Harry Potter-serien ble verden vant til ideen om levende portretter med sine snakkende malerier og bevegelige fotografier. Men forrige uke, da et AI-generert “levende portrett” av Leonardo da Vincis Mona Lisa begynte å gjøre rundene på nettet, ble mange mennesker forskrekket da det berømte portrettet beveget leppene og så seg rundt.
Det animerte portrettet av Lisa Gherardini var en av flere nye "snakkende hodemodeller" - mer kjent som "deepfakes" - skapt av forskere fra Samsungs AI Center i Moskva og Skolkovo Institute of Science and Technology. Ved å bruke bare noen få referanserammer eller til og med et enkelt bilde, gjorde forskerne også dybder av kjendiser som Oprah, brakt til live enkeltbilder av Marilyn Monroe og Albert Einstein, og skapte nye uttrykk for kjente bilder som Vermeer's Girl with a Pearl Earring .
Forskerne la ut metoden sin, som de kaller “få skuddlæring”, på YouTube og i en artikkel som ennå ikke er fagfellevurdert på forhåndsutskriftsdatabasen arXiv.org. Mens detaljene blir ganske tekniske, rapporterer Mindy Weisberger på LiveScience at for å produsere de levende portrettene trener en type kunstig intelligens som kalles et innviklet nevralt nettverk seg selv ved å analysere referansebilder. Den påfører deretter ansiktsbevegelsene fra en serie rammer til et statisk bilde, som Mona Lisa . Jo flere vinkler og referansebilder den har, jo bedre blir det levende portrettet. I følge papiret kunne AI produsere "perfekt realisme" (målt ved menneskers evne til å skjelne hvilke av tre bildesett som var dybder) ved å bruke bare 32 referansebilder.
Mona Lisa er selvfølgelig bare ett bilde, så de tre "levende portrettene" av Leonardos mesterverk er litt foruroligende. For de korte animasjonene observerte nevrale nettverket tre forskjellige treningsvideoer, og de tre versjonene av Mona Lisa basert på disse bildene ser ut til å ha forskjellige personligheter. Hvis Leonardo hadde malt sin berømte modell fra forskjellige vinkler, kunne systemet ha produsert et enda mer realistisk levende portrett.
Mens den animerte Mona Lisa er underholdende, har fremveksten av deepfakes skapt bekymring for at de datamaskingenererte likhetene kan brukes til å ærekrenke mennesker, fremkalle rasemessige eller politiske spenninger og ytterligere uthule tilliten til online medier. "[T] hei undergraver vår tillit til alle videoer, inkludert de som er ekte, " skriver John Villasenor ved The Brookings Institution. "Sannheten i seg selv blir unnvikende, fordi vi ikke lenger kan være sikre på hva som er ekte og hva som ikke er."
Mens AI brukes til å lage deepfakes, sier Villasenor at, i det minste for nå, kan den også brukes til å identifisere deepfakes ved å se etter uoverensstemmelser som ikke er synlige for det menneskelige øyet.
Tim Hwang, direktør for Harvard-MIT etikk og styring av AI-initiativet, sier til Gregory Barber hos Wired at vi ikke er på det punktet hvor dårlige skuespillere kan lage sofistikerte dybder på deres personlige bærbare datamaskiner ennå. "Ingenting tyder på at du bare vil bruke nøkkelferdige til å generere dybder hjemme, " sier han. "Ikke på kort sikt, mellomlang sikt eller til og med på lang sikt."
Det er fordi bruk av Samsungs nye system er dyrt og krever kompetanse. Men Barbers artikkel påpeker at den ikke tar en supersofistisk fotorealistisk video laget av et nevralt nettverk for å lure folk. Bare forrige uke sirkulerte en manipulert video som var blitt bremset for å få den amerikanske husets speaker Nancy Pelosi til å være full beruset på sosiale nettverk.
Etter hvert vil teknologien imidlertid være god nok til at dårlige skuespillere vil kunne produsere dybder, så overbevisende at de ikke kan oppdages. Når den dagen kommer, forteller Hwang til Wired, vil folk måtte stole på faktasjekking og kontekstuelle ledetråder for å finne ut hva som er ekte og hva som er falsk. For eksempel, hvis Mona Lisas nærmeste leppede halvsmil blir en tannig glis og hun prøver å selge deg hvitende tannkrem, er det helt sikkert et dypt forfalskning.
