Deepfakes: Sådan fungerer det, apps og nogle eksempler

Dybfalske billeder og videoer fanger opmærksomheden hos mange rundt om i verden og får forskere og lovgivere til at spørge: Hvad er det næste?

Den deepfake-betegnelse står for "deep learning" og falsk, der henviser til brugen af ​​deep learning-metoder fra kunstig intelligens til at skabe en falsk kopi af ethvert medie.

Mange er bekymrede over, hvor nemt det er at forfalske billeder og videoer ved hjælp af deepfake-apps, mens andre synes, det er meget underholdende. Deepfakes er dog blevet en ting.

Så vi kigger nærmere på denne teknologi for at finde ud af, hvordan den virker, og hvad den betyder for verden.

Deepfakes vs kunstig intelligens

Først og fremmest er det vigtigt at bemærke forskellen mellem standard AI-genereret output og deepfakes. AI-algoritmer har produceret forskellige typer medieoutput i evigheder, men du kan næsten ikke kalde dem deepfakes.

Udtrykket deepfake refererer til et forfalsket medie, såsom videoer, billeder eller noget andet, som er en AI-redigeret version af en allerede eksisterende kopi.

Kunstig intelligens udviklede sig enormt i løbet af det sidste årti, takket være billigere, mere kraftfulde computere samt ny udvikling på området.

Hvor AI-genererede billeder var let genkendelige for ti år siden, er algoritmerne blevet bedre i de sidste par år, hvilket gør det nemmere at producere meget realistiske resultater. Det er dette høje niveau af autenticitet, der gør AI-genererede billeder generelt, og deepfakes specifikt, meget imponerende.

AI og Deep Learning

For at forstå, hvordan computeralgoritmer udviklede sig til at skabe de meget realistiske menneskeansigter, du kan finde på genererede.fotos og denne persondoesnotexist.com, skal du bruge en primer inden for kunstig intelligens.

Der er forskellige områder i AI, afhængigt af den metode, du bruger, og hvad du planlægger at opnå. Du finder alt fra sandsynlighedsmetoder som det Bayesianske filter, der bruges til spam-detektion, til fuzzy logik, evolutionære algoritmer, der udvikler sig på egen hånd, og kunstige neurale netværk, som har til formål at simulere den menneskelige hjerne.

Neurale netværk

Ligesom der er rigtige neuroner i den menneskelige hjerne, hvor deres dendritter og axoner forbindes i meget komplekse netværk, der spænder over millioner til milliarder af neuroner, forbinder kunstige neuroner også. Men deres antal er begrænset af computerkraft.

Målet med et neuralt netværk er at give et output eller svar på hvert input. Dette opnås ved først at undervise netværket, som du ville undervise et barn. Derefter kan den nu lave forudsigelser baseret på din lære.

Du skal også bemærke, at flere neuroner i et netværk ofte betyder bedre resultater, og flere træningsdata forbedrer også resultaterne. Det er præcis sådan den menneskelige hjerne fungerer, i det mindste teoretisk.

Hvordan deepfaking virker

Der er mange ting og områder, hvor du kan anvende kunstig intelligens. Deepfaking er blot en af ​​dem, som udviklede sig fra at bruge neurale netværk til at redigere billeder. De tidligere resultater var lovende, men de var meget grundlæggende, indtil Ian Goodfellow og venner fandt på GAN i 2014.

GAN eller Generative Adversarial Network er en ramme til undervisning i neurale netværk. Så i stedet for at du skal forberede og undervise netværket på egen hånd, lader du et andet netværk konkurrere med det første netværk ved at kritisere dets output. Dette fører til generering af fantastiske resultater baseret på ethvert træningssæt.

Resultaterne af GAN-tilgangen var lige så fænomenale dengang, som de er i dag. Det er også blevet grundlaget for mange AI-løsninger og -applikationer, inklusive deepfakes. Derudover har forbedringerne i computerkraft gjort det nemmere at lave fantastiske ting på selv smartphones.

Mulige deepfake-applikationer

Udover de meget populære billeder og videoer, der cirkulerer på nettet, er der brede applikationer til at bruge deepfake-teknologien til andre mere nyttige formål.

Deepfakes kan hjælpe talehæmmede patienter med at finde en stemme ved hjælp af lydsyntese. Det kan finde anvendelse i klasseværelset, hvor historiske personer bringes tilbage til livet, som det skete i Dalí-museet i St. Petersburg, Florida.

Filmindustrien kan også finde anvendelser for deepfakes, da det kan reducere omkostningerne ved CGI (Computer Generated Imagery) i film betydeligt. Døde entertainere og skuespillere kan genopstå og præsenteres i nye film.

Deepfakes kan gøre det muligt for enhver at producere specialiserede videoer på flere sprog, som det skete med David Beckhams "malaria no more"-kampagne og Manoj Tiwaris politiske kampagne i Indien, hvor han talte flydende på flere sprog.

Gaming kan også finde gode anvendelser for deepfakes, da spillere kan fordybe sig i spillet for en dybere virtual reality-oplevelse.

Selv marketingfolk på sociale medier finder anvendelser for computergenererede sociale mediepersonligheder, der er oprettet og administreret udelukkende på computeren. Selvom det ikke er en rigtig deepfake, Calvin Kleins Lil Miquela og hendes 3 millioner Instagram-følgere viser, hvad der er muligt.

Nogle deepfake eksempler

For bedre at forstå denne teknologi og de løfter, den rummer, er her nogle af de mest imponerende deepfakes derude.

• Obamas meddelelse - Dette er en af ​​de bedst kendte, ældste og mest chokerende deepfakes. Udgivet i 2018, blev denne video skabt som en advarsel for at oplyse folk om teknologiens muligheder.
  
  Det indeholdt Obama, der lavede en public service-meddelelse og inkluderer, at han kaldte Trump for en "dipshit". Skaberen er Jordan Peele, og de værktøjer, han brugte, omfatter Adobe After Effects og FaceApp.
  
  
• Mona Lisa – De fleste kender Leonardo da Vincis mesterværk, Mona Lisa. Men i 2019 undrede folk verden over, da de så hende smile og bevæge sig for første gang, takket være Samsungs russiske AI-forskningslaboratorier.
  
  Mærket "realistiske neurale talende hoveder" brugte forskerne 7,000 billeder indsamlet fra YouTube til at træne dette neurale net. Så behøver du blot et enkelt billede, der matcher ansigtstræk og animerer ansigtet. De gjorde det også med Albert Einstein, Marilyn Monroe, Salvador Dalí og andre.
  
  
• Zoom opkald – I 2020 demonstrerede to russiske forskere, hvordan du kunne bruge den tilpassede baggrundsfunktion i Zoom-videoopkald til at skabe animerede deepfakes i realtid af enhver, du ville have. De kunne optræde som en levende-og-talende Albert Einstein, Mona Lisa, Donald Trump eller Boris Johnson på nettet.
  
  
• Salvador Dalí – I 2019 var Dalí-museet i St. Petersburg, Florida, vært for udstillingen "Dalí Lives". Den indeholdt en dybt forfalsket version af den døde kunstner, og de havde brug for over 1,000 timers maskinlæring og 6,000 frames for at kunne klare det.
  
  
• DeepNude – Også i 2019 udgav et team af udviklere en imponerende app kaldet DeepNude. Alt det behøvede var et billede af en kvinde i bikini, og det ville strippe hende helt nøgen. Derefter tilføjede den et "FAKE" vandmærke på billedet, som du kan fjerne for $50.
  
  Appen overraskede og forargede så mange mennesker. Og presset var så stort, at udviklerne måtte trække det af nettet. Dens open source-kode på GitHub blev også fjernet, men websteder kan lide http://deepnude.to og en telegram-bot viser, at DeepNude lever videre.

Bemærkelsesværdige deepfake apps

Der er også masser af deepfake-generator-apps derude, hvor nogle er mere imponerende end andre. De er for det meste til smartphonen og gør det nemt for alle hurtigt at manipulere billeder og videoer.

Disse apps inkluderer:

• DeepFaceLab – Tilgængelig på GitHub, DeepFaceLab er en førende softwareløsning til at skabe deepfakes. Det giver dig mulighed for at bytte og afælde ansigter, erstatte hovedet og manipulere læberne på politikere og andre interesserede. Mange YouTube-kanaler bruger det også.
  
  
• MyHeritage – The Deep Nostalgia tilbud fra MyHeritage.com gør det nemt at bringe antikke familiebilleder til live. MyHeritage er en platform til at opdage dit stamtræ. Så det kan være en uhyggelig, men imponerende oplevelse at bringe dine forfædre tilbage til livet.
  
  
• FakeApp – Udviklet og udgivet af en Reddit-bruger, FakeApp gør det nemt at bytte eller lege med ansigter på en video gratis. Det blev brugt til at skabe den berømte re-mastering af unge prinsesse Leia i Star Wars: Rogue One-prequel. Det tog tilsyneladende kun minutter at lave, men det så bedre ud end filmens originale, som tog uger og kostede meget mere.
  
  
• Reface – Endnu en imponerende og sjov app tilgængelig for Android og iOS. Det kommer dog med annoncer, som du kan fjerne med et månedligt abonnement.
  
  
• Zao – Kinesisk deepfake-app, der lader dig oprette nye videoer på få sekunder, men med imponerende resultater. Den er kun tilgængelig i Kina.
  
  
• Deepfakes Web – En cloud-baseret deepfake-app, der fungerer på nettet. Bare gå til hjemmesiden, upload en video og klik på en knap. Så lærer systemet videoen og laver en ny til dig. Du kan også træne det for bedre resultater.

Konklusion

Når man kommer til slutningen af ​​dette deepfake-indlæg, burde det være indlysende, hvor langt denne teknologi er nået nu. Og dette inkluderer både den moralske og den umoralske tilgang, da pornoindustrien altid har været en kilde til innovation på internettet.

Også i betragtning af de relativt billigere omkostninger ved AI-deepfakes i forhold til traditionelle CGI'er, er fremtiden helt sikkert lys for deepfake-brug i filmindustrien såvel som i andre applikationer ud over underholdning.