Chip óptico da UCLA detecta deepfake em vídeo com 98% de acerto

Pesquisadores da UCLA, em parceria com o Changchun Institute of Optics, Fine Mechanics and Physics, da Academia Chinesa de Ciências, publicaram nesta quinta-feira (1º) um estudo que descreve um processador óptico-neural capaz de detectar vídeos deepfake com precisão média de 97,79%. Segundo reportagem do ScienceDaily, o sistema, liderado pelo professor Aydogan Ozcan ao lado de Parnian Ghapandar Kashani e do pesquisador Shiqi Chen, foi publicado na revista científica eLight e usa luz, em vez de depender só de chips eletrônicos convencionais, para analisar sinais visuais de manipulação.

A principal diferença do método é que parte do processamento acontece fisicamente, através da propagação da luz, o que permite avaliar vários vídeos ao mesmo tempo em uma única passagem óptica, em vez de processar cada arquivo separadamente num pipeline digital tradicional. Um codificador digital simples transforma cada vídeo num padrão de fase, exibido num modulador espacial de luz programável; a onda óptica resultante passa por um decodificador óptico passivo, e detectores pareados geram uma pontuação de autenticidade para cada vídeo analisado. No conjunto de dados de teste Celeb-DF, o sistema processou 15 vídeos simultaneamente em um único disparo óptico por inferência, com sensibilidade de 99,86% e especificidade de 95,72%; com 18 vídeos ao mesmo tempo, a precisão caiu um pouco, para 96,13%.

Por que detectar deepfake virou um problema de velocidade, não só de precisão

O avanço não está isolado: ele chega num momento em que ferramentas de geração de vídeo por IA, como o Veo 3 do Google, ficaram sofisticadas o bastante para enganar até sistemas de verificação treinados para isso, e os próprios pesquisadores testaram o detector óptico contra vídeos gerados pelo Veo 3, com resultado de 94,80% de precisão e 97,61% de sensibilidade. Até aqui, a corrida contra deepfakes vinha sendo travada quase inteiramente no software: empresas como a Google DeepMind investem em marcar a origem do conteúdo gerado por IA, como mostrou o lançamento do SynthID Bio que o Portal da AI cobriu, enquanto bancos e operadoras de telefonia relatam perdas bilionárias em fraudes com voz clonada, caso do golpe de US$ 95 milhões contra um banco italiano e do padrão identificado pela pesquisa da Verizon sobre golpes com IA. O diferencial do chip da UCLA é que ele troca parte do trabalho de um processador digital por luz se propagando em espaço livre, o que os autores descrevem como mais rápido, mais econômico em energia e, por depender de um caminho físico e não só de cálculo digital, potencialmente mais resistente a ataques que tentam enganar um classificador treinado.

Esse tipo de arquitetura óptica-neural não é totalmente inédita: formas de computação com luz já vinham sendo testadas para tarefas de reconhecimento de imagem justamente pela promessa de processar grandes volumes de dados em paralelo com baixo consumo de energia. O que o estudo da UCLA agrega é aplicar esse princípio especificamente ao problema de deepfake em vídeo, numa escala de múltiplos streams simultâneos, e testar o resultado contra um gerador de vídeo atual e amplamente usado, o que dá ao experimento um valor prático mais imediato do que boa parte da pesquisa acadêmica sobre o tema.

Por que isso importa para você

Para quem usa IA no trabalho ou lida com atendimento ao cliente, o resultado é relevante por um motivo direto: a maior fragilidade de golpes com deepfake hoje é o tempo de verificação, não a falta de técnicas de detecção. Um sistema de triagem de vídeo numa rede social, numa plataforma bancária ou numa central de atendimento que levasse segundos demais para analisar cada arquivo simplesmente não escala no volume de conteúdo gerado todos os dias. Um processador que analisa 15 vídeos numa única passagem, em paralelo, é o tipo de avanço que pode viabilizar triagem em tempo real em escala, algo que sistemas puramente digitais ainda têm dificuldade de entregar sem custo proibitivo de energia e hardware.

Isso tem peso redobrado no Brasil num ano eleitoral, em que o TSE já restringiu o uso de IA na reta final das eleições de 2026 justamente por preocupação com deepfakes e desinformação sintética. Empreendedores e áreas de compliance que lidam com verificação de identidade, como KYC em fintechs, ou moderação de conteúdo em larga escala também ganham um argumento técnico a mais: a solução para o problema de golpes com IA não depende só de regulação, mas também de infraestrutura capaz de verificar conteúdo na velocidade em que ele é produzido, algo que também aparece em casos como o de bots de trading falsos vendidos por IA no WhatsApp, outro golpe que se apoiava na dificuldade de verificação rápida.

O que observar daqui para frente

O trabalho ainda é um protótipo de laboratório, construído em bancada óptica, e não um produto pronto para integrar a um aplicativo de celular ou a um sistema de moderação de rede social amanhã. A diferença entre validar o princípio num paper científico e colocar esse tipo de hardware dentro de um datacenter ou de um dispositivo de borda, a um custo competitivo com soluções puramente digitais, é o que vai determinar se esse tipo de abordagem chega ao mercado nos próximos anos ou fica restrita à pesquisa acadêmica. Mesmo assim, o resultado é um sinal de que a defesa contra deepfakes não está só correndo atrás da geração de conteúdo sintético: há investimento real em tornar a verificação mais rápida e barata, o que importa tanto para quem constrói produtos de IA responsável quanto para quem só quer saber se pode confiar no vídeo que acabou de receber no WhatsApp.