Технологии - неотъемлемая часть развития общества, подпитываемая наукой, технологии достигли того, что еще несколько десятилетий назад считалось невозможным. Компьютеры сыграли важную роль в развитии технологий. С течением времени компьютеры становятся все более компактными: от ENIAC размером с олимпийский бассейн до тысячекратно более мощного процессора, упакованного в чипсет нанометрового размера.

В 1985 году CF Джефф Ву впервые использовал термин наука о данных, который напоминает междисциплинарную область, в которой используются научные методы, процессы и алгоритмы для извлечения знаний из необработанных неструктурированных данных. Наука о данных стала основой сегодняшнего машинного обучения и глубокого обучения, с постоянно растущей вычислительной мощностью машин было неизбежно упустить что-то, что можно было бы упустить. Сегодня машинное обучение значительно улучшило нашу жизнь, мощный алгоритм работает в приложениях социальных сетей, которые создают персонализированную ленту только для вас, камера использует модели распознавания лиц, чтобы автоматически фокусироваться на фейри человека в кадре, модель GAN работает в серверная часть для запуска фильтров в таких приложениях, как Snapchat или приложение для лица.

Модели GAN или генеративно-состязательные сети — это подход к генеративному моделированию с использованием методов глубокого обучения, таких как CNN, над такой GAN, над которой я работал, была карикатура Whitebox. ("ССЫЛКА НА САЙТ"). GAN — это умный способ обучения генеративной модели путем формулирования проблемы как задачи обучения с учителем с двумя подмоделями: модель генератора, которую мы обучаем генерировать новые (поддельные) примеры, и модель дискриминатора, которая пытается классифицировать пример как либо настоящий (из набора данных), либо поддельный (сгенерированный генератором). Две модели обучаются вместе в игре с нулевой суммой без включения модели генератора, чтобы начать создавать правдоподобные поддельные примеры.

GAN были реализованы в различных приложениях, таких как автоматические фильтры смены пола при благоустройстве, даже обучение других моделей классификатора в примере представляет собой проект с открытым исходным кодом под названием этого человека не существует. Он также использует GAN в бэкэнде для создания совершенно случайного лица человека. Эти типы GAN называются pix2pixGAN. Pix2Pix GAN — это подход к обучению нейронной сети глубокой свертки для преобразования изображения в изображение.

GAN также поддерживает более спорный продукт машинного обучения — дипфейки. Дипфейки — это алгоритмы, в которых человек на существующем изображении или видео заменяется чьим-то подобием. Согласно статье Bloomberg, «это ответ 21 века фотошопу». Deepfake использует мощные методы машинного обучения и искусственного интеллекта для манипулирования или создания визуальных эффектов с высоким потенциалом обмана человека.

Дипфейки привлекли к себе широкое внимание из-за того, что они используются для создания слухов и розыгрышей. Это ставит под сомнение достоверность видеозаписи как доказательства чего-либо. Например, в Видео BuzzFeed от 2018 года Обама называет Дональда Трампа полным придурком. Хотя позже в том же видео выяснилось, что это дипфейк. Даже я сталкивался в прошлом с алгоритмами дипфейков, один из которых лично я считаю лучшим — этот.

Хотя видеоролики с дипфейками довольно убедительны, для умеренно натренированного глаза распознать дипфейк очень легко. Дипфейки, как правило, представляют собой очень короткие видеоролики с минимальными движениями тела или без искажений по краям лиц, и обычно они говорят что-то, что, вероятно, не будет говорить открыто. Но все же, это не самые большие угрозы, на мой взгляд.

Прежде чем перейти к этой истории, я хочу сделать оговорку. Часть за этой точкой имеет NSFW (небезопасно для рабочего контента). Он имеет визуально чувствительный контент в конце. если вы моложе 18 лет (или несовершеннолетний), пожалуйста, не продолжайте. Во-вторых, я использовал некоторые общедоступные фотографии моделей в ОБРАЗОВАТЕЛЬНЫХ целях, а не для унижения кого-либо. Я также утверждаю, что фотографии под этим полностью фальшивые и сгенерированы машиной

Несколько дней назад я посетил клон 4chan в неиндексированном Интернете, где люди обсуждали анонимного программиста, который создал приложение, использующее ту же технологию CNN для удаления одежды с изображений женщин, чтобы они выглядели реалистично обнаженными. Люди также делятся веб-приложением того же самого, которое я проверил. Программа называется DeepNude.

DeepNude использует фотографию одетого человека и создает новое обнаженное изображение того же человека. Он меняет одежду на обнаженную грудь и вульву и работает только для женщин. Когда я примеряла собственное фото, оно заменило штаны на вульву. в то время как DeepNude работает с разным уровнем успеха на изображениях одетых женщин, я пришел к выводу, что лучше всего он работает на изображениях, где человек уже показывает много кожи. Я протестировал дюжину фотографий различных моделей. Наиболее убедительные результаты были получены на изображениях с высоким разрешением, на которых женщины в более обтягивающей одежде и с большим количеством кожи видны при хорошем освещении.

Это на самом деле ужасно, теперь любой может оказаться жертвой порно мести, даже не сфотографировавшись в обнаженном виде без согласия. Ранее DeepNude запустил веб-сайт, показывающий, как работает программное обеспечение, и размещал загружаемое обучающее приложение для Windows и Linux. Согласно статье VICE, Motherboard загрузила приложение и протестировала его на компьютере с Windows. Оно устанавливалось и запускалось, как и любое другое приложение, и не требовало особых технических знаний. В бесплатной версии приложения выходные изображения были частично закрыты штампом FAKE, который можно было удалить, либо обрезав оплату разработчикам с помощью криптовалюты. Мой вывод и вывод материнской платы о программном обеспечении очень похожи.

Анонимный программист из Эстонии сказал, что на создание DeepNude его вдохновила реклама гаджетов, таких как рентгеновские очки, которые он видел в журналах, таких как рентгеновские очки 1960-х и 70-х годов. Он сказал, что обнаружил потенциал ИИ и начал изучать основы. Когда он узнал о том, что сети GAN pix2pix могут преобразовывать дневное фото в ночное, он понял, что с помощью GAN он может превратить одетую фотографию в nude one, Это было только развлечением и любопытством, добавил он. Когда его спросили, правильно ли он создал приложение. он ответил, что можно создать некоторые обнаженные тела даже без DeepNude с помощью Photoshop, если намерения были вредными. DeepNude не передает само выходное изображение, а создает его и позволяет пользователю делать с ним то, что он хочет. Он процитировал: «Если у кого-то плохие намерения, наличие DeepNude мало что меняет… Если я не сделаю этого, через год это сделает кто-то другой».

Хотя официально разработчики пытались собрать каждую копию приложения со всего доступного для поиска в Интернете и официально заявили, что не будут развивать приложение дальше. Но слухи от того же клона 4 chan предполагают, что он все еще находится в разработке, и я больше доверяю слухам, потому что версия, которую я получил, была намного выше, чем версия, опубликованная ранее.

Со всеми плюсами и минусами машинного обучения мы должны задать себе вопрос: «А оно того стоит?». История учит нас тому, что с развитием технологий всегда кто-то злоупотребляет ими и приносит разрушения. Итак, должны ли мы прекратить инновации? или инновации должны контролироваться. Дай мне знать.