Η μοναδική σας επεξήγηση στα Deepfakes και για να τα φτιάξετε εύκολα με το Faceswap.
Η τεχνητή νοημοσύνη δεν είναι πια τόσο «τεχνητή». Αυτές οι εποχές το έχουν φέρει επικίνδυνα κοντά σε εμάς τους ανθρώπους.
Μπορεί να προτείνει, να γράψει, να δημιουργήσει τέχνη και τώρα μοιάζει και μιλάει σαν ζωντανοί.
Αυτή είναι μια από τις πιο πρόσφατες εξελίξεις σε αυτόν τον τομέα που πρέπει να εκμεταλλευτούμε. Ωστόσο, αυτό είναι επίσης κάτι που πρέπει να προσέχουμε.
Πίνακας περιεχομένων
Τι είναι τα Deepfakes;
Η λέξη Deepfake επινοήθηκε συνδυάζοντας βαθιά μάθηση και ψεύτικο. Με απλά λόγια, μπορείτε επίσης να υποθέσετε ότι πρόκειται για μέσα που έχουν χειραγωγηθεί με επιδέξια ή βαθιά πλαστά μέσα.
Σύμφωνα με τη Wikipedia, αυτό είναι επίσης γνωστό ως συνθετικά μέσα στα οποία μια υπάρχουσα εικόνα, ήχος ή βίντεο τροποποιείται για να αντιπροσωπεύει εξ ολοκλήρου κάποιον άλλο.
Συνήθως, τα deepfakes κάνουν διάσημες προσωπικότητες να φαίνεται ότι λένε κάτι που διαφορετικά δεν θα έλεγαν.
Με βάση την ικανότητα του δημιουργού του, μπορεί να είναι εξαιρετικά δύσκολο να ξεχωρίσουμε αν είναι αληθινό ή ψεύτικο.
Πώς λειτουργούν τα Deepfakes;
Με απλά λόγια, ένα μέρος του αρχικού βίντεο (ας πούμε ένα πρόσωπο) αντικαθίσταται από ένα παρόμοιο ψεύτικο. Σε μια τέτοια περίπτωση, μπορεί επίσης να ονομαστεί αντικατάσταση προσώπου, όπως σε αυτό το βίντεο «Ομπάμα».
Ωστόσο, δεν περιορίζεται μόνο στο βίντεο, και έχουμε επίσης εικόνες και ήχο deepfakes (και ποιος ξέρει, deepfake είδωλα VR στο εγγύς μέλλον).
Πηγή: Disney
Η μεθοδολογία εργασίας πίσω από τέτοια τεχνάσματα εξαρτάται κυρίως από την εφαρμογή και τον υποκείμενο αλγόριθμο.
Σύμφωνα με αυτήν την ερευνητική εργασία της Disney, υπάρχουν διάφορες τεχνικές, όπως κωδικοποιητές-αποκωδικοποιητές, Generative Adversarial Networks (GANs), Deepfakes που βασίζονται στη γεωμετρία κ.λπ.
Ωστόσο, οι ακόλουθες ενότητες επηρεάζονται σε μεγάλο βαθμό από τον τρόπο λειτουργίας του με το Facewap. Αυτό είναι ένα δωρεάν και ανοιχτού κώδικα λογισμικό Deepfake που επιτρέπει πολλούς αλγόριθμους για να λάβουν το αναμενόμενο αποτέλεσμα.
Υπάρχουν τρεις κύριες διαδικασίες για τη δημιουργία deepfakes: εξαγωγή, εκπαίδευση και μετατροπή.
#1. Εξαγωγή
Πρόκειται για τον εντοπισμό και τη συμπίεση της θεματικής περιοχής ενδιαφέροντος από δείγματα πολυμέσων, το πρωτότυπο και αυτό για την ανταλλαγή.
Με βάση τις δυνατότητες του υλικού, μπορεί να υπάρχουν πολλοί αλγόριθμοι για την επιλογή αποτελεσματικής ανίχνευσης.
Για παράδειγμα, το Faceswap έχει μερικές διαφορετικές επιλογές για εξαγωγή, ευθυγράμμιση και κάλυψη με βάση την απόδοση της CPU ή της GPU.
Η εξαγωγή απλώς προσδιορίζει το πρόσωπο στο συνολικό βίντεο. Κηλίδες ευθυγράμμισης κρίσιμα χαρακτηριστικά οποιουδήποτε προσώπου (μάτια, μύτη, πηγούνι κ.λπ.). Και τέλος, η κάλυψη αποκλείει άλλα στοιχεία της εικόνας εκτός από την περιοχή ενδιαφέροντος.
Ο συνολικός χρόνος που απαιτείται για την έξοδο είναι σημαντικός για την επιλογή οποιασδήποτε επιλογής, καθώς η επιλογή αλγορίθμων έντασης πόρων σε μέτριο υλικό μπορεί να οδηγήσει σε αποτυχία ή σε πολύ μεγάλο χρονικό διάστημα για την απόδοση αποδεκτών αποτελεσμάτων.
Εκτός από το υλικό, η επιλογή εξαρτάται επίσης από τις παραμέτρους όπως το αν το βίντεο εισόδου υποφέρει από εμπόδια στο πρόσωπο, όπως κινήσεις χεριών ή γυαλιά.
Απαραίτητο στοιχείο, τελικά, είναι ο καθαρισμός (εξηγείται αργότερα) της εξόδου, καθώς οι εξαγωγές θα έχουν μερικά ψευδώς θετικά.
Τελικά, η εξαγωγή επαναλαμβάνεται για το αρχικό βίντεο και το ψεύτικο (χρησιμοποιείται για ανταλλαγή).
#2. Εκπαίδευση
Αυτή είναι η καρδιά της δημιουργίας deepfakes.
Η εκπαίδευση αφορά το νευρωνικό δίκτυο, το οποίο αποτελείται από τον κωδικοποιητή και τον αποκωδικοποιητή. Εδώ, οι αλγόριθμοι τροφοδοτούνται με τα εξαγόμενα δεδομένα για να δημιουργήσουν ένα μοντέλο για τη μετατροπή αργότερα.
Ο κωδικοποιητής μετατρέπει την είσοδο σε διανυσματική αναπαράσταση για να εκπαιδεύσει τον αλγόριθμο ώστε να αναδημιουργεί τις όψεις πίσω από διανύσματα, όπως γίνεται από τον αποκωδικοποιητή.
Στη συνέχεια, το νευρωνικό δίκτυο αξιολογεί τις επαναλήψεις του και τις συγκρίνει με το αρχικό εκχωρώντας μια βαθμολογία απώλειας. Αυτή η τιμή απώλειας πέφτει με την πάροδο του χρόνου καθώς ο αλγόριθμος συνεχίζει να επαναλαμβάνεται και σταματάτε όταν οι προεπισκοπήσεις είναι αποδεκτές.
Η εκπαίδευση είναι μια χρονοβόρα διαδικασία και τα αποτελέσματα γενικά βελτιώνονται με βάση τις επαναλήψεις που εκτελεί και την ποιότητα των δεδομένων εισόδου.
Για παράδειγμα, το Faceawap προτείνει τουλάχιστον 500 εικόνες η καθεμία, πρωτότυπες και για εναλλαγή. Επιπλέον, οι εικόνες θα πρέπει να διαφέρουν σημαντικά μεταξύ τους, καλύπτοντας όλες τις πιθανές γωνίες σε μοναδικό φωτισμό για την καλύτερη αναψυχή.
Λόγω της διάρκειας της προπόνησης, ορισμένες εφαρμογές (όπως το Faceswap) επιτρέπουν σε κάποιον να σταματήσει την προπόνηση στη μέση ή να συνεχίσει αργότερα.
Συγκεκριμένα, ο φωτορεαλισμός της εξόδου εξαρτάται επίσης από την αποτελεσματικότητα του αλγορίθμου και την είσοδο. Και το ένα περιορίζεται πάλι από τις δυνατότητες υλικού.
#3. Μετατροπή
Αυτό είναι το τελευταίο κεφάλαιο στη δημιουργία deepfake. Οι αλγόριθμοι μετατροπής χρειάζονται το βίντεο προέλευσης, το εκπαιδευμένο μοντέλο και το αρχείο ευθυγράμμισης προέλευσης.
Στη συνέχεια, μπορεί κανείς να αλλάξει μερικές επιλογές που σχετίζονται με τη διόρθωση χρώματος, τον τύπο μάσκας, την επιθυμητή μορφή εξόδου κ.λπ.
Αφού ρυθμίσετε αυτές τις λίγες επιλογές, απλώς περιμένετε την τελική απόδοση.
Όπως αναφέρθηκε, το Faceswap λειτουργεί με πολλούς αλγόριθμους και μπορεί κανείς να παίξει μεταξύ τους για να αποκτήσει μια ανεκτή αντικατάσταση προσώπων.
Αυτό είναι όλο?
Οχι!
Αυτό ήταν απλώς η ανταλλαγή προσώπων, ένα υποσύνολο της τεχνολογίας deepfake. Η εναλλαγή προσώπου, όπως και η κυριολεκτική σημασία, αντικαθιστά μόνο ένα τμήμα του προσώπου για να δώσει μια αμυδρή ιδέα για το τι θα μπορούσαν να κάνουν τα deepfakes.
Για μια αξιόπιστη ανταλλαγή, ίσως χρειαστεί επίσης να μιμηθείτε τον ήχο (καλύτερα γνωστό ως κλωνοποίηση φωνής) και ολόκληρη τη σωματική διάπλαση, συμπεριλαμβανομένων όλων όσων χωρούν στο πλαίσιο, όπως αυτό:
Λοιπόν, τι παίζει εδώ;
Αυτό που θα μπορούσε να είχε συμβεί είναι ότι ο συγγραφέας του deepfake τράβηξε ο ίδιος το βίντεο (όπως υποδεικνύεται τα τελευταία δευτερόλεπτα), συγχρονίστηκε με τα χείλη του διαλόγου με τη συνθετική φωνή του Morgan Freeman και αντικατέστησε το κεφάλι του.
Συμπερασματικά, δεν πρόκειται μόνο για την εναλλαγή προσώπων αλλά για ολόκληρο το καρέ, συμπεριλαμβανομένου του ήχου.
Μπορείτε να βρείτε τόνους deepfakes στο YouTube σε σημείο που γίνεται τρομακτικό για το τι να εμπιστευτείτε. Και το μόνο που χρειάζεται είναι ένας τροφοδοτημένος υπολογιστής με μια αποδοτική κάρτα γραφικών για να ξεκινήσει.
Ωστόσο, η τελειότητα είναι δύσκολο να επιτευχθεί και ισχύει ιδιαίτερα με τα deepfakes.
Για ένα πειστικό deepfake που μπορεί να παραπλανήσει ή να εντυπωσιάσει το κοινό χρειάζεται δεξιοτεχνία και μερικές ημέρες έως εβδομάδες επεξεργασίας για ένα ή δύο λεπτά ενός βίντεο.
Είναι ενδιαφέρον ότι αυτό είναι το πόσο ικανοί είναι αυτοί οι αλγόριθμοι από τώρα. Αλλά αυτό που επιφυλάσσει το μέλλον, συμπεριλαμβανομένου του πόσο αποτελεσματικές μπορούν να είναι αυτές οι εφαρμογές σε υλικό κατώτερης τεχνολογίας, είναι κάτι που έχει κάνει ολόκληρες κυβερνήσεις νευρικές.
Ωστόσο, δεν θα βουτήξουμε στις μελλοντικές του επιπτώσεις. Αντίθετα, ας ελέγξουμε πώς να το κάνετε μόνοι σας για λίγη διασκέδαση.
Δημιουργία (βασικών) Deepfake βίντεο
Μπορείτε να ελέγξετε πολλές εφαρμογές σε αυτήν τη λίστα εφαρμογών deepfake για δημιουργία μιμιδίων.
Ένα από αυτά είναι το Faceswap, το οποίο θα χρησιμοποιήσουμε.
Υπάρχουν μερικά πράγματα που θα διασφαλίσουμε πριν προχωρήσουμε. Πρώτον, θα πρέπει να έχουμε ένα βίντεο καλής ποιότητας με τον στόχο που απεικονίζει διάφορα συναισθήματα. Στη συνέχεια, θα χρειαστούμε ένα βίντεο πηγής για εναλλαγή στον στόχο.
Επιπλέον, κλείστε όλες τις εφαρμογές με εντατική κάρτα γραφικών, όπως προγράμματα περιήγησης ή παιχνίδια πριν προχωρήσετε στο Faceswap. Αυτό ισχύει ιδιαίτερα αν έχετε λιγότερα από 2 gig VRAM (video RAM).
Βήμα 1: Εξαγωγή προσώπων
Το πρώτο βήμα σε αυτή τη διαδικασία είναι η εξαγωγή των προσώπων από το βίντεο. Για αυτό, πρέπει να επιλέξουμε το βίντεο-στόχο στο Input Dir και να αναφέρουμε μια Dir Output για τις εξαγωγές.
Επιπλέον, υπάρχουν μερικές επιλογές, όπως ανιχνευτής, ευθυγράμμισης, μάσκας κ.λπ. Οι εξηγήσεις για το καθένα βρίσκονται στις Συνήθεις Ερωτήσεις για το Faceawap και θα ήταν χαμένο να αναδιατυπώσετε τις πληροφορίες εδώ.
Πηγή: Faceswap FAQ
Είναι γενικά καλό να εξετάζετε την τεκμηρίωση για καλύτερη κατανόηση και αξιοπρεπή απόδοση. Ωστόσο, υπάρχουν χρήσιμα κείμενα στο Faceswap που μπορείτε να βρείτε τοποθετώντας το δείκτη του ποντικιού πάνω από τη συγκεκριμένη επιλογή.
Με απλά λόγια, δεν υπάρχει καθολικός τρόπος, και κάποιος πρέπει να ξεκινήσει με τους καλύτερους αλγόριθμους και να προχωρήσει με επιτυχία για να δημιουργήσει ένα πειστικό deepfake.
Για το πλαίσιο, χρησιμοποίησα το Mtcnn (ανιχνευτής), το Fan (ευθυγραμμιστής) και το Bisenet-Fp (maker) διατηρώντας όλες τις άλλες επιλογές ως έχουν.
Αρχικά, το δοκίμασα με S3Fd (καλύτερος ανιχνευτής) και μερικές άλλες μάσκες μαζί. Ωστόσο, η 2Gb Nvidia GeForce GTX 750Ti μου δεν άντεξε το μεγαλύτερο βάρος και η διαδικασία απέτυχε επανειλημμένα.
Τέλος, μείωσα τις προσδοκίες μου και τις ρυθμίσεις για να το καταφέρω.
Εκτός από την επιλογή του κατάλληλου ανιχνευτή, μάσκας κ.λπ., υπάρχουν μερικές ακόμη επιλογές στις Ρυθμίσεις > Διαμόρφωση ρυθμίσεων που βοηθούν στην περαιτέρω προσαρμογή των μεμονωμένων ρυθμίσεων για να βοηθήσετε το υλικό.
Με απλά λόγια, επιλέξτε το χαμηλότερο δυνατό Batch-Size, Input Size και Output Size και επιλέξτε LowMem, κ.λπ. Αυτές οι επιλογές δεν είναι διαθέσιμες παγκοσμίως και βασίζονται σε μια συγκεκριμένη ενότητα. Επιπλέον, τα κείμενα βοήθειας βοηθούν περαιτέρω στην επιλογή των καλύτερων επιλογών.
Αν και αυτό το εργαλείο κάνει εξαιρετική δουλειά στην εξαγωγή προσώπων, τα πλαίσια εξόδου μπορεί να έχουν πολύ περισσότερα από όσα απαιτούνται για την εκπαίδευση (θα συζητηθεί αργότερα) του μοντέλου. Για παράδειγμα, θα έχει όλα τα πρόσωπα (αν το βίντεο έχει περισσότερα από ένα) και κάποιες ακατάλληλες ανιχνεύσεις που δεν έχουν καθόλου το πρόσωπο-στόχο.
Αυτό οδηγεί στον καθαρισμό των συνόλων δεδομένων. Είτε κάποιος μπορεί να ελέγξει τον φάκελο εξόδου και να διαγράψει τον εαυτό του είτε να χρησιμοποιήσει την ταξινόμηση Faceswap για βοήθεια.
Η χρήση του προαναφερθέντος εργαλείου θα τακτοποιήσει διαφορετικά πρόσωπα με τη σειρά από όπου μπορείτε να ομαδοποιήσετε τα απαραίτητα μαζί σε έναν μόνο φάκελο και να διαγράψετε τα υπόλοιπα.
Ως υπενθύμιση, θα θέλετε επίσης να επαναλάβετε την εξαγωγή για το βίντεο που προέρχεται.
Βήμα 2: Εκπαίδευση του μοντέλου
Αυτή είναι η μεγαλύτερη διαδικασία για τη δημιουργία ενός deepfake. Εδώ, η είσοδος Α αναφέρεται στην όψη προορισμού και η είσοδος Β αφορά την όψη της πηγής. Επιπλέον, το Model Dir είναι το μέρος όπου θα αποθηκευτούν τα αρχεία εκπαίδευσης.
Εδώ η πιο σημαντική επιλογή είναι το Trainer. Υπάρχουν πολλές μεμονωμένες επιλογές κλιμάκωσης. Ωστόσο, αυτό που λειτούργησε για το υλικό μου είναι οι εκπαιδευτές Dfl-H128 και Lightweight με τις χαμηλότερες ρυθμίσεις διαμόρφωσης.
Ακολουθεί το μέγεθος της παρτίδας. Ένα υψηλότερο μέγεθος παρτίδας μειώνει τον συνολικό χρόνο εκπαίδευσης, αλλά καταναλώνει περισσότερη VRAM. Οι επαναλήψεις δεν έχουν σταθερό αποτέλεσμα στην έξοδο και θα πρέπει να ορίσετε μια αρκετά υψηλή τιμή και να σταματήσετε την εκπαίδευση μόλις γίνουν αποδεκτές οι προεπισκοπήσεις.
Υπάρχουν μερικές ακόμη ρυθμίσεις, συμπεριλαμβανομένης της δημιουργίας timelapse με προκαθορισμένα διαστήματα. Ωστόσο, εκπαίδευσα το μοντέλο με το ελάχιστο.
Βήμα 3: Ανταλλαγή σε πρωτότυπο
Αυτό είναι το τελευταίο κατόρθωμα στη δημιουργία deepfake.
Αυτό γενικά δεν απαιτεί τόσο πολύ χρόνο και μπορείτε να παίξετε με πολλές επιλογές για να λάβετε γρήγορα την επιθυμητή έξοδο.
Όπως φαίνεται στην παραπάνω εικόνα, αυτές είναι μερικές επιλογές που πρέπει να επιλέξει κάποιος για να ξεκινήσει τη μετατροπή.
Οι περισσότερες επιλογές έχουν ήδη συζητηθεί, όπως ο κατάλογος Input and Output, ο κατάλογος Model, κ.λπ. Ένα κρίσιμο πράγμα είναι το Alignments που αναφέρεται στο αρχείο ευθυγράμμισης (.fsa) του βίντεο προορισμού. Δημιουργείται στον Κατάλογο Εισόδου κατά την εξαγωγή.
Το πεδίο Στοίχιση μπορεί να μείνει κενό εάν το συγκεκριμένο αρχείο δεν έχει μετακινηθεί. Διαφορετικά, μπορεί κανείς να επιλέξει το αρχείο και να προχωρήσει σε άλλες επιλογές. Ωστόσο, θυμηθείτε να καθαρίσετε το αρχείο ευθυγράμμισης εάν έχετε καθαρίσει τις εξαγωγές νωρίτερα.
Για αυτό, αυτό το μίνι εργαλείο βρίσκεται στα Εργαλεία > Ευθυγραμμίσεις.
Ξεκινήστε επιλέγοντας το Remove-Faces στην ενότητα Job, επιλέξτε το αρχικό αρχείο ευθυγράμμισης και τον καθαρισμένο φάκελο προσώπων προορισμού και κάντε κλικ στο Alignments κάτω δεξιά.
Αυτό θα δημιουργήσει ένα τροποποιημένο αρχείο ευθυγράμμισης, που ταιριάζει με τον φάκελο βελτιστοποιημένων προσώπων. Να θυμάστε ότι το χρειαζόμαστε για το βίντεο-στόχο, στο οποίο θέλουμε να ανταλλάξουμε.
Μερικές ακόμη διαμορφώσεις περιλαμβάνουν τη ρύθμιση χρώματος και τον τύπο μάσκας. Η προσαρμογή χρώματος υπαγορεύει την ανάμειξη της μάσκας και μπορείτε να δοκιμάσετε μερικές, να ελέγξετε την προεπισκόπηση και να επιλέξετε τη βέλτιστη επιλογή.
Ο τύπος της μάσκας είναι πιο σημαντικός. Αυτό, πάλι, εξαρτάται από τις προσδοκίες σας και το διαθέσιμο υλικό. Συνήθως, πρέπει επίσης να λάβετε υπόψη τα χαρακτηριστικά του βίντεο εισόδου. Για παράδειγμα, το Vgg-Clear λειτουργεί καλά με μετωπικά πρόσωπα χωρίς εμπόδια, ενώ το Vgg-Obstructed μπορεί επίσης να κάνει με εμπόδια, όπως χειρονομίες, γυαλιά κ.λπ.
Στη συνέχεια, το Writer παρουσιάζει μερικές επιλογές με βάση το αποτέλεσμα που θέλετε. Για Π.χ., επιλέξτε Ffmpeg για απόδοση βίντεο.
Συνολικά, το κλειδί για ένα επιτυχημένο deepfake είναι η προεπισκόπηση μερικών εξόδων και η βελτιστοποίηση ανάλογα με τη διαθεσιμότητα χρόνου και την ισχύ του υλικού.
Εφαρμογές του Deepfake
Υπάρχουν καλές, κακές και επικίνδυνες εφαρμογές των deepfakes.
Τα καλά συνίστανται στην αναδημιουργία μαθημάτων ιστορίας από αυτούς που ήταν στην πραγματικότητα εκεί για μεγαλύτερη ενασχόληση.
Επιπλέον, χρησιμοποιούνται από διαδικτυακές πλατφόρμες εκμάθησης για τη δημιουργία βίντεο από κείμενα.
Αλλά ένας από τους μεγαλύτερους ωφελούμενους θα είναι η κινηματογραφική βιομηχανία. Εδώ, θα είναι εύκολο να φανταστεί κανείς τον πραγματικό πρωταγωνιστή που εκτελεί ακροβατικά, ακόμη και όταν πρόκειται για τον κασκαντέρ που διακινδυνεύει τη ζωή του. Επιπλέον, η δημιουργία πολύγλωσσων ταινιών θα είναι ευκολότερη από ποτέ.
Ερχόμενοι στα κακά, δυστυχώς, είναι πολλά. Η μεγαλύτερη εφαρμογή deepfake μέχρι σήμερα, στην πραγματικότητα, το 96% (σύμφωνα με αυτήν την αναφορά του Deeptrace), είναι στη βιομηχανία του πορνό για να ανταλλάξει πρόσωπα διασημοτήτων με ηθοποιούς πορνό.
Επιπλέον, τα deepfakes είναι επίσης όπλα εναντίον «τυποποιημένων» μη διασημοτήτων γυναικών. Συνήθως, τέτοια θύματα έχουν φωτογραφίες ή βίντεο υψηλής ποιότητας στα προφίλ τους στα μέσα κοινωνικής δικτύωσης που χρησιμοποιούνται για τη δημιουργία deepfakes.
Μια άλλη τρομακτική εφαρμογή είναι το vishing, γνωστό και ως voice phishing. Σε μια τέτοια περίπτωση, ο Διευθύνων Σύμβουλος μιας εταιρείας με έδρα το Ηνωμένο Βασίλειο μετέφερε 243.000 δολάρια κατόπιν εντολής του «CEO» της γερμανικής μητρικής της εταιρείας, για να ανακαλύψει αργότερα ότι ήταν στην πραγματικότητα ένα ψεύτικο τηλεφώνημα.
Αλλά αυτό που είναι ακόμα πιο επικίνδυνο είναι το deepfake να προκαλεί πολέμους ή να ζητά παράδοση. Μια πιο πρόσφατη απόπειρα είδε τον Ουκρανό πρόεδρο, Volodymyr Zelenskyy, να λέει στις δυνάμεις και τον λαό του να παραδοθούν στον συνεχιζόμενο πόλεμο. Ωστόσο, την αλήθεια αυτή τη φορά έδωσε το subpar video.
Συμπερασματικά, υπάρχουν πολλές εφαρμογές deepfake και μόλις ξεκινάει.
Αυτό μας φέρνει στο ερώτημα των εκατομμυρίων δολαρίων…
Είναι νόμιμο το Deepfakes;
Αυτό εξαρτάται κυρίως από την τοπική διοίκηση. Αν και, καλά καθορισμένοι νόμοι, συμπεριλαμβανομένου του τι επιτρέπεται και τι όχι, δεν έχουν ακόμη φανεί.
Ωστόσο, αυτό που είναι προφανές είναι ότι εξαρτάται από το σκοπό για τον οποίο χρησιμοποιείτε τα deepfakes—την πρόθεση. Δεν υπάρχει σχεδόν κανένα κακό αν σκοπεύετε να διασκεδάσετε ή να εκπαιδεύσετε κάποιον χωρίς να αναστατώσετε τον στόχο ανταλλαγής.
Από την άλλη πλευρά, οι κακόβουλες εφαρμογές θα πρέπει να τιμωρούνται από το νόμο, ανεξάρτητα από τη δικαιοδοσία. Μια άλλη γκρίζα περιοχή είναι η παραβίαση πνευματικών δικαιωμάτων η οποία χρήζει κατάλληλης εξέτασης.
Αλλά για να το επαναλάβουμε, θα πρέπει να επικοινωνήσετε με τους τοπικούς κυβερνητικούς φορείς σχετικά με τις νόμιμες εφαρμογές deepfake.
Να έχεις το νου σου!
Ο Deepfkaes αξιοποιεί την τεχνητή νοημοσύνη για να κάνει οποιονδήποτε να πει πράγματα.
Μην εμπιστεύεστε οτιδήποτε βλέπετε στο διαδίκτυο είναι η πρώτη συμβουλή που πρέπει να ακολουθήσουμε. Υπάρχουν τόνοι παραπληροφόρησης και η αποτελεσματικότητά τους αυξάνεται μόνο.
Και δεδομένου ότι θα είναι ευκολότερο να τα δημιουργήσετε, ήρθε η ώρα να μάθουμε πώς να εντοπίζουμε τα deepfakes.