Deepfakes ဆိုတာ ဘာလဲ

Deepfake များသည် ဖန်တီးရန် ပိုမိုလွယ်ကူလာပြီး ပိုမိုကြီးထွားလာသည်နှင့်အမျှ ၎င်းတို့ကို ပိုမိုအာရုံစိုက်လာပါသည်။ Deepfakes သည် AI ကျင့်ဝတ်များ၊ သတင်းမှားများ၊ ပွင့်လင်းမြင်သာမှုနှင့် အင်တာနက်နှင့် စည်းမျဥ်းစည်းကမ်းများပါ၀င်သည့် ဆွေးနွေးမှု၏ အဓိကအချက်ဖြစ်လာသည်။ deepfakes များအကြောင်း အသိပေးရန်နှင့် deepfakes ဟူသည် မည်သည်ကို အလိုလိုသိနားလည်ရန် ပေးဆောင်ရသည်။ ဤဆောင်းပါးသည် deepfake ၏အဓိပ္ပာယ်ဖွင့်ဆိုချက်ကို ရှင်းလင်းမည်ဖြစ်ပြီး၊ ၎င်းတို့၏အသုံးပြုမှုဆိုင်ရာကိစ္စရပ်များကို စစ်ဆေးရန်၊ deepfakes များကို မည်သို့ရှာဖွေတွေ့ရှိနိုင်သည်ကို ဆွေးနွေးမည်ဖြစ်ပြီး၊ လူ့အဖွဲ့အစည်းအတွက် deepfakes ၏သက်ရောက်မှုများကို ဆန်းစစ်မည်ဖြစ်သည်။

Deepfakes ဆိုတာ ဘာလဲ။

အတုအယောင်များကို ဆက်လက်မဆွေးနွေးမီ၊ အချိန်အနည်းငယ်ယူ၍ ရှင်းလင်းရန် အထောက်အကူဖြစ်လိမ့်မည်။ တကယ်တော့ "deepfakes" ဆိုတာဘာလဲ. Deepfake ဟူသော အသုံးအနှုန်းနှင့် ပတ်သက်၍ များစွာ ရှုပ်ထွေးမှုများ ရှိနေပြီး ၎င်းသည် စစ်မှန်သော Deepfake ဖြစ်သည်ဖြစ်စေ မဖြစ်စေဘဲ အတုအယောင် မည်သည့်မီဒီယာကိုမဆို မကြာခဏ အလွဲသုံးစားလုပ်လေ့ရှိသည်။ Deepfake အဖြစ် အရည်အချင်းပြည့်မီရန်အတွက်၊ မေးခွန်းထုတ်ထားသော မီဒီယာအတုများကို အထူးသဖြင့် နက်နဲသော အာရုံကြောကွန်ရက်တစ်ခုဖြစ်သည့် စက်-သင်ယူမှုစနစ်ဖြင့် ထုတ်လုပ်ရမည်ဖြစ်သည်။

Deepfakes ၏ အဓိကပါဝင်ပစ္စည်းမှာ စက်သင်ယူခြင်း ဖြစ်သည်။ Machine Learning သည် ကွန်ပြူတာများအတွက် ဗီဒီယိုနှင့် အသံကို လျင်မြန်လွယ်ကူစွာ အလိုအလျောက်ထုတ်ပေးနိုင်စေပါသည်။ နက်ရှိုင်းသော အာရုံကြောကွန်ရက်များကို ပစ်မှတ်ပတ်ဝန်းကျင်အခြေအနေများအောက်တွင် လူတို့မည်ကဲ့သို့ ရွေ့လျားပုံကို လေ့လာနိုင်စေရန်အတွက် ကွန်ရက်သည် တကယ့်လူတစ်ဦး၏ ဗီဒီယိုဖိုင်တွင် လေ့ကျင့်ထားသည်။ ထို့နောက် လေ့ကျင့်သင်ကြားထားသော ကွန်ရက်ကို အခြားတစ်ဦးချင်းစီ၏ ရုပ်ပုံများတွင် အသုံးပြုကာ လူသစ်ကို မူရင်းဗီဒီယိုနှင့် ပေါင်းစပ်နိုင်ရန် နောက်ထပ်ကွန်ပြူတာဂရပ်ဖစ်နည်းပညာများဖြင့် တိုးချဲ့ထားသည်။ မူရင်းမျက်နှာနှင့် ပစ်မှတ်မျက်နှာကြား တူညီမှုများကို ဆုံးဖြတ်ရန် ကုဒ်ပြောင်းကိရိယာ အယ်လဂိုရီသမ်ကို အသုံးပြုသည်။ မျက်နှာများ၏ ဘုံအင်္ဂါရပ်များကို သီးခြားခွဲထုတ်ပြီးသည်နှင့်၊ ကုဒ်ဒါဟုခေါ်သော ဒုတိယ AI algorithm ကို အသုံးပြုသည်။ ဒီကုဒ်ဒါသည် ကုဒ်လုပ်ထားသော (ချုံ့ထားသော) ရုပ်ပုံများကို စစ်ဆေးပြီး မူရင်းပုံများရှိ အင်္ဂါရပ်များအပေါ် အခြေခံ၍ ၎င်းတို့ကို ပြန်လည်တည်ဆောက်သည်။ ကုဒ်ဒုဒ်ကိရိယာနှစ်ခုကို အသုံးပြုထားပြီး၊ တစ်ခုသည် မူလအကြောင်းအရာ၏မျက်နှာတွင် တစ်ခုနှင့် ပစ်မှတ်လူ၏မျက်နှာတွင် ဒုတိယတစ်ခုကို အသုံးပြုထားသည်။ လဲလှယ်မှုကို ပြုလုပ်ရန်အတွက်၊ လူ X ၏ ရုပ်ပုံများတွင် လေ့ကျင့်ထားသည့် ဒီကုဒ်ဒါသည် လူ Y ၏ ရုပ်ပုံများကို ကျွေးမွေးသည်။ ရလဒ်မှာ ထိုပုဂ္ဂိုလ်၏ မျက်နှာသည် Person X ၏ မျက်နှာအမူအရာနှင့် တိမ်းညွှတ်မှုအပေါ် ပြန်လည်တည်ဆောက်ခြင်းဖြစ်သည်။

လောလောဆယ်တော့ deepfake လုပ်ဖို့အတွက် အချိန်တော်တော်ယူရပါသေးတယ်။ အတု၏ဖန်တီးသူသည် အတု၏သဘောသဘာဝကို ပေးစွမ်းနိုင်သောကြောင့် အတုအယောင်၏ ဘောင်များကို ကိုယ်တိုင်ချိန်ညှိရန် အချိန်အကြာကြီး သုံးစွဲရမည်ဖြစ်ပြီး၊ အကောင်းဆုံးသော ကန့်သတ်ချက်များသည် အတု၏သဘောသဘာဝကို လွဲမှားစေသည့် သိသာထင်ရှားသော ချို့ယွင်းချက်များနှင့် ပုံသဏ္ဍာန်ချို့ယွင်းမှုများကို ဖြစ်ပေါ်စေပါသည်။

Deepfake အများစုကို a ဟုခေါ်သော neural network အမျိုးအစားဖြင့် ပြုလုပ်သည်ဟု မကြာခဏ ယူဆထားကြသည်။ Generative Adversarial Network (GAN)ယနေ့ခေတ်တွင် ဖန်တီးထားသော deepfake အများအပြား (ဖြစ်ကောင်းဖြစ်နိုင်သည်) သည် GAN များကို အားမကိုးပါ။ GANs သည် အစောပိုင်း Deepfakes ဖန်တီးမှုတွင် အရေးပါသော အခန်းကဏ္ဍမှ ပါဝင်ခဲ့သော်လည်း၊ Deepfake ဗီဒီယို အများစုကို အခြားနည်းလမ်းများဖြင့် ဖန်တီးထားကြောင်း SUNY Buffalo မှ Siwei Lyu ကဆိုသည်။

GAN တစ်ခုကို လေ့ကျင့်ရန်အတွက် လေ့ကျင့်ရေးဒေတာ အချိုးမညီမျှစွာ ပမာဏများစွာ လိုအပ်ပြီး GAN များသည် အခြားပုံထုတ်လုပ်ရေးနည်းပညာများနှင့် နှိုင်းယှဉ်ပါက ပုံတစ်ပုံကို တင်ဆက်ရန် အချိန်ပိုကြာတတ်သည်။ GAN များသည် ဖရိန်မှ ဖရိန်အထိ လိုက်လျောညီထွေရှိမှုကို ထိန်းသိမ်းရန် အခက်အခဲရှိသောကြောင့် GAN များသည် ဗီဒီယိုထက် ရုပ်ပုံများဖန်တီးရာတွင်လည်း ပိုမိုကောင်းမွန်ပါသည်။ နက်ရှိုင်းသောအတုအယောင်များဖန်တီးရန် ကုဒ်ဒါတစ်ခုနှင့် ကုဒ်ဒုဒ်များစွာကို အသုံးပြုခြင်းသည် ပို၍အသုံးများသည်။

Deepfakes ကို ဘာအတွက်အသုံးပြုကြသလဲ

အွန်လိုင်းတွင်တွေ့ရှိရသော အတုအယောင်အများစုသည် သဘာဝတွင် ညစ်ညမ်းပုံများဖြစ်သည်။ AI ကုမ္ပဏီတစ်ခုဖြစ်သည့် Deeptrace မှ 15,000 ခုနှစ် စက်တင်ဘာလတွင် ရိုက်ကူးခဲ့သော deepfake ဗီဒီယို နမူနာပေါင်း 2019 အနက်မှ 95% ခန့်သည် သဘာဝအတိုင်း ညစ်ညမ်းရုပ်ပုံများဖြစ်နေသည်။ ဤအချက်၏ ရှုပ်ထွေးသော သက်ရောက်မှုတစ်ခုမှာ နည်းပညာအသုံးပြုရန် ပိုမိုလွယ်ကူလာသည်နှင့်အမျှ ကလဲ့စားချေသည့် ညစ်ညမ်းအတုများ ပေါ်ပေါက်လာနိုင်သည်။

သို့သော်၊ နက်နဲသောအတုအယောင်များအားလုံးသည် သဘာဝတွင် ညစ်ညမ်းပုံများမဟုတ်ပေ။ Deepfake နည်းပညာအတွက် တရားဝင်အသုံးပြုမှုများ ပိုများသည်။ ဖျားနာခြင်း သို့မဟုတ် ဒဏ်ရာကြောင့် ပျက်စီးခြင်း သို့မဟုတ် ဆုံးရှုံးပြီးနောက် အသံနက်နက်အတုနည်းပညာသည် လူများကို ၎င်းတို့၏ ပုံမှန်အသံများကို ထုတ်လွှင့်ရာတွင် ကူညီပေးနိုင်သည်။ Deepfakes သည် ထိလွယ်ရှလွယ်၊ အန္တရာယ်ဖြစ်နိုင်သည့် အခြေအနေများတွင် ရှိနေသူများ၏ မျက်နှာများကို ဖုံးကွယ်ရန်အတွက်လည်း ၎င်းတို့၏ နှုတ်ခမ်းနှင့် အမူအရာများကို ဖတ်ရှုခွင့်ပြုထားဆဲဖြစ်သည်။ Deepfake နည်းပညာကို နိုင်ငံခြားဘာသာစကားဖြင့် ရုပ်ရှင်များ တွင် အမည်တပ်ခြင်း၊ အဟောင်းနှင့် ပျက်စီးနေသော မီဒီယာများကို ပြုပြင်ရာတွင် အထောက်အကူဖြစ်ပြီး အနုပညာပုံစံအသစ်များ ဖန်တီးရာတွင်လည်း တိုးတက်ကောင်းမွန်လာစေရန် အသုံးပြုနိုင်မည်ဖြစ်သည်။

ဗီဒီယိုမဟုတ်သော Deepfakes

“deepfake” ဟူသော အသုံးအနှုန်းကို ကြားသောအခါတွင် လူအများစုသည် ဗီဒီယိုအတုများဟု ထင်ကြသော်လည်း၊ ဗီဒီယိုအတုများသည် deepfake နည်းပညာဖြင့် ထုတ်လုပ်သည့် တစ်ခုတည်းသော မီဒီယာအတုမျိုး မဟုတ်ပေ။ Deepfake နည်းပညာကို ဓာတ်ပုံနှင့် အသံအတုများ ဖန်တီးရာတွင်လည်း အသုံးပြုပါသည်။ ယခင်က ဖော်ပြခဲ့သည့်အတိုင်း၊ GAN များသည် ပုံအတုများကို ဖန်တီးရန် မကြာခဏ အသုံးပြုကြသည်။ deepfake algorithms ဖြင့် ထုတ်လုပ်ထားသော ပရိုဖိုင်ပုံများပါရှိသော LinkedIn နှင့် Facebook ပရိုဖိုင်အတုများ အများအပြားရှိနေသည်ဟု ယူဆရပါသည်။

အသံနက်နဲသောအတုအယောင်များကိုလည်း ဖန်တီးနိုင်သည်။ နက်ရှိုင်းသောအာရုံကြောကွန်ရက်များသည် ကျော်ကြားသူများနှင့် နိုင်ငံရေးသမားများအပါအဝင် မတူညီသောလူများ၏ အသံပုံတူများ/အသံအရေခွံများကို ထုတ်လုပ်ရန် လေ့ကျင့်ထားသည်။ အသံ Deepfake ၏ ကျော်ကြားသော ဥပမာတစ်ခုမှာ AI ကုမ္ပဏီ Dessa မှ ဖြစ်သည်။ AI မော်ဒယ်ကို အသုံးပြုထားပြီး၊ ပေါ့တ်ကာစ် အစီအစဉ်တင်ဆက်သူ Joe Rogan ၏ အသံကို ပြန်လည်ဖန်တီးရန် AI မဟုတ်သော အယ်လဂိုရီသမ်များဖြင့် ပံ့ပိုးထားသည်။

Deepfakes ကို ဘယ်လိုရှာမလဲ။

Deepfakes များသည် ပို၍ပို၍ ဆန်းပြားလာသည်နှင့်အမျှ ၎င်းတို့ကို စစ်မှန်သော မီဒီယာနှင့် ခွဲခြားသိမြင်ရန် ပိုမိုခက်ခဲလာမည်ဖြစ်သည်။ လောလောဆယ်တော့ ရှိတယ်။ အရိပ်လက္ခဏာအချို့ ဗီဒီယိုသည် နှုတ်ခမ်းစင့်ခ်လုပ်ခြင်း ညံ့ဖျင်းခြင်း၊ သဘာဝမကျသော လှုပ်ရှားမှု၊ မျက်နှာအစွန်းတစ်ဝိုက်တွင် တုန်ခါနေသည့် ဆံပင်၊ သွားများ၊ သို့မဟုတ် ရောင်ပြန်ဟပ်ခြင်းကဲ့သို့သော နက်နဲသော အတုဖြစ်နိုင်ချေ ရှိမရှိကို လူများက ရှာဖွေနိုင်သည် ။ အနက်ရောင်အတု၏ အခြားအလားအလာရှိသော လက္ခဏာများမှာ တူညီသောဗီဒီယို၏ အရည်အသွေးနိမ့်သော အစိတ်အပိုင်းများနှင့် ပုံမှန်မဟုတ်သော မှိတ်တုတ်မှိတ်တုတ်များ ပါဝင်ပါသည်။

ဤဆိုင်းဘုတ်များသည် ယခုအချိန်တွင် အတုအယောင်များကို တစ်နေရာတည်းတွင် ကူညီပေးနိုင်သော်လည်း၊ Deepfake နည်းပညာသည် ယုံကြည်စိတ်ချရသော Deepfake ထောက်လှမ်းခြင်းအတွက် တစ်ခုတည်းသော ရွေးချယ်ခွင့်ကို ပိုမိုကောင်းမွန်စေသောကြောင့် အစစ်အမှန်မီဒီယာနှင့် အတုများကို ခွဲခြားသိရှိရန် လေ့ကျင့်ထားသော အခြားသော AI အမျိုးအစားများ ဖြစ်နိုင်သည်။

နည်းပညာကုမ္ပဏီကြီးအများအပြားအပါအဝင် ဥာဏ်ရည်တုနည်းပညာကုမ္ပဏီများသည် နက်နဲသောအတုအယောင်များကို ရှာဖွေဖော်ထုတ်သည့်နည်းလမ်းများကို သုတေသနပြုနေကြသည်။ ပြီးခဲ့သည့် ဒီဇင်ဘာလတွင်၊ Amazon၊ Facebook နှင့် Microsoft တို့မှ နည်းပညာဘီလူးကြီး ၃ ဦးက ပံ့ပိုးပေးသည့် နက်နဲသောအတုအယောင်ရှာဖွေခြင်းစိန်ခေါ်မှုကို စတင်ခဲ့သည်။ ကမ္ဘာတစ်ဝှမ်းမှ သုတေသနအဖွဲ့များသည် နက်ရှိုင်းသောအတုများကို ရှာဖွေဖော်ထုတ်သည့်နည်းလမ်းများကို အကောင်းဆုံးရှာဖွေဖော်ထုတ်သည့်နည်းလမ်းများကို တီထွင်နိုင်ရန် ယှဉ်ပြိုင်ခဲ့ကြသည်။ Google နှင့် Jigsaw တို့မှ ပေါင်းစပ်သုတေသီအဖွဲ့ကဲ့သို့ အခြားသော သုတေသီအဖွဲ့များသည် ပြုပြင်ပြောင်းလဲထားသော ဗီဒီယိုများကို ရှာဖွေတွေ့ရှိနိုင်သည့် “မျက်နှာမှုခင်းဆေးပညာ” အမျိုးအစားကို လုပ်ဆောင်နေပါသည်။ ၎င်းတို့၏ dataset များကို open source ပြုလုပ်ခြင်း။ နှင့် deepfake detection နည်းလမ်းများကို ဖန်တီးရန် အခြားသူများကို အားပေးခြင်း။ အထက်ဖော်ပြပါ Dessa သည် open-source dataset ကဲ့သို့ ကြိုတင်ဖွဲ့စည်းထားသော လေ့ကျင့်မှုနှင့် စမ်းသပ်မှုဒေတာအစုံတွင်သာမဟုတ်ဘဲ စူးစမ်းရှာဖွေမှုပုံစံများသည် နက်ရှိုင်းသောပုံများ (အင်တာနက်ပေါ်ရှိ) တွင်တွေ့ရှိသော နက်ရှိုင်းသောပုံသဏ္ဍာန်ဗီဒီယိုများပေါ်တွင် အလုပ်လုပ်ကြောင်း သေချာစေရန်အတွက် ကြိုးပမ်းနေပါသည်။ Google က ပေးထားတယ်။

လည်းရှိပါတယ် အခြားနည်းဗျူဟာများ Deepfakes ပြန့်ပွားမှုကို ကိုင်တွယ်ဖြေရှင်းရန် စုံစမ်းစစ်ဆေးလျက်ရှိသည်။ ဥပမာအားဖြင့်၊ အခြားသတင်းရင်းမြစ်များနှင့် ကိုက်ညီမှုရှိမရှိ ဗီဒီယိုများကို စစ်ဆေးခြင်းသည် နည်းဗျူဟာတစ်ခုဖြစ်သည်။ အခြားရှုထောင့်များမှ ရိုက်ယူနိုင်သော အဖြစ်အပျက်များ၏ ဗီဒီယိုအတွက် ရှာဖွေမှုများကို လုပ်ဆောင်နိုင်သည်၊ သို့မဟုတ် ဗီဒီယို၏ နောက်ခံအသေးစိတ် (ရာသီဥတုပုံစံများနှင့် တည်နေရာများကဲ့သို့) မကိုက်ညီမှုများကို စစ်ဆေးနိုင်ပါသည်။ ဒီအပြင်၊ Blockchain အွန်လိုင်းစာရင်းအင်းစနစ် ဆင်းသက်လာသောဗီဒီယိုများကို ခြယ်လှယ်မှုရှိမရှိ အမြဲစစ်ဆေးနိုင်စေရန် ၎င်းတို့၏မူရင်းအသံနှင့် ပုံများကို ကိုင်ထားပြီး ၎င်းတို့ကို ကနဦးဖန်တီးသည့်အခါ ဗီဒီယိုများကို စာရင်းသွင်းနိုင်သည်။

အဆုံးစွန်အားဖြင့်၊ Deepfakes များကို ထောက်လှမ်းနိုင်သည့် ယုံကြည်စိတ်ချရသော နည်းလမ်းများကို ဖန်တီးရန်နှင့် အဆိုပါ ထောက်လှမ်းမှုနည်းလမ်းများသည် deepfake နည်းပညာတွင် နောက်ဆုံးပေါ် တိုးတက်မှုများနှင့် လိုက်လျောညီထွေရှိရန် အရေးကြီးပါသည်။ Deepfakes များ၏ အကျိုးဆက်များ မည်ကဲ့သို့ဖြစ်လာမည်ကို အတိအကျသိရန် ခက်ခဲသော်လည်း၊ deepfakes (နှင့် အခြားသော မီဒီယာအတုပုံစံများ) ကို ဖော်ထုတ်ရန် ယုံကြည်စိတ်ချရသော နည်းလမ်းများ မရှိပါက၊ သတင်းမှားများသည် လူ့အဖွဲ့အစည်းနှင့် အဖွဲ့အစည်းများအပေါ် လူများ၏ ယုံကြည်မှုကို ကျယ်ကျယ်ပြန့်ပြန့် ဖြစ်ပေါ်စေပြီး ကျဆင်းသွားနိုင်သည်။

Deepfakes ၏သက်ရောက်မှုများ

နက်နဲသော အတုအယောင်များကို ဒလဟော မပြန့်ပွားအောင် ခွင့်ပြုခြင်း၏ အန္တရာယ်များကား အဘယ်နည်း။

Deepfakes များ လက်ရှိဖန်တီးနေသည့် အကြီးမားဆုံးပြဿနာတစ်ခုမှာ လူအများ၏မျက်နှာများကို ညစ်ညမ်းဗီဒီယိုများနှင့် ရုပ်ပုံများဖြင့် ပေါင်းစပ်ဖန်တီးထားသည့် ညစ်ညမ်းရုပ်ပုံစာပေဖြစ်သည်။ AI ကျင့်ဝတ်ပညာရှင်များသည် အတုအယောင် ကလဲ့စားချေသည့် ညစ်ညမ်းဖန်တီးမှုတွင် deepfakes များ ပိုမိုအသုံးပြုလာမည်ကို စိုးရိမ်နေကြသည်။ ၎င်းအပြင်၊ အတုအယောင်များသည် လူများကို အငြင်းပွားဖွယ်နှင့် အပေးအယူလုပ်ရန် အသုံးချနိုင်သောကြောင့် ၎င်းတို့သည် မည်သူတစ်ဦးတစ်ယောက်၏ ဂုဏ်သိက္ခာကို ထိခိုက်စေရန် အနိုင်ကျင့်ရန်နှင့် ထိခိုက်စေရန် အသုံးချနိုင်သည်။

ကုမ္ပဏီများနှင့် ဆိုက်ဘာလုံခြုံရေး ကျွမ်းကျင်သူများသည် လိမ်လည်မှု၊ လိမ်လည်မှုနှင့် ငွေညှစ်မှုများကို လွယ်ကူချောမွေ့စေရန် deepfakes အသုံးပြုမှုနှင့်ပတ်သက်၍ စိုးရိမ်ကြောင်း ဖော်ပြခဲ့ကြသည်။ Deepfake audio လို့စွပ်စွဲထားပါတယ်။ ဝန်ထမ်းတွေကို စည်းရုံးဖို့ သုံးတယ်။ လိမ်လည်သူများကို ငွေလွှဲရန် ကုမ္ပဏီတစ်ခု၏

အနက်ရောင်အတုများသည် အထက်ဖော်ပြပါဖော်ပြချက်များထက် ကျော်လွန်၍ပင် အန္တရာယ်ရှိသောသက်ရောက်မှုများ ရှိနိုင်သည် ။ Deepfakes များသည် မီဒီယာအပေါ် ယေဘုယျအားဖြင့် လူအများ၏ယုံကြည်မှုကို ပျက်ပြားစေနိုင်ပြီး သတင်းအစစ်နှင့် သတင်းအတုများကြားတွင် လူများကို ပိုင်းခြားရန် ခက်ခဲစေသည်။ ဝဘ်ပေါ်ရှိ ဗီဒီယိုအများအပြားသည် အတုများဖြစ်ပါက အစိုးရများ၊ ကုမ္ပဏီများနှင့် အခြားအဖွဲ့အစည်းများအတွက် တရား၀င်အငြင်းပွားမှုများနှင့် ကျင့်ဝတ်သိက္ခာမဲ့မှုများအပေါ် သံသယဝင်ရန် ပိုမိုလွယ်ကူလာပါသည်။

အစိုးရများနှင့်ပတ်သက်လာလျှင် နက်နဲသောအတုအယောင်များသည် ဒီမိုကရေစီ၏လည်ပတ်မှုကိုပင် ခြိမ်းခြောက်လာနိုင်သည်။ ဒီမိုကရေစီသည် နိုင်ငံသားများသည် ယုံကြည်စိတ်ချရသော အချက်အလက်များကို အခြေခံ၍ နိုင်ငံရေးသမားများနှင့်ပတ်သက်သည့် အသိဉာဏ်ဖြင့် ဆုံးဖြတ်ချက်များချနိုင်ရန်လိုအပ်သည်။ သတင်းမှားများသည် ဒီမိုကရေစီ လုပ်ငန်းစဉ်များကို ပျက်ပြားစေသည်။ ဥပမာအားဖြင့်၊ ဂါဘွန်သမ္မတ Ali Bongo သည် ဂါဘွန်နိုင်ငံသားအား အာမခံချက်ပေးရန် ကြိုးစားသည့် ဗီဒီယိုတစ်ခုတွင် ပေါ်လာသည်။ သမ္မတသည် အချိန်အတော်ကြာ နေမကောင်းဖြစ်ပြီး ရုတ်တရက် ပေါ်လာခြင်းဖြစ်သည်ဟု ယူဆရသည်။ အာဏာသိမ်းရန် ကြိုးပမ်းသည့် ဗီဒီယိုအတုတစ်ခု စတင်ခဲ့သည်။ အမေရိကန်သမ္မတ ဒေါ်နယ်ထရန့်က အမျိုးသမီးများ လိင်အင်္ဂါဖြင့် ဖမ်းယူခြင်းအကြောင်းကို ကြွားလုံးထုတ်သည့် အသံဖမ်းယူထားကြောင်း အခိုင်အမာ ပြောကြားခဲ့သည်။ အတုဖြစ်ခဲ့သည်။၎င်းကို “locker room talk” အဖြစ်လည်း ဖော်ပြနေသော်လည်း၊ မင်းသား အိနြေ္ဒလည်း ပါတယ်။ Emily Maitilis ၏ ရှေ့နေမှ ပေးထားသည့် ပုံသည် အတုဖြစ်ကြောင်း အခိုင်အမာဆိုသည်။သို့သော်လည်း ရှေ့နေက ၎င်း၏ စစ်မှန်ကြောင်းကို အခိုင်အမာ ပြောကြားခဲ့သည်။

အဆုံးစွန်အားဖြင့်၊ deepfake နည်းပညာအတွက်တရားဝင်အသုံးပြုမှုများရှိသော်လည်း၊ ထိုနည်းပညာကို အလွဲသုံးစားလုပ်ခြင်းကြောင့် ဖြစ်ပေါ်လာနိုင်သည့်အန္တရာယ်များစွာရှိပါသည်။ ထို့ကြောင့် မီဒီယာများ၏ စစ်မှန်မှုကို ဆုံးဖြတ်ရန် နည်းလမ်းများကို ဖန်တီးထိန်းသိမ်းရန် အလွန်အရေးကြီးပါသည်။