อะไรคือ Deepfakes?

เมื่อ Deepfakes มีความง่ายต่อการสร้างและแพร่หลายมากขึ้น ก็ได้รับความสนใจมากขึ้น Deepfakes ได้กลายเป็นจุดสนใจของการอภิปรายที่เกี่ยวข้องกับจริยธรรม AI ข้อมูลที่ไม่ถูกต้อง ความเปิดเผยของข้อมูลและอินเทอร์เน็ต และการควบคุมมัน จึงมีประโยชน์ที่จะให้ข้อมูลเกี่ยวกับ Deepfakes และมีความเข้าใจที่เป็นธรรมชาติเกี่ยวกับอะไรคือ Deepfakes บทความนี้จะชี้แจงคำจำกัดความของ Deepfakes ตรวจสอบกรณีการใช้งาน พูดถึงวิธีการตรวจจับ Deepfakes และตรวจสอบผลกระทบของ Deepfakes ต่อสังคม

อะไรคือ Deepfakes?

ก่อนที่จะพูดถึง Deepfakes ต่อไป มันจะช่วยให้เราสpent เวลาและชี้แจง อะไรคือ “Deepfakes” จริงๆ มีความสับสนอย่างมากเกี่ยวกับคำว่า Deepfake และมักจะใช้คำนี้ผิดๆ กับข้อมูลที่ปลอมแปลงใดๆ ไม่ว่าจะเป็น Deepfakes จริงๆ หรือไม่ ในการเป็น Deepfakes ที่ถูกต้อง สื่อที่ปลอมแปลงจะต้องถูกสร้างขึ้นด้วยระบบการเรียนรู้ของเครื่องจักร โดยเฉพาะเครือข่ายประสาทเทียมลึก

ส่วนผสมหลักของ Deepfakes คือการเรียนรู้ของเครื่องจักร การเรียนรู้ของเครื่องจักรทำให้สามารถสร้างวิดีโอและเสียงอัตโนมัติได้อย่างรวดเร็วและง่ายดาย เครือข่ายประสาทเทียมลึกถูกฝึกฝนจากภาพของบุคคลจริงเพื่อให้เครือข่ายสามารถเรียนรู้ว่าคนดูและเคลื่อนไหวอย่างไรภายใต้สภาพแวดล้อมที่กำหนด เครือข่ายที่ฝึกฝนแล้วจะถูกนำไปใช้กับภาพของบุคคลอื่นและเพิ่มเทคนิคกราฟิกคอมพิวเตอร์เพิ่มเติมเพื่อรวมบุคคลใหม่เข้ากับภาพเดิม อัลกอริทึมแบบเข้ารหัสจะถูกใช้เพื่อกำหนดความคล้ายคลึงกันระหว่างใบหน้าเดิมและใบหน้าเป้าหมาย เมื่อได้รับคุณสมบัติร่วมกันของใบหน้าแล้ว อัลกอริทึมแบบถอดรหัสจะถูกนำมาใช้ อัลกอริทึมแบบถอดรหัสจะตรวจสอบภาพที่เข้ารหัสแล้วและสร้างภาพขึ้นมาใหม่ตามคุณสมบัติในภาพเดิม มีการใช้อัลกอริทึมแบบถอดรหัสสองตัว หนึ่งตัวสำหรับใบหน้าของบุคคลเดิมและอีกตัวสำหรับใบหน้าของบุคคลเป้าหมาย เพื่อให้สามารถเปลี่ยนใบหน้าได้ อัลกอริทึมแบบถอดรหัสที่ฝึกฝนจากภาพของบุคคล X จะถูกให้ภาพของบุคคล Y ผลลัพธ์คือใบหน้าของบุคคล Y จะถูกสร้างขึ้นใหม่บนใบหน้าของบุคคล X

ปัจจุบัน ยังคงต้องใช้เวลาในการสร้าง Deepfakes ผู้สร้างต้องใช้เวลานานในการปรับพารามิเตอร์ของแบบจำลอง เนื่องจากพารามิเตอร์ที่ไม่เหมาะสมจะทำให้เกิดข้อบกพร่องและข้อผิดพลาดที่เห็นได้ชัดเจน

แม้ว่าจะมีการสันนิษฐานว่า Deepfakes ส่วนใหญ่ถูกสร้างขึ้นด้วยเครือข่ายประสาทเทียมลึกชนิดหนึ่ง gọi là Generative Adversarial Network (GAN) แต่จริงๆ แล้ว Deepfakes ส่วนใหญ่ที่สร้างขึ้นในปัจจุบันไม่ได้ใช้ GAN ตามคำกล่าวของ Siwei Lyu จาก SUNY Buffalo

Deepfakes ใช้ทำอะไร?

Deepfakes ส่วนใหญ่ที่พบทางออนไลน์มีลักษณะทางเพศ ตามการวิจัยของ Deeptrace ซึ่งเป็นบริษัท AI พบว่าจากตัวอย่าง Deepfakes ประมาณ 15,000 รายการในเดือนกันยายน 2019 ประมาณ 95% เป็นลักษณะทางเพศ สิ่งนี้ทำให้เกิดความกังวลว่าเมื่อเทคโนโลยีนี้ง่ายต่อการใช้งาน อาจทำให้เกิดการสร้างข้อมูลที่ไม่ถูกต้องและข้อมูลที่ไม่เหมาะสม

Non-Video Deepfakes

แม้ว่าคนส่วนใหญ่จะคิดถึงวิดีโอปลอมเมื่อได้ยินคำว่า “Deepfakes” แต่วิดีโอปลอมไม่ใช่สื่อปลอมเพียงอย่างเดียวที่สร้างขึ้นด้วยเทคโนโลยี Deepfakes เทคโนโลยี Deepfakes ยังใช้สร้างภาพและเสียงปลอมด้วย

วิธีการตรวจจับ Deepfakes

เมื่อ Deepfakes มีความซับซ้อนมากขึ้น การแยกแยะระหว่างสื่อที่แท้จริงและสื่อปลอมจะยิ่งยากขึ้น ปัจจุบัน มีสัญญาณที่บ่งบอกถึงการปลอมแปลง เช่น การจัดตำแหน่งของปากที่ไม่เหมาะสม การเคลื่อนไหวที่ไม่เป็นธรรมชาติ การกระพริบรอบๆ ขอบของใบหน้า และการบิดเบือนของรายละเอียดเล็กๆ เช่น เส้นผม ฟัน หรือการสะท้อน

แม้ว่าสัญญาณเหล่านี้จะช่วยให้สามารถตรวจจับ Deepfakes ได้ แต่เมื่อเทคโนโลยี Deepfakes มีความซับซ้อนมากขึ้น อาจต้องใช้ AI อื่นๆ ที่ถูกฝึกฝนเพื่อแยกแยะระหว่างสื่อที่แท้จริงและสื่อปลอม

ผลกระทบของ Deepfakes

Deepfakes อาจมีผลกระทบต่อสังคมในหลายๆ ด้าน เช่น การสร้างข้อมูลที่ไม่ถูกต้อง การบิดเบือนข้อมูล และการสร้างความไม่มั่นใจต่อข้อมูล