：延遲極低（僅取決於光傳播幾公分的時間）。

2. 零被動能耗：光經過靜態鏡片傳播時，鏡片本身不消耗任何電能。

3. 高維度平行處理：一束光可以同時攜帶大量的空間資訊，實現極大規模的「平行運算」。

 

雙重分工架構：數位前端 + 光學後端

 

    UCLA 團隊設計的系統並非完全棄用數位電腦，而是採用了「數位與光學各司其職」的混合分工架構：

 

[多部輸入影片] 
       ↓
[數位前端 Encoder]：人臉擷取 + 空間與頻率特徵融合 
       ↓ 編碼為 2D 相位圖 (Phase Map)
[空間光調製器 SLM]：將數位訊號轉化為實體光波
       ↓
[光學解碼器 Optical Decoder]：光波穿過被動繞射層 (Diffractive Layers) 進行物理推理
       ↓
[光電感測器 Detector]：讀取光斑強度差，直接輸出真偽分數！

1. 數位前端（Encoder）：精準擷取關鍵特徵

 

    系統首先從每部影片中採樣關鍵影格，利用 RetinaFace 演算法精準框出人臉並進行對齊。接著，數位神經網路從「空間特徵（人臉細節）」與「傅立葉頻域特徵（AI 生成留下的高頻瑕疵）」雙管齊下抽取特徵，並透過注意力機制（Attention Mechanism）將其壓縮合成為一張 2D 的「相位圖（Phase Map）」。

 

2. 光學後端（Decoder）：光速完成深度推理

 

    這張相位圖會被載入至空間光調製器（SLM）上。當相干雷射光照射 SLM 後，攜帶著影片特徵的光波便會發射出去，穿過數層精心設計的被動靜態繞射層（Diffractive Layers）。當光束抵達終點的感測器時，每一部影片都會對應到一組「正/負光斑對」。感測器只需讀取光斑的強度差異，就能在物理層面上直接得出這部影片是真還是假！

 

核心亮點一：空間多路複用——「一招看透 15 部影片」

 

    傳統數位 AI 在處理影片時，必須「一部接一部」依次處理，或者需要堆疊昂貴的 GPU 記憶體來做平行運算。而 UCLA 團隊利用光學的空間特性，實現了「空間多路複用」（Spatial Multiplexing）。研究人員將 15 部（甚至 18 部）完全獨立的影片特徵，共同編碼在同一張 SLM 畫面上。當雷射光穿過時，15 部影片的真偽辨識在同一瞬間（Single Optical Pass）全部完成！

• Celeb-DF 資料集實測數據：
• 平均檢測準確率：97.79%（模擬實驗中達 98.12%）
• 檢測敏感度（Sensitivity）：99.86%（意味著幾乎不會漏抓任何一部假影片！）
• 特異度（Specificity）：95.72%

 

核心亮點二：能耗革命！電力消耗驟降 90%

 

    資料中心的龐大耗電量是當前 AI 發展的最大痛點之一。這套光學神經網路在「綠色 AI（Green AI）」方面展現了驚人的突破：

• 傳統數位深度 CNN 模型：處理一部影片需消耗約 30.44 mJ 的電力。
• UCLA 光學解碼器：
• 使用 8-bit SLM 架構：每部影片僅需 1.38–4.11 mJ。
• 使用 4-bit 微機電（MEMS）高精度調製器：每部影片僅需 0.60–0.99 mJ。

 

這意味著，光學解碼器能降低 86.5% 至 95.5% 的電力消耗！在相同的處理吞吐量下（每秒處理約 2,500 部影片），傳統數位系統需要 77.38 瓦的功率，而光學系統僅需 3.51 至 10.45 瓦，大幅減輕了雲端伺服器的散熱與電力負擔。

 

核心亮點三：物理級防護！反制駭客的對抗性攻擊

 

    在網路安全領域，駭客經常使用「對抗性攻擊」（Adversarial Attacks）——在影片中加入極微小的數位雜訊，肉眼無法察覺，卻能讓傳統數位 AI 徹底失效。光學神經網路具備天然的物理防禦力：

 

1. 物理參數隱蔽性：光學元件的實體距離、光學轉換函數等參數隱藏於實體硬體中，駭客無法取得「白箱梯度」來製造攻擊樣本。

2. 強大抵抗力：在黑箱對抗攻擊測試中（如 HopSkipJumpAttack），當數位 AI 的被欺騙率（攻擊成功率）高達 100% 時，光學解碼器的攻擊成功率竟低於 9%！

 

此外，面對真實世界常見的影片品質下降，如高斯雜訊、畫面模糊或高強度的 JPEG 壓縮（品質因子 Q=30），這套光學系統依然能穩定維持 94% 以上的精準辨識率。

 

實戰進化：輕鬆應對 Google VEO-3 / Gemini 生成式 AI 影片

 

    面對技術日新月異的生成式 AI，這套系統是否會迅速過時？研究團隊特別使用最前沿的 Google VEO-3 / Gemini 生成式 AI 影片進行測試。結果顯示，混合系統只需使用 50 部 AI 生成影片進行微調（不到完整訓練集 1% 的運算量），就能快速「進化」。在對未見過的最新 AI 影片進行實實盲測時，達成了 94.80% 的準確率 與 97.61% 的敏感度，展現出極強的泛化能力與升級彈性。

 

未來展望：建構網際網路的第一道「光學安全防火牆」

 

    研究團隊指出，這套系統的最佳定位是作為社群平台（如 YouTube、Meta、TikTok）或國家級網路安全監控的「第一階段預篩選光學防火牆」（First-stage screening front-end）。想像一下：當每秒數萬部影片上傳至雲端時，光學防火牆可以在「光速」下以極低能耗過濾掉 99% 的合格影片與明顯偽造影片，並以近乎零漏抓（99.86% 敏感度）的表現，僅將極少數有疑慮的邊緣樣本轉交給後端重型數位 AI 進行深度複查。這種「光學高速過濾 + 數位深度複驗」的黃金組合，將徹底解決 AI 時代下算力爆炸與假訊息氾濫的雙重危機，為數位世界的真實性築起一道堅不可摧的光學防線。

 

 

參考文獻
1. Parnian Ghapandar Kashani, Shiqi Chen (2026), & Aydogan Ozcan, Scalable, energy-efficient optical-neural architecture for multiplexed deepfake video detection, eLight, 6, 27. https://doi.org/10.1186/s43593-026-00085-7 
2. EurekAlert!: Researchers harness light to detect deepfake videos at scale.
3. ScienceDaily：This light-powered AI can spot deepfakes with nearly 98% accuracy.