Έχουμε την τάση να εμπιστευόμαστε το περιεχόμενο των εγγραφών βίντεο και ήχου. Αλλά με την τεχνητή νοημοσύνη, το πρόσωπο ή η φωνή οποιουδήποτε μπορεί να αναδημιουργηθεί με ακριβή ακρίβεια. Το προϊόν είναι ένα deepfake, μια πλαστοπροσωπία που μπορεί να χρησιμοποιηθεί για μιμίδια, παραπληροφόρηση ή πορνό.
Μια ματιά στο Deepfakes του Νίκολας Κέιτζ ή του Τζόρνταν Πιλ Deepfake PSA καθιστά σαφές ότι έχουμε να κάνουμε με περίεργη νέα τεχνολογία. Αυτά τα παραδείγματα, αν και είναι σχετικά αβλαβή, εγείρουν ερωτήματα για το μέλλον. Μπορούμε να εμπιστευτούμε το βίντεο και τον ήχο; Μπορούμε να θεωρήσουμε τους ανθρώπους υπεύθυνους για τις ενέργειές τους στην οθόνη; Είμαστε έτοιμοι για deepfakes;
Τα Deepfakes είναι νέα, φτιάχνονται εύκολα και αναπτύσσονται γρήγορα
Η τεχνολογία Deepfake είναι μόλις λίγα χρόνια παλιά, αλλά έχει ήδη εκραγεί σε κάτι που είναι τόσο μαγευτικό όσο και ανησυχητικό. Ο όρος «deepfake», ο οποίος επινοήθηκε σε ένα νήμα του Reddit το 2017, χρησιμοποιείται για να περιγράψει την αναδημιουργία της ανθρώπινης εμφάνισης ή φωνής μέσω τεχνητής νοημοσύνης. Παραδόξως, σχεδόν οποιοσδήποτε μπορεί να δημιουργήσει ένα deepfake με έναν άθλιο υπολογιστή, κάποιο λογισμικό και λίγες ώρες εργασίας.
Είτε το πιστεύετε είτε όχι, η εικόνα στα αριστερά είναι το deepfake.
Όπως με κάθε νέα τεχνολογία, υπάρχει κάποια σύγχυση γύρω από τα deepfakes. Το βίντεο «μεθυσμένος Πελόζι» είναι ένα εξαιρετικό παράδειγμα αυτής της σύγχυσης. Τα Deepfakes κατασκευάζονται από AI και είναι φτιαγμένα για να υποδύονται ανθρώπους. Το βίντεο “dunk Pelosi”, το οποίο έχει αναφερθεί ως deepfake, είναι στην πραγματικότητα απλώς ένα βίντεο της Nancy Pelosi. επιβραδύνθηκε και διορθώθηκε για να προσθέσετε ένα εφέ μπερδεμένης ομιλίας.
Αυτό είναι επίσης που κάνει το deepfakery διαφορετικό από, ας πούμε, το CGI Carrie Fisher στο Star Wars: Rogue One. Ενώ η Disney ξόδεψε πολλά χρήματα μελετώντας το πρόσωπο της Carrie Fisher και αναδημιουργώντας το με το χέρι, ένας σπασίκλας με κάποιο λογισμικό deepfake μπορεί να κάνε την ίδια δουλειά δωρεάν σε μια μόνο μέρα. Η τεχνητή νοημοσύνη κάνει τη δουλειά απίστευτα απλή, φθηνή και πειστική.
Πώς να φτιάξετε ένα Deepfake
Όπως ένας μαθητής σε μια τάξη, η τεχνητή νοημοσύνη πρέπει να «μάθει» πώς να εκτελεί το στόχο της. Αυτό το κάνει μέσω μιας διαδικασίας δοκιμής και λάθους ωμής βίας, που συνήθως αναφέρεται ως μηχανική μάθηση ή βαθιά μάθηση. Ένα AI που έχει σχεδιαστεί για να ολοκληρώσει το πρώτο επίπεδο του Super Mario Bros, για παράδειγμα, θα παίζει το παιχνίδι ξανά και ξανά μέχρι να βρει τον καλύτερο τρόπο για να κερδίσει. Το άτομο που σχεδιάζει την τεχνητή νοημοσύνη πρέπει να παρέχει κάποια δεδομένα για να ξεκινήσουν τα πράγματα, μαζί με μερικούς «κανόνες» όταν τα πράγματα πάνε στραβά στην πορεία. Εκτός από αυτό, το AI κάνει όλη τη δουλειά.
Το ίδιο ισχύει και για την αναψυχή προσώπου deepfake. Αλλά, φυσικά, η αναδημιουργία προσώπων δεν είναι το ίδιο με το να νικάς ένα βιντεοπαιχνίδι. Αν δημιουργούσαμε ένα deepfake του Nicholas Cage που φιλοξενεί την εκπομπή της Wendy Williams, ορίστε τι θα χρειαζόμασταν:
Ένα βίντεο προορισμού: Προς το παρόν, τα deepfakes λειτουργούν καλύτερα με καθαρά, καθαρά βίντεο προορισμού. Γι’ αυτό μερικά από τα πιο πειστικά deepfakes αφορούν πολιτικούς. τείνουν να στέκονται ακίνητοι σε ένα βάθρο κάτω από σταθερό φωτισμό. Έτσι, χρειαζόμαστε απλώς ένα βίντεο της Wendy να κάθεται ακίνητη και να μιλάει.
Δύο σύνολα δεδομένων: Για να φαίνονται ακριβείς οι κινήσεις του στόματος και του κεφαλιού, χρειαζόμαστε ένα σύνολο δεδομένων με το πρόσωπο της Wendy Williams και ένα σύνολο δεδομένων του προσώπου του Nicholas Cage. Αν η Wendy κοιτάζει προς τα δεξιά, χρειαζόμαστε μια φωτογραφία του Nicholas Cage που κοιτάζει προς τα δεξιά. Αν η Wendy ανοίξει το στόμα της, χρειαζόμαστε μια φωτογραφία του Cage που ανοίγει το στόμα του.
Μετά από αυτό, αφήνουμε το AI να κάνει τη δουλειά του. Προσπαθεί να δημιουργήσει το deepfake ξανά και ξανά, μαθαίνοντας από τα λάθη του στην πορεία. Απλό, σωστά; Λοιπόν, ένα βίντεο με το πρόσωπο του Cage στο Wendy William’s