211service.com
Deze ongelooflijk realistische nepgezichten laten zien hoe algoritmen nu met ons kunnen rotzooien
De gezichten hierboven lijken niet bijzonder opmerkelijk. Ze kunnen gemakkelijk worden overgenomen van bijvoorbeeld Facebook of LinkedIn. In werkelijkheid werden ze bedacht door een nieuw soort AI-algoritme.
Nvidia-onderzoekers hebben details gepost over de methode om volledig denkbeeldige nepgezichten te produceren met verbluffend, bijna griezelig realisme (hier is de krant ).
De onderzoekers, Tero Karras, Samuli Laine en Timo Aila, bedachten een nieuwe manier om een generatief adversarial netwerk of GAN op te bouwen.
GAN's gebruiken twee duellerende neurale netwerken om een computer te trainen om de aard van een dataset goed genoeg te leren om overtuigende vervalsingen te genereren. Wanneer toegepast op afbeeldingen, biedt dit een manier om vaak zeer realistische vervalsing te genereren. Dezelfde Nvidia-onderzoekers hebben de techniek eerder gebruikt om te creëren kunstmatige beroemdheden (lees ons profiel van de uitvinder van GAN's, Ian Goodfellow).
Nvidia maakt de computerchips die cruciaal zijn voor kunstmatige intelligentie, maar het bedrijf heeft ook een leger van software-ingenieurs in dienst om handige tools te ontwikkelen en te experimenteren met nieuwe manieren om zijn hardware te gebruiken.
Nvidia's nep-gezichten van beroemdheden (bovenste twee rijen), en de nieuwe, meer realistische nep-gezichten hieronder. Nvidia
Op onderstaande afbeeldingen is te zien hoeveel een verbetering het nieuwe werk is.
In het meest recente werk lieten de onderzoekers zich inspireren door een techniek die bekend staat als: stijl overdracht om hun GAN op een fundamenteel andere manier te bouwen. Hierdoor kon hun algoritme verschillende elementen van een gezicht identificeren, die de onderzoekers vervolgens konden controleren.
NAAR video- geproduceerd door de onderzoekers laat zien hoe de aanpak ook kan worden gebruikt om te spelen met en te remixen met verschillende elementen, zoals leeftijd, ras, geslacht of zelfs sproeten.
Het lijkt zeker weer een grote kwaliteitssprong voor GAN's, zegt Mario Klingemann , een kunstenaar en codeur die GAN's in zijn werk gebruikt. Het lijkt ook verbazingwekkend beheersbaar te zijn, in tegenstelling tot GAN's tot nu toe, waar je experimenteel moet uitzoeken hoe je de resultaten in een bepaalde richting kunt sturen (zoals een gezicht laten glimlachen of ouder worden).
Klingemann zegt dat hij graag de code in handen wil krijgen en ermee wil experimenteren voor artistieke doeleinden. Ik ben heel benieuwd hoe je dat model ‘verkeerde’ dingen kunt laten doen, zegt hij.
GAN's zullen waarschijnlijk de manier veranderen waarop videogames en speciale effecten worden gegenereerd. De aanpak kan op verzoek realistische texturen of karakters oproepen. Nvidia toonde onlangs een project dat GAN's gebruikt om het uiterlijk van objecten in scènes in realtime te synthetiseren binnen een racegame.
Adobe heeft ook een project dat GAN's gebruikt om het realisme van afbeeldingen te verbeteren nadat ze zijn gemanipuleerd, door artefacten te verwijderen die gemakkelijk kunnen worden geïntroduceerd. GAN's kunnen ook worden gebruikt om gedegradeerde afbeeldingen of video te verscherpen.
Maar het werk is ook een treffend voorbeeld van hoe de vooruitgang in machine learning leidt tot allerlei nieuwe mogelijkheden voor fakery. We schreven eerder dit jaar in een speciale uitgave gewijd aan politiek over de mogelijkheid dat video-fake het politieke discours zou schaden (zie Fake America weer geweldig).