Ide o ďalšiu ukážku automatického počítačového generovania "videomontáží". Avšak ako klesá nákladnosť montáží, bude klesať dôveryhodnosť videí všeobecne, píše Technet.cz.
Posledný rok sa objavujú rôzne demonštrácie toho, čo všetko dokáže strojové učenie, konkrétne rôzne typy neurónových sietí. Táto práca kanadských vedcov, publikovaná na platforme Arxiv (bez recenzného riadenia), avšak rozhodne patrí medzi tie najzábavnejšie.
Vedci využili generatívne adversiálne siete (GAN) k vytvoreniu tanečných videoklipov. Tanečníkom sa pritom môže stať ktokoľvek, stačí, keď si oblečie niečo nepríliš vlajúce a je ochotný sa necelú polhodinu bezcieľne natriasať pred kamerou, aby sa získal dostatok zdrojových dát.
Potom už stačí vybrať zdrojový klip - teda pokiaľ možno klip, kde je dlhý záber na jedného tanečníka alebo tanečnicu - a séria algoritmov vyvinutých štvorčlenným tímom z UC Berkeley vytvorí výsledné video.
Systém má niekoľko častí. Najprv je potrebné detekovať pozíciu tanečníka, ktorú je následne potrebné "zladiť" s ostatnými okolitými snímkami, aby bol pohyb plynulý. Vedci k tomu pristúpili tak, že proti sebe postavili dve neurónové siete (preto ono "adversiálne", teda nepriateľské).
Jedna predpovedala pozíciu okolitých snímkov, druhá na základe naučených dát o pozíciách odhadovala, či je takáto pozícia reálna, alebo počítačom generovaná. Tým, ako sa jedna sieť snaží druhú oblafnúť, dochádza k učeniu a zdokonaľovaniu celého systému.
V ďalšej fáze je potrebné vziať dáta naučené z videa modelky a nasadiť ich na onú pozíciu, v podstate obliecť onú kostru. Tento transfer z kostry na kostru je ďalej doplnený ešte dodatočným nalepením vygenerovanej tváre, ktorej je venovaná osobitná starostlivosť, pretože práve na tvári sú rôzne transformácie pre diváka najviac rušivé.
Výsledok samozrejme zďaleka nie je dokonalý. Tvár je niekedy neprirodzene natiahnutá alebo má nekorešpondujúci výraz. Dobrým príkladom chyby je tiež nasledujúca snímka, ktorý sme ulovili vo zverejnenom ukážkovom videu:
Celkovo je však výsledok prekvapivo plynulý, hoci sa skutočnými zábermi by si ho asi pomýlil len niekto, kto naozaj nedáva pozor. Ale dokážeme si predstaviť, že sa tento alebo podobný algoritmus môže uplatniť v zábavných aplikáciách alebo počítačových hrách. A samozrejme ide o ďalšiu ukážku toho, ako nové technológie pomáhajú stierať rozdiel medzi manipuláciou a realitou.
Po fotkách prídu o dôveryhodnosť i videá
Na to, že fotografie možno prostredníctvom grafického programu manipulovať ( "fotošopovat"), si ľudia postupne celkom zvykli. Vedia, že ľudia na obálkach magazínov nie sú v skutočnosti takí chudí alebo svalnatí, ako vyzerajú.
V princípe nie je video nič iné, než séria fotografií. Preto nie je nič nepochopiteľné na tom, že ak je možné manipulovať fotografie, je samozrejme možné manipulovať aj video. Ale pretože aj kratučké video obsahuje tisíce snímok, zvykli sme si na to, že takéto videomontáže sú veľmi drahé a náročné. Pri filmoch sa im venujú tímy desiatok aj stoviek expertov a filmové špeciálne efekty tradične prehltnú nemalú časť rozpočtu. Ešte pred pätnástimi rokmi bolo celkom ospravedlniteľné predpokladať, že amatérske video bude pravdepodobne pravé. Iba profesionáli alebo naozaj trpezliví kreatívci dokázali vytvoriť dôveryhodnú montáž. A len tí najlepší si trúfli na niečo také, ako je náhrada tváre na videu inú tvárou.
S nástupom chytrých nástrojov pre tvorbu videomontáže avšak práve tieto - predtým nesmierne drahé - začínajú byť dostupné. V roku 2016 vedci zo Stanfordu ukázali svoj projekt Face2Face, ktorý vedel nahradiť jednu tvár druhou.
Od tej doby na tento projekt nadviazali ďalší výskumníci a na začiatku roka 2018 internet zaplnili tzv. deep fakes - videomontáže vytvorené počítačom s využitím prvkov strojového učenia. O rozšírenie pojmu sa postarala predovšetkým komunita vytvárajúca pornografické videomontáže, avšak využitie v propagande alebo politike bolo len otázkou času.
Odvtedy prišli nové štúdie ukazujúce, že pokroky v tvorbe videomontáží - najmä v generovanie realistických videí s použitím cudzích tvárí - sa dejú nielen na scéne internetových amatérov, ale aj na scéne vedeckej a profesionálnej. Samozrejme, že je to stále začínajúca technológia a väčšinou na výsledku s trochou snahy spoznáte, že ide o počítačovo vyrenderovaný obraz. Ale aj tak sa experti domnievajú, že táto technológia môže časom predstavovať riziko z hľadiska súkromia aj z hľadiska národnej bezpečnosti štátov.
Rovnako ako u falošných správ u falošných videí hrozí, že sa budú šíriť rýchlejšie, a to práve vďaka svojej prekvapivosti. Pri fotografiách nám trvalo dlhé desaťročia, než sme si (viacmenej) zvykli na to, že to, čo na obrázku vidíme, nemusí zodpovedať realite. Ako dlho nám to bude trvať u videa?