โมเดลและแพลตฟอร์ม AI
ผู้เชี่ยวชาญระบุ “DeepFakes ที่สมจริงสมบูรณ์” จะมาถึงภายใน 6 เดือน
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
DeepFakes ที่น่าประทับใจแต่ก่อให้เกิดความขัดแย้ง ซึ่งเป็นภาพและวิดีโอที่ถูกดัดแปลงหรือสร้างขึ้นโดยใช้เครือข่ายประสาทเทียมลึก มีแนวโน้มที่จะกลายเป็นเรื่องที่น่าประทับใจและก่อให้เกิดความขัดแย้งมากขึ้นในอนาคตอันใกล้ ตามที่ Hao Li ผู้อำนวยการ Vision and Graphics Lab ของ University of Southern California ระบุ Li เป็นผู้เชี่ยวชาญด้านการมองเห็นของคอมพิวเตอร์และ DeepFakes และใน สัมภาษณ์ล่าสุดกับ CNBC ระบุว่า “DeepFakes ที่สมจริงสมบูรณ์” มีแนวโน้มที่จะมาถึงภายใน 6 เดือน
Li อธิบายว่า DeepFakes ส่วนใหญ่ยังคงสามารถรับรู้ได้ว่าเป็นของปลอมต่อดวงตาที่แท้จริง และแม้กระทั่ง DeepFakes ที่น่าเชื่อถือมากขึ้นก็ยังคงต้องการความพยายามอย่างมากจากผู้สร้างเพื่อให้พวกมันดูเหมือนจริง อย่างไรก็ตาม Li เชื่อว่าภายใน 6 เดือน DeepFakes ที่ดูเหมือนจริงสมบูรณ์มีแนวโน้มที่จะปรากฏขึ้นเมื่อแอลกอริทึมมีความซับซ้อนมากขึ้น
Li เดิมคิดว่าจะต้องใช้เวลาประมาณ 2-3 ปีจึงจะทำให้ DeepFakes ที่น่าเชื่อถือมากขึ้นกลายเป็นเรื่องที่พบบ่อยขึ้น โดยทำการคาดการณ์นี้ที่การประชุมล่าสุดที่จัดขึ้นที่ Massachusetts Institute of Technology อย่างไรก็ตาม Li ได้ปรับเปลี่ยนการคาดการณ์ของเขาหลังจากที่มีการเปิดเผยเกี่ยวกับแอป Zao ของจีนและความก้าวหน้าล่าสุดเกี่ยวกับเทคโนโลยี DeepFakes Li อธิบายกับ CNBC ว่าวิธีการที่ต้องการในการสร้าง DeepFakes ที่ดูเหมือนจริงคือวิธีการที่ใช้อยู่ในปัจจุบัน และส่วนผสมหลักที่จะทำให้ DeepFakes ดูเหมือนจริงคือการมีข้อมูลการฝึกอบรมมากขึ้น
Li และนักวิจัยร่วมของเขาได้ทำงานอย่างหนักในการพัฒนาเทคโนโลยีการตรวจจับ DeepFakes โดยคาดการณ์ถึงการมาถึงของ DeepFakes ที่น่าเชื่อถือมากขึ้น Li และเพื่อนร่วมงาน เช่น Hany Farid จาก University of California Berkely ได้ทดลองกับแอลกอริทึม DeepFakes ที่ทันสมัยเพื่อทำความเข้าใจว่าเทคโนโลยีที่สร้างพวกมันทำงานอย่างไร
Li อธิบายกับ CNBC ว่า:
“หากคุณต้องการตรวจจับ DeepFakes คุณจะต้องเห็นขอบเขตของมัน หากคุณต้องการสร้างเฟรมเวิร์ก AI ที่สามารถตรวจจับสิ่งที่ดูเหมือนจริงมาก คุณจะต้องฝึกอบรมโดยใช้เทคโนโลยีเหล่านี้ ดังนั้นในบางวิธี จึงเป็นเรื่องที่เป็นไปไม่ได้ที่จะตรวจจับพวกมันหากคุณไม่รู้ว่าพวกมันทำงานอย่างไร”
Li และเพื่อนร่วมงานของเขาได้ลงทุนในการสร้างเครื่องมือในการตรวจจับ DeepFakes โดยยอมรับถึงปัญหาและอันตรายที่เทคโนโลยีนี้อาจก่อให้เกิด Li และเพื่อนร่วมงานไม่ใช่กลุ่มเดียวของนักวิจัย AI ที่กังวลเกี่ยวกับผลกระทบที่อาจเกิดขึ้นจาก DeepFakes และสนใจในการสร้างมาตรการป้องกัน
เมื่อเร็วๆ นี้ Facebook (META ) ได้เริ่มความร่วมมือร่วมกับ MIT, Microsoft และ University of Oxford (MSFT ) เพื่อสร้าง DeepFake Detection Challenge ซึ่งมีเป้าหมายในการสร้างเครื่องมือที่สามารถตรวจจับได้ว่าภาพหรือวิดีโอที่ถูกดัดแปลงหรือไม่ เครื่องมือเหล่านี้จะเป็นแบบเปิดและสามารถใช้ได้โดยบริษัท องค์กรสื่อ และรัฐบาล ในขณะที่นักวิจัยจาก University of Southern California’s Information Sciences Institute ได้สร้างชุดแอลกอริทึมที่สามารถแยกแยะวิดีโอปลอมได้โดยมีความแม่นยำถึง 96%
อย่างไรก็ตาม Li ยังอธิบายด้วยว่าปัญหาเกี่ยวกับ DeepFakes คือวิธีการที่พวกมันสามารถถูกใช้ในทางที่ผิด และไม่ใช่เทคโนโลยีเอง Li ระบุถึงการใช้งานที่ถูกต้องที่เป็นไปได้สำหรับเทคโนโลยี DeepFakes รวมถึงในอุตสาหกรรมบันเทิงและแฟชั่น
เทคนิค DeepFake ยังถูกใช้ในการ จำลองน้ำเสียงของบุคคลที่มีหน้าถูกบดบังในภาพ นักวิจัยใช้เครือข่าย Generative Adversarial เพื่อสร้างหน้าที่มีน้ำเสียงเหมือนกับในภาพต้นฉบับ เทคนิคที่พัฒนาโดย Norwegian University of Science and Technology สามารถช่วยให้แสดงน้ำเสียงระหว่างการสัมภาษณ์กับบุคคลที่ต้องการความเป็นส่วนตัว เช่น ผู้ให้ข้อมูล ผู้อื่นสามารถให้หน้าของตนเองเป็นตัวแทนของบุคคลที่ต้องการความเป็นส่วนตัว แต่น้ำเสียงของบุคคลนั้นก็ยังคงสามารถอ่านได้
เมื่อความซับซ้อนของเทคโนโลยี Deepfake เพิ่มขึ้น การใช้งานที่ถูกต้องสำหรับ DeepFakes ก็จะเพิ่มขึ้นด้วย อย่างไรก็ตาม อันตรายก็จะเพิ่มขึ้น และด้วยเหตุนี้ การทำงานในการตรวจจับ DeepFakes ที่ Li และผู้อื่นได้ทำจึงมีความสำคัญมากขึ้น
