Harry Potter-serien blev verden vant til ideen om levende portrætter med dens talende malerier og bevægende fotografier. Men i sidste uge, da et AI-genereret ”levende portræt” af Leonardo da Vincis Mona Lisa begyndte at gøre runderne på nettet, blev mange mennesker forskrækkede, da det berømte portræt bevægede hendes læber og kiggede sig rundt.
Det animerede portræt af Lisa Gherardini var en af flere nye ”talende hovedmodeller” - mere almindeligt kendt som ”deepfakes” - skabt af forskere fra Samsungs AI Center i Moskva og Skolkovo Institute of Science and Technology. Ved hjælp af blot et par referencerammer eller endda et enkelt billede lavede forskerne også dybder af berømtheder som Oprah, bragte liv til enkeltbilleder af Marilyn Monroe og Albert Einstein og skabte nye udtryk til berømte billeder som Vermeer's Girl with a Pearl Earring .
Forskerne offentliggjorde deres metode, som de kalder "få skudlæring", på YouTube og i et papir, der endnu ikke er peer-reviewet på fortryksdatabasen arXiv.org. Mens detaljerne bliver temmelig tekniske, rapporterer Mindy Weisberger hos LiveScience, at for at fremstille de levende portrætter, en type kunstig intelligens, der kaldes et indviklet neuralt netværk, træner sig selv ved at analysere referencebilleder. Det anvender derefter ansigtsbevægelserne fra en række rammer til et statisk billede, ligesom Mona Lisa . Jo flere vinkler og referencebilleder det har, jo bedre bliver det levende portræt. I henhold til papiret kunne AI producere "perfekt realisme" (målt ved menneskers evne til at skelne hvilket af tre billedssæt der var dybe forfalskninger) ved hjælp af kun 32 referencebilleder.
Mona Lisa er selvfølgelig kun et billede, så de tre "levende portrætter" af Leonardos mesterværk er lidt foruroligende. For de korte animationer observerede det neurale netværk tre forskellige træningsvideoer, og de tre versioner af Mona Lisa baseret på disse rammer ser ud til at have forskellige personligheder. Hvis Leonardo havde malet sin berømte model fra forskellige vinkler, kunne systemet have frembragt et endnu mere realistisk levende portræt.
Mens den animerede Mona Lisa underholder, har stigningen i deepfakes skabt bekymring for, at de computergenererede ligheder kunne bruges til at ærekrenke mennesker, tilskynde til racemæssige eller politiske spændinger og yderligere udhule tilliden til online medier. "[T] hey underminerer vores tillid til alle videoer, inklusive dem, der er ægte, " skriver John Villasenor ved The Brookings Institution. ”Sandheden i sig selv bliver undvigende, fordi vi ikke længere kan være sikre på, hvad der er ægte og hvad der ikke er.”
Mens AI bruges til at skabe deepfakes, siger Villasenor, at det i det mindste i øjeblikket også kan bruges til at identificere deepfakes ved at lede efter uoverensstemmelser, der ikke er synlige for det menneskelige øje.
Tim Hwang, direktør for Harvard-MIT-etik og styring af AI-initiativet, fortæller Gregory Barber hos Wired, at vi ikke er på det punkt, hvor dårlige skuespillere kan skabe sofistikerede dybder på deres personlige laptops endnu. ”Intet tyder på, at du bare skal bruge nøglefærdige brug af dette til at generere dybder i hjemmet, ” siger han. "Ikke på kort sigt, mellemlang sigt eller endda på lang sigt."
Det er fordi brug af Samsungs nye system er dyrt og kræver ekspertise. Men Barbers artikel påpeger, at det ikke tager en super-sofistikeret fotorealistisk video lavet af et neuralt netværk for at narre folk. Bare i sidste uge cirkulerede en manipuleret video, der var blevet bremset for at få den amerikanske hushøjttaler Nancy Pelosi til at blive beruset på sociale netværk.
Til sidst vil teknologien dog være god nok til, at dårlige skuespillere kan producere dybder, så overbevisende, at de ikke kan opdages. Når den dag kommer, fortæller Hwang Wired, er folk nødt til at stole på faktakontrol og kontekstuelle ledetråde for at finde ud af, hvad der er ægte og hvad der er falsk. For eksempel, hvis Mona Lisas tætlippede halve smil bliver et tandigt grin, og hun forsøger at sælge din hvidende tandpasta, er det helt sikkert en dyb falsk.
