Videos, in denen Mark Zuckerberg den Datendiebstahl zugibt und Barack Obama Donald Trump misshandelt, kursieren schon seit geraumer Zeit im Internet?
Diese Videos sind das Ergebnis einer sehr fortschrittlichen und futuristischen KI-Technologie namens Deepfake.
Einfach ausgedrückt handelt es sich um eine Photoshop-Alternative für Videos. Einerseits kann es die elektronischen Medien revolutionieren, indem es die Notwendigkeit einer tatsächlichen Person überflüssig macht.
Andererseits stellt es eine ernsthafte Bedrohung für die eigene Identität dar, da man auf Video jeden dazu bringen kann, etwas zu sagen.
Verwendung von Deepfakes tiefe Lernen um Fotos und Videos von gefälschten Ereignissen zu erstellen, daher der Name Deepfake. Es kann nicht nur Gesichter in vorhandenen Videos austauschen, sondern auch neue Frames und Videos von Grund auf erstellen.
Der Ursprung von Deepfakes
Umfangreich akademische Forschung hat in den letzten Jahren die Grenzen der Foto- und Videomanipulation verschoben. Deepfake ist auch das Ergebnis dieser akademischen Forschungen.
Der erste Fall von Videomanipulation wurde 1997 gemeldet. Dabei wurde ein Video einer Person so verändert, dass sie die in einer anderen Audiospur enthaltenen Wörter vorsprach. Es war der erste Fall einer Gesichtsreanimation Maschinelles Lernen Techniken.
Ein weiterer bemerkenswerter Fortschritt wurde 2017 erzielt, als ein Video des ehemaligen US-Präsidenten Barack Obama so geändert wurde, dass es andere Wörter sagt, die zu einer anderen Audiospur passen.
Im Jahr 2018 stellten Forscher der University of California, Berkeley, eine App vor, die eine erstellen könnte Fake-Tanzvideo mit Deep Learning. Dies markierte die Ausweitung von Deepfakes auf den gesamten Körper, während sich frühere Arbeiten auf Gesichter beschränkten.
Wie entstehen Deepfakes?
Dank der Fortschritte in der Computertechnik können Sie Deepfakes jetzt relativ einfach und zu geringen Kosten entwickeln. Zur Generierung von Deepfakes werden hauptsächlich zwei Methoden verwendet.
Methode 1
Sie müssen a trainieren neuronale Netzwerk auf echtem Videomaterial der Person. Dies ermöglicht die neuronale Netzwerk um die Gesichtszüge des Motivs aus verschiedenen Blickwinkeln und Lichtverhältnissen zu verstehen.
Anschließend verarbeiten Sie sowohl das Originalgesicht als auch das latente Gesicht durch einen KI-Algorithmus namens Encoder. Es findet und lernt die Unterschiede und Ähnlichkeiten zwischen den beiden Gesichtern und beide Gesichter werden auf ein komprimiertes Bild reduziert, das die gemeinsamen Merkmale aufweist.
Dann kommt der zweite KI-Algorithmus namens Decoder, der Gesichter aus komprimierten Bildern wiederherstellt. Beide Gesichter werden von zwei verschiedenen Decodern wiederhergestellt.
Um den Face-Swap durchzuführen, speisen Sie einfach die codierten Bilder in den anderen Decoder ein.
Beispielsweise wird eine Encoder-Ausgabe von Gesicht A in den auf Gesicht B trainierten Decoder eingespeist, der dann Gesicht B mit den Gesichtszügen von Gesicht A rekonstruiert. Für eine überzeugende Ausgabe müssen Sie dies bei jedem Bild des Videos tun.
Methode 2
Eine weitere Methode zur Generierung von Deepfakes ist das Generative Adversarial Network (GAN).
Um Deepfakes zu generieren, müssen Sie zwei konkurrierende Algorithmen verwenden. Der erste verwendet Zufallsrauschen, um ein Bild zu erzeugen, und wird daher als Generator bezeichnet. Dieses synthetische Bild wird über einen zweiten Algorithmus namens Diskriminator einem Strom realer Bilder zugeführt.
Der Diskriminator gibt eine Rückmeldung an den Generator, der entsprechend der Rückmeldung ein weiteres Bild erzeugt. Auf diese Weise liefern beide Algorithmen mit jeder Iteration bessere Ergebnisse. Dieser Vorgang wird viele Male wiederholt, bis die erforderliche Genauigkeit erreicht ist.
GAN liefert absolut realistische Ergebnisse, ist jedoch schwer zu handhaben und erfordert enorme Mengen an Trainingsdaten und Rechenleistung. Aus diesem Grund wird es im Allgemeinen zum Generieren von Bildern gegenüber Videoclips bevorzugt.
Einige überzeugende Beispiele für Deepfakes
Es gibt einige sehr überzeugende Deepfakes im Internet, und die meisten davon stammen von Prominenten.
Beispielsweise gibt es einen TikTok-Account, der sich ausschließlich den Deepfakes von Tom Cruise widmet. Auf Videos ist zu sehen, wie Cruise Golf spielt oder einen Zaubertrick vorführt.
@deeptomcruise Reisen! ????
Ein weiterer hochkomplexer Deepfake wurde mit Tom Cruise, Robert Downey Jr., Jeff Goldblum, George Lucas und Ewan McGregor auf YouTube hochgeladen. Es hat einige offensichtliche Mängel, aber drei bis vier Deepfakes gleichzeitig in einem Video zu verarbeiten, ist eine Meisterleistung für sich.
Ein weiteres Beispiel ist ein Deepfake-Video des ehemaligen Präsidenten Barack Obama.
Dieser ist erstaunlich überzeugend, da er die Stimmen und Gesten von Imitatoren verwendet, die in der Lage sind, die Stimmen und Gesten des Subjekts nachzuahmen.
Wir sehen jetzt Deepfakes in der modernen Mainstream-Unterhaltungsindustrie.
Es wurde verwendet, um Szenen von Paul Walker in Fast and Furious 7 nach dem unerwarteten Tod des Schauspielers zu drehen. Der Deepfake wurde mit bemerkenswerter Genauigkeit bei seinem Bruder eingesetzt.
Was bringen Deepfakes mit sich?
Deepfakes haben sich als sehr zuverlässige Technologie erwiesen, um Medien und Unterhaltung zu revolutionieren.
Können Sie sich erinnern, als Henry Cavills Schnurrbart in „Man of Steel“ per CGI entfernt wurde und es eine Katastrophe war?
Dasselbe kann jetzt auf Computern für ein paar tausend Dollar mit weitaus überzeugenderen Ergebnissen durchgeführt werden.
Sie können jetzt Ihre verstorbenen Vorfahren und Angehörigen treffen. Sie können sogar einer Physikvorlesung von Albert Einstein persönlich beiwohnen.
Abgesehen davon wurde Deepfake nicht vollständig in der vorgesehenen Weise eingesetzt. Rund 96 % der Deepfakes im Internet sind nicht einvernehmliche Pornografie.
Die große Menge an Trainingsdaten, die Prominenten zur Verfügung stehen, hat dazu geführt, dass sie die am stärksten betroffenen Opfer von Deepfakes sind.
Es hat uns ermöglicht, jeden in gefährliche oder gefährdende Situationen zu bringen, und stellt daher ein großes Risiko für alle dar.
Es wurde berichtet, dass Audio-Deepfakes zum Betrug von Unternehmen eingesetzt werden. Im Jahr 2019 wies ein Imitator mithilfe von Deep-Fake-Audio den CEO eines in Großbritannien ansässigen Unternehmens an, 220,000 Euro an eine ungarische Bank zu überweisen, indem er sich als Geschäftsführer der Muttergesellschaft des Unternehmens ausgab.
Wie kann man böswilligen Deepfakes entgegentreten?
Normalerweise können Sie Deepfake-Videos erkennen, indem Sie Bild für Bild genau beobachten und nach Artefakten und Unregelmäßigkeiten suchen.
Dies ist jedoch ein kontraintuitiver Prozess, und viele Unternehmen arbeiten an Algorithmen und Software, um dies zu erreichen Deepfakes erkennen.
Facebook rekrutierte Forscher aus Berkeley, Oxford und anderen Institutionen, um einen Deepfake-Detektor zu entwickeln. Ebenso kündigte YouTube an, dass keine Deepfake-Videos im Zusammenhang mit der US-Wahl, dem Wahlverfahren oder der US-Volkszählung 2020 akzeptiert werden.
Sie können auch Programme wie verwenden Realitätsverteidiger und Deeptrace zur Erkennung von Deepfakes.
Länder sind auch mit der Gesetzgebung zum Einsatz von Deepfakes im Allgemeinen beschäftigt. Die USA haben im vergangenen Jahr mehrere Gesetze zum Thema Deepfakes erlassen.
Einpacken
Deepfake ist die lebendige Verkörperung der Weiterentwicklung der KI. Dadurch werden die Grenzen der Zukunft weiter verwischt, es stellt jedoch eine potenzielle Bedrohung für die Glaubwürdigkeit videografischer Inhalte im Internet dar.
Es wird eine Zeit kommen, in der die Menschen anfangen, an jedem Video im Internet zu zweifeln, und wir werden in eine Ära weiterer Unsicherheit geraten.
Hinterlassen Sie uns einen Kommentar