Deepfakes: Hur det fungerar, appar och några exempel

Deepfake foton och videor fångar uppmärksamheten hos många runt om i världen och får forskare och lagstiftare att fråga: Vad händer härnäst?

Deepfake-termen står för "deep learning" och fejk, och syftar på användningen av djupinlärningsmetoder från artificiell intelligens för att skapa en falsk kopia av vilken media som helst.

Många är oroade över hur lätt det är att fejka bilder och videor med deepfake-appar, medan andra tycker att det är väldigt underhållande. Deepfakes har dock blivit en grej.

Så vi tittar närmare på denna teknik för att upptäcka hur den fungerar och vad den betyder för världen.

Deepfakes vs artificiell intelligens

Först och främst är det viktigt att notera skillnaden mellan standard AI-genererad utdata och deepfakes. AI-algoritmer har producerat olika typer av medieutgångar i evigheter, men du kan knappast kalla dem deepfakes.

Termen deepfake hänvisar till ett falskt media, som videor, bilder eller något annat, det vill säga en AI-redigerad version av en redan existerande kopia.

Artificiell intelligens har utvecklats oerhört under det senaste decenniet, tack vare billigare, kraftfullare datorer, såväl som ny utveckling inom området.

Där AI-genererade bilder var lätt att känna igen för ett decennium sedan, har algoritmerna blivit bättre under de senaste åren, vilket gör det lättare att producera mycket realistiska resultat. Det är denna höga nivå av autenticitet som gör AI-genererade bilder i allmänhet, och deepfakes specifikt, mycket imponerande.

AI och Deep Learning

För att förstå hur datoralgoritmer utvecklades för att skapa de mycket realistiska mänskliga ansiktena du kan hitta på genererade.foton och thispersondoesnotexist.com, behöver du en primer inom artificiell intelligens.

Det finns olika områden inom AI, beroende på vilken metod du använder och vad du planerar att uppnå. Du hittar allt från sannolikhetsmetoder som Bayesian-filtret som används för skräppostdetektering till suddig logik, evolutionära algoritmer som utvecklas på egen hand och artificiella neurala nätverk, som syftar till att simulera den mänskliga hjärnan.

Neurala nätverk

Precis som det finns riktiga neuroner i den mänskliga hjärnan, med deras dendriter och axoner anslutna i mycket komplexa nätverk som sträcker sig över miljoner till miljarder neuroner, ansluter artificiella neuroner också. Men deras antal begränsas av datorkraft.

Målet med ett neuralt nätverk är att ge en utdata eller ett svar på varje input. Detta uppnås genom att först lära nätverket som du skulle lära ett barn. Efter det kan den nu göra förutsägelser baserat på dina läror.

Du bör också notera att fler neuroner i ett nätverk ofta betyder bättre resultat och mer träningsdata förbättrar också resultaten. Det är precis så den mänskliga hjärnan fungerar, åtminstone teoretiskt.

Hur deepfaking fungerar

Det finns många saker och områden där du kan tillämpa artificiell intelligens. Deepfaking är bara en av dem, som utvecklats från att använda neurala nätverk för att redigera bilder. De tidigare resultaten var lovande, men de var väldigt grundläggande tills Ian Goodfellow och vänner kom på GAN 2014.

GAN eller Generative Adversarial Network är ett ramverk för undervisning i neurala nätverk. Så istället för att du måste förbereda och lära ut nätverket på egen hand låter du ett annat nätverk konkurrera med det första nätverket genom att kritisera dess resultat. Detta leder till generering av fantastiska resultat baserat på vilken träningsuppsättning som helst.

Resultaten av GAN-metoden var lika fenomenala då som de är idag. Det har också blivit grunden för många AI-lösningar och applikationer, inklusive deepfakes. Dessutom har förbättringarna i datorkraft gjort det lättare att göra fantastiska saker även på smartphones.

Möjliga deepfake-applikationer

Förutom de mycket populära bilderna och videorna som cirkulerar på nätet, finns det många applikationer för att använda deepfake-tekniken för andra mer användbara ändamål.

Deepfakes kan hjälpa talskadade patienter att hitta en röst med hjälp av ljudsyntes. Det kan hitta användningsområden i klassrummet, där historiska personer återupplivas, som det hände i Dalí-museet i St. Petersburg, Florida.

Filmindustrin kan också hitta användningsområden för deepfakes, eftersom det avsevärt kan sänka kostnaden för CGI (Computer Generated Imagery) i filmer. Döda underhållare och skådespelare kan återuppstå och presenteras i nya filmer.

Deepfakes kan göra det möjligt för vem som helst att producera specialiserade videor på flera språk, som hände med David Beckhams "malaria no more"-kampanj och Manoj Tiwaris politiska kampanj i Indien, där han talade flytande på flera språk.

Spel kan också hitta bra användningsområden för deepfakes, eftersom spelare kan fördjupa sig i spelet för en djupare virtual reality-upplevelse.

Även marknadsförare för sociala medier hittar användningsområden för datorgenererade sociala mediepersonligheter som skapats och hanteras helt på datorn. Fast inte en riktig deepfake, Calvin Kleins Lil Miquela och hennes 3 miljoner Instagram-följare visar vad som är möjligt.

Några deepfake exempel

För att bättre förstå denna teknik och de löften den ger, här är några av de mest imponerande deepfakes som finns.

• Obamas tillkännagivande – Det här är en av de mest kända, äldsta och mest chockerande deepfakes. Den här videon släpptes 2018 och skapades som en varning för att upplysa människor om teknikens möjligheter.
  
  Den innehöll att Obama gjorde ett public service-meddelande och inkluderar att han kallade Trump för en "dipshit". Skaparen är Jordan Peele och verktygen han använde är bland annat Adobe After Effects och FaceApp.
  
  
• Mona Lisa – De flesta känner till Leonardo da Vincis mästerverk, Mona Lisa. Men 2019 förundrades människor världen över, när de såg henne le och röra sig för första gången, tack vare Samsungs ryska AI-forskningslabb.
  
  Märkt "realistiska neurala talande huvuden" använde forskarna 7,000 XNUMX bilder som samlats in från YouTube för att träna detta neurala nät. Då behöver du bara ett foto för att matcha ansiktsdragen och animera ansiktet. De gjorde det också med Albert Einstein, Marilyn Monroe, Salvador Dalí och andra.
  
  
• Zooma samtal – År 2020 visade två ryska forskare hur du kunde använda den anpassningsbara bakgrundsfunktionen i Zoom-videosamtal för att skapa animerade djupförfalskningar i realtid av vem du ville. De kan dyka upp som en levande och talande Albert Einstein, Mona Lisa, Donald Trump eller Boris Johnson på webben.
  
  
• Salvador Dalí – 2019 stod Dalí-museet i St. Petersburg, Florida, värd för utställningen "Dalí Lives". Den innehöll en djupförfalskad version av den döda artisten, och de behövde över 1,000 6,000 timmars maskininlärning och XNUMX XNUMX bildrutor för att få till det.
  
  
• DeepNude – Även 2019 släppte ett team av utvecklare en imponerande app som heter DeepNude. Allt det behövdes var en bild på en kvinna i bikini och den skulle ta av henne helt naken. Sedan lade den till en "FAKE" vattenstämpel på bilden, som du kan ta bort för $50.
  
  Appen förvånade och upprörde så många människor. Och trycket var så stort att utvecklarna var tvungna att dra bort det från webben. Dess öppen källkod på GitHub togs också bort, men webbplatser som http://deepnude.to och en telegrambot visar att DeepNude lever vidare.

Anmärkningsvärda deepfake-appar

Det finns också massor av deepfake-generatorappar där ute, där vissa är mer imponerande än andra. De är mest för smarttelefonen och gör det enkelt för vem som helst att snabbt manipulera foton och videor.

Dessa appar inkluderar:

• DeepFaceLab – Tillgänglig på GitHub, DeepFaceLab är en ledande mjukvarulösning för att skapa deepfakes. Den låter dig byta och avåldra ansikten, byta ut huvudet och manipulera läpparna på politiker och andra intresserade. Många YouTube-kanaler använder det också.
  
  
• MyHeritage – The Deep Nostalgia-erbjudandet från MyHeritage.com gör det enkelt att levandegöra antika familjefoton. MyHeritage är en plattform för att upptäcka ditt släktträd. Så att återuppliva dina förfäder kan vara en läskig men imponerande upplevelse.
  
  
• FakeApp – Utvecklad och släppt av en Reddit-användare, FakeApp gör det enkelt att byta eller spela med ansikten på en video gratis. Det användes för att skapa den berömda re-masteringen av unga prinsessan Leia i Star Wars: Rogue One-prequel. Den tog tydligen bara minuter att göra, men den såg bättre ut än filmens original, som tog veckor och kostade mycket mer.
  
  
• Reface – En annan imponerande och rolig app tillgänglig för Android och iOS. Det kommer dock med annonser, som du kan ta bort med ett månatligt abonnemang.
  
  
• Zao – Kinesisk deepfake-app som låter dig skapa nya videor på bara några sekunder, men med imponerande resultat. Det är bara tillgängligt i Kina.
  
  
• Deepfakes Web – En molnbaserad deepfake-app som fungerar på webben. Gå bara till webbplatsen, ladda upp en video och klicka på en knapp. Då lär systemet sig videon och skapar en ny åt dig. Du kan också träna den för bättre resultat.

Slutsats

När man kommer till slutet av detta deepfake-inlägg borde det vara uppenbart hur långt denna teknik har kommit nu. Och detta inkluderar både moraliska och omoraliska tillvägagångssätt, eftersom porrindustrin alltid har varit en källa till innovation på internet.

Också med tanke på den relativt billigare kostnaden för AI-deepfakes jämfört med traditionella CGI: er, är framtiden säkerligen ljus för deepfake-användning i filmindustrin, såväl som i andra applikationer utöver underhållning.