Deepfakes: Hvordan det fungerer, apper og noen eksempler

Dypfalske bilder og videoer fanger oppmerksomheten til mange rundt om i verden og får forskere og lovgivere til å spørre: Hva er det neste?

Deepfake-begrepet står for "deep learning" og falsk, og refererer til bruken av dyplæringsmetoder fra kunstig intelligens for å lage en falsk kopi av alle medier.

Mange er skremt over hvor enkelt det er å forfalske bilder og videoer ved hjelp av dypfalske apper, mens andre synes det er veldig underholdende. Imidlertid har deepfakes blitt en ting.

Så vi ser nærmere på denne teknologien for å finne ut hvordan den fungerer og hva den betyr for verden.

Deepfakes vs kunstig intelligens

Først og fremst er det viktig å merke seg forskjellen mellom standard AI-generert utgang og deepfakes. AI-algoritmer har produsert forskjellige typer medieutganger i evigheter, men du kan knapt kalle dem deepfakes.

Begrepet deepfake refererer til et forfalsket medie, for eksempel videoer, bilder eller noe annet, som er en AI-redigert versjon av en allerede eksisterende kopi.

Kunstig intelligens utviklet seg enormt i løpet av det siste tiåret, takket være billigere, kraftigere datamaskiner, samt ny utvikling på feltet.

Der AI-genererte bilder var lett gjenkjennelige for et tiår siden, har algoritmene blitt bedre de siste årene, noe som gjør det lettere å produsere svært realistiske resultater. Det er dette høye nivået av autentisitet som gjør AI-genererte bilder generelt, og deepfakes spesifikt, veldig imponerende.

AI og dyp læring

For å forstå hvordan datamaskinalgoritmer utviklet seg til å skape de svært realistiske menneskeansiktene du kan finne på genererte.bilder og thispersondoesnotexist.com, trenger du en primer innen kunstig intelligens.

Det er forskjellige områder innen AI, avhengig av metoden du bruker og hva du planlegger å oppnå. Du vil finne alt fra sannsynlighetsmetoder som det Bayesianske filteret brukt for spam-deteksjon til uklar logikk, evolusjonære algoritmer som utvikler seg på egen hånd, og kunstige nevrale nettverk, som har som mål å simulere den menneskelige hjernen.

Nevrale nettverk

Akkurat som det er ekte nevroner i den menneskelige hjernen, med deres dendritter og aksoner koblet sammen i svært komplekse nettverk som spenner over millioner til milliarder av nevroner, kobles også kunstige nevroner sammen. Men antallet deres er begrenset av datakraft.

Målet med et nevralt nettverk er å gi en utgang eller et svar på hver inngang. Dette oppnås ved først å lære nettverket slik du ville lært et barn. Etter det kan den nå lage spådommer basert på læren din.

Du bør også merke deg at flere nevroner i et nettverk ofte betyr bedre resultater og mer treningsdata forbedrer resultatene også. Dette er nøyaktig hvordan den menneskelige hjernen fungerer, i det minste teoretisk.

Hvordan deepfaking fungerer

Det er mange ting og områder hvor du kan bruke kunstig intelligens. Deepfaking er bare en av dem, som utviklet seg fra å bruke nevrale nettverk til å redigere bilder. De tidligere resultatene var lovende, men de var veldig grunnleggende inntil Ian Goodfellow og venner kom opp med GAN i 2014.

GAN eller Generative Adversarial Network er et rammeverk for undervisning i nevrale nettverk. Så i stedet for at du må forberede og undervise nettverket på egen hånd, lar du et annet nettverk konkurrere med det første nettverket ved å kritisere dets resultater. Dette fører til generering av gode resultater basert på ethvert treningssett.

Resultatene av GAN-tilnærmingen var like fenomenale den gang som i dag. Det har også blitt grunnlaget for mange AI-løsninger og -applikasjoner, inkludert dype faker. I tillegg har forbedringene i datakraft gjort det enklere å gjøre fantastiske ting på selv smarttelefoner.

Mulige deepfake-applikasjoner

Bortsett fra de svært populære bildene og videoene som sirkulerer på nettet, er det brede applikasjoner for å bruke deepfake-teknologien til andre mer nyttige formål.

Deepfakes kan hjelpe talehemmede pasienter med å finne en stemme ved hjelp av lydsyntese. Den kan finne bruksområder i klasserommet, der historiske figurer bringes tilbake til livet, slik det skjedde i Dalí-museet i St. Petersburg, Florida.

Filmindustrien kan også finne bruksområder for deepfakes, da det kan redusere kostnadene for CGI (Computer Generated Imagery) i filmer betydelig. Døde underholdere og skuespillere kan gjenoppstå og vises i nye filmer.

Deepfakes kan gjøre det mulig for hvem som helst å produsere spesialiserte videoer på flere språk, som skjedde med David Beckhams «malaria no more»-kampanje og Manoj Tiwaris politiske kampanje i India, hvor han snakket flytende på flere språk.

Gaming kan også finne gode bruksområder for deepfakes, ettersom spillere kan fordype seg i spillet for en dypere virtual reality-opplevelse.

Selv markedsførere av sosiale medier finner bruksområder for datamaskingenererte sosiale mediepersonligheter som er opprettet og administrert utelukkende på datamaskinen. Selv om det ikke er en ekte deepfake, Calvin Kleins Lil Miquela og hennes 3 millioner Instagram-følgere viser hva som er mulig.

Noen dypfalske eksempler

For bedre å forstå denne teknologien og løftene den holder, her er noen av de mest imponerende dype forfalskninger der ute.

• Obama kunngjøring – Dette er en av de mest kjente, eldste og mest sjokkerende deepfakes. Denne videoen ble utgitt i 2018, og ble laget som en advarsel for å opplyse folk om teknologiens muligheter.
  
  Den inneholdt at Obama kom med en offentlig tjenestekunngjøring og inkluderer at han kalte Trump en "diphit". Skaperen er Jordan Peele og verktøyene han brukte inkluderer Adobe After Effects og FaceApp.
  
  
• Mona Lisa – De fleste kjenner til Leonardo da Vincis mesterverk, Mona Lisa. Men i 2019 forundret folk verden over, da de så henne smile og bevege seg for første gang, takket være Samsungs russiske AI-forskningslaboratorier.
  
  Merket "realistiske nevrale snakkehoder", brukte forskerne 7,000 bilder samlet fra YouTube for å trene dette nevrale nettet. Da trenger du bare ett enkelt bilde for å matche ansiktstrekkene og animere ansiktet. De gjorde det også med Albert Einstein, Marilyn Monroe, Salvador Dalí og andre.
  
  
• Zoom samtaler – I 2020 demonstrerte to russiske forskere hvordan du kunne bruke den tilpassbare bakgrunnsfunksjonen til Zoom-videosamtaler for å lage sanntidsanimerte deepfakes av hvem du ville. De kan dukke opp som en live-og-talende Albert Einstein, Mona Lisa, Donald Trump eller Boris Johnson på nettsamtaler.
  
  
• Salvador Dalí – I 2019 var Dalí-museet i St. Petersburg, Florida, vertskap for «Dalí Lives»-utstillingen. Den inneholdt en dypt forfalsket versjon av den døde artisten, og de trengte over 1,000 timer med maskinlæring og 6,000 bilder for å få det til.
  
  
• DeepNude – Også i 2019 ga et team av utviklere ut en imponerende app kalt DeepNude. Alt den trengte var et bilde av en kvinne i bikini, og det ville strippe henne helt naken. Deretter la den til et "FAKE" vannmerke på bildet, som du kan fjerne for $50.
  
  Appen overrasket og forarget så mange mennesker. Og presset var så stort at utviklerne måtte trekke det av nettet. Den åpne kildekoden på GitHub ble også fjernet, men nettsteder liker http://deepnude.to og en telegram-bot viser at DeepNude lever videre.

Bemerkelsesverdige deepfake-apper

Det er også mange deepfake-generatorapper der ute, hvor noen er mer imponerende enn andre. De er mest for smarttelefonen og gjør det enkelt for alle å raskt manipulere bilder og videoer.

Disse appene inkluderer:

• DeepFaceLab – Tilgjengelig på GitHub, DeepFaceLab er en ledende programvareløsning for å lage deepfakes. Den lar deg bytte og avaldre ansikter, bytte hodet og manipulere leppene til politikere og andre interesserte. Mange YouTube-kanaler bruker det også.
  
  
• MyHeritage – The Deep Nostalgia-tilbudet fra MyHeritage.com gjør det enkelt å bringe antikke familiebilder til live. MyHeritage er en plattform for å oppdage slektstreet ditt. Så det kan være en skummel, men imponerende opplevelse å bringe dine forfedre tilbake til livet.
  
  
• FakeApp – Utviklet og utgitt av en Reddit-bruker, FakeApp gjør det enkelt å bytte eller leke med ansikter på en video gratis. Den ble brukt til å lage den berømte re-masteringen av unge prinsesse Leia i Star Wars: Rogue One-prequel. Den tok tilsynelatende bare minutter å lage, men den så bedre ut enn filmens original, som tok uker og kostet mye mer.
  
  
• Reface – En annen imponerende og morsom app tilgjengelig for Android og iOS. Den kommer imidlertid med annonser, som du kan fjerne med et månedlig abonnement.
  
  
• Zao – Kinesisk deepfake-app som lar deg lage nye videoer på bare sekunder, men med imponerende resultater. Den er kun tilgjengelig i Kina.
  
  
• Deepfakes Web – En skybasert deepfake-app som fungerer på nettet. Bare gå til nettstedet, last opp en video og klikk på en knapp. Da vil systemet lære seg videoen og lage en ny for deg. Du kan også trene den for bedre resultater.

Konklusjon

Når det kommer til slutten av dette dypfalske innlegget, burde det være åpenbart hvor langt denne teknologien har kommet nå. Og dette inkluderer både den moralske og umoralske tilnærmingen, ettersom pornoindustrien alltid har vært en kilde til innovasjon på internett.

Også gitt de relativt billigere kostnadene for AI-deepfakes i forhold til tradisjonelle CGI-er, er fremtiden helt klart lys for deepfake-bruk i filmindustrien, så vel som i andre applikasjoner utover underholdning.