Vad är en Deepfake och hur görs de?

Du kanske har sett en video av Nicholas Cages ansikte överfört till en annan karaktär som gjorde rundorna på internet(rounds on the internet) nyligen. Nej, vi menar inte ett klipp från filmen Face/Off . Det här är scener från olika filmer där Nicholas Cage definitivt inte spelade, men de ser verkligen övertygande ut. Hur lyckades de med detta?

Tja, svaret är inte "häxkonst", utan en teknik som har kallats "deepfake" och det orsakar en hel del bråk i olika branscher och samhällen.

Vad är en "Deepfake"?

Ordet "deepfake" kommer från termen "deep learning" och naturligtvis "fake". Deep learning är en specialiserad gren av maskininlärning, som återigen är en del av det övergripande området artificiell intelligens(Artificial Intelligence) .

Med den dramatiska ökningen av datorkraft och nyupptäckta sätt för datorer att bearbeta och analysera enorma mängder data från den verkliga världen, kan datorer nu plötsligt göra saker som de flesta av oss aldrig kunde föreställa sig. Deepfakes använder(Deepfakes) den här tekniken för att syntetisera mänskliga bilder, skapa foton eller videor av saker som dessa människor aldrig gjorde och aldrig sa. 

Hur fungerar Deepfake Technology?

Deep learning, som ligger till grund för deepfake-metoder, beskriver den moderna tillämpningen av neurala nätsimulering på massiva datamängder. Neurala nät är inte ett nytt koncept eller teknik, men fram till modern tid har de varit ganska rudimentära.

Ett konstgjort neuralt nät simulerar inlärningsprocessen som sker i biologiska hjärnor, åtminstone till viss del. När du lär dig eller på annat sätt hanterar omvärlden förändras kopplingarna mellan dina hjärnceller.

De bildar kretsar och logiska strukturer, stärker vissa kopplingar och försvagar andra. När du behärskar något, som att lära dig att köra bil eller spela tennis, blir dessa hjärnkretsar snabba och effektiva. Så småningom är du så bra på något att du inte ens behöver tänka på att göra det.

Det är i princip samma sak som händer med ett system för djupinlärning. Den tittar på massor av exempel på något och blir sedan allt bättre på att "förstå det".

I fallet med deepfakes tittar programvaran på exempel på ansiktet du vill transponera såväl som videon du vill transponera det till. Med tillräckligt med träning kan den så småningom syntetisera ett ansikte som matchar träningsdata och sedan sömlöst överlägga det på vilket annat ansikte som helst.

Vilken programvara(Software) används för att göra Deepfakes?

Det finns ett antal applikationer som låter människor göra deepfakes. FakeApp var den första appen vi känner till som syftar till att ge normala människor en chans att göra deepfake-innehåll. Webbplatsen som den nu har lagt ner och att hitta en kopia är inte alls lätt.

Tillverkare av deepfakes har nu till stor del gått vidare till en applikation som heter DeepFaceLab , som finns på GitHub och har skapat en oändlig ström av handledningar på platser som Reddit .

Att göra en Deepfake

Den här artikeln är inte tänkt att vara en handledning, så vi kommer att ge en översikt över hur deepfakes görs i praktiken, men inte ge exakta steg för hur man gör en själv.

Det finns några anledningar till detta, men den främsta är att lagligheten av att göra deepfakes är mycket kontroversiell. Precis som vi inte skulle tillhandahålla exakta steg för att hjälpa dig piratkopiera programvara eller göra andra olagliga aktiviteter, kommer vi inte att ge steg-för-steg-instruktioner för att göra deepfakes.

Dessutom har den faktiska skaparen av DeepFaceLab släppt en steg-för-steg-videohandledning(step-by-step video tutorial) för programvaran som vem som helst kan följa, om de skulle vilja ta ansvar för en sådan risk.

För att få en sammanfattning av hur bra det här har blivit, kolla in den här webbplatsen(check out this website) där ett nytt fotografi av en person som inte finns genereras när du uppdaterar sidan.

Vårt mål är att hjälpa dig förstå tekniken, eftersom du kommer att möta den mer och mer med tiden. Med det sagt är det här de breda faserna för att skapa en deepfake med DeepFaceLab .

Efter att ha laddat ner och packat upp DeepFaceLab står(DeepFaceLab) du inför en mapp som innehåller många andra mappar och en serie batchfiler.

Det finns en mapp som heter "arbetsyta" som innehåller träningsmodellerna, källvideorna och utdata. DeepFaceLab arbetar med specifika filnamn och platser, så att batchfilerna kan fungera. Till exempel heter källfilen alltid "data_src" och destinationen heter "data_dst".

Det finns inget mjukvarugränssnitt som de flesta känner till. Bara en lista över numrerade batchfiler som representerar stegen i processen. Först(First) får käll- och målvideorna sina ramar extraherade som bildfiler.

Sedan körs flera analyssteg, följt av GPU-baserad träning, där det neurala nätet lär sig vad det behöver om ansiktena i de två videorna för att bygga en modell. Äntligen produceras en ny kompositvideo.

Missbruk av Deepfakes

Som vi nämnde ovan är deepfakes mycket kontroversiella. Det kan bryta mot befintliga lagar i vissa länder och nya lagar är under arbete för att hantera tekniken och dess tillämpningar.

Deepfakes kan användas för att skapa bluffar, till exempel en video av en president som säger galna saker(video of a president saying crazy things) . Den kan användas för att sätta in människor i pornografiska filmer med syftet eller trakassera eller på annat sätt skada dem.

Som du säkert kan föreställa dig kan du göra mycket skada med en övertygande deepfake och konsekvenserna om du åker fast kan bli mycket allvarligare inom en snar framtid.

Ifrågasätt allt

Nu när den här tekniken finns och fungerar så bra som den gör, betyder det att vi måste se media som videor i ett helt nytt ljus. Om någon cirkulerar en video på sociala medier av en känd person eller politiker som säger eller gör något kontroversiellt, måste du först fråga om videon ens är verklig.

De flesta dåligt gjorda deepfakes är uppenbarligen falska, när du väl vet vad du ska leta efter och har sett några. Men i vissa fall kan till och med ett tränat öga ha problem med att säga att någon form av CG-manipulation sker och när tekniken förbättras kommer det så småningom att bli omöjligt.



About the author

Jag är en datatekniker med över 10 års erfarenhet, varav 3 år som 店員. Jag har erfarenhet av både Apple och Android-enheter, och är särskilt skicklig på att reparera och uppgradera datorer. Jag tycker också om att titta på film på min dator och använda min iPhone för att ta bilder och filma.



Related posts