Generatiiviset kilpailevat verkot (GAN): Synteettisen median aikakausi

• Kirjoittaja:
• tekijän nimi

  Quantumrun Foresight
• Joulukuu 5, 2023

Havainnon yhteenveto

Generative Adversarial Networks (GAN), joka tunnetaan syväväärennösten luomisesta, luo synteettistä dataa, joka jäljittelee tosielämän kasvoja, ääniä ja tapoja. Niiden käyttö vaihtelee Adobe Photoshopin tehostamisesta realististen suodattimien luomiseen Snapchatissa. GAN-verkot aiheuttavat kuitenkin eettisiä huolenaiheita, sillä niitä käytetään usein harhaanjohtavien syväfake-videoiden luomiseen ja väärän tiedon levittämiseen. Terveydenhuollossa GAN-koulutuksessa huolehditaan potilastietojen yksityisyydestä. Näistä ongelmista huolimatta GAN:illa on hyödyllisiä sovelluksia, kuten rikostutkinnan auttaminen. Niiden laaja käyttö eri aloilla, mukaan lukien elokuvien tekeminen ja markkinointi, on johtanut vaatimuksiin tiukempien tietosuojatoimenpiteiden ja GAN-teknologian viranomaisten sääntelyn käyttöönotosta.

GAN-konteksti

GAN on eräänlainen syvä neuroverkko, joka voi tuottaa uutta dataa, joka on samankaltainen kuin se on koulutettu. Kaksi tärkeintä lohkoa, jotka kilpailevat toisiaan vastaan ​​tuottaakseen visionäärisiä luomuksia, kutsutaan generaattoriksi ja erottajaksi. Generaattori on vastuussa uuden datan luomisesta, kun taas erottelija yrittää erottaa generoidun datan koulutusdatasta. Generaattori yrittää jatkuvasti huijata erottajaa luomalla tietoa, joka näyttää mahdollisimman todelliselta. Tätä varten generaattorin on opittava tietojen taustalla oleva jakauma, jolloin GAN:it voivat luoda uutta tietoa muistamatta sitä.

Kun Googlen tutkija Ian Goodfellow ja hänen tiimitoverinsa kehittivät GAN-järjestelmät ensimmäisen kerran vuonna 2014, algoritmi osoitti suurta lupausta koneoppimisen kannalta. Siitä lähtien GAN:t ovat nähneet paljon todellisia sovelluksia eri toimialoilla. Esimerkiksi Adobe käyttää GAN:ia seuraavan sukupolven Photoshopissa. Google hyödyntää GAN-verkkojen tehoa sekä tekstin että kuvien luomiseen. IBM käyttää tehokkaasti GAN-verkkoja tiedon lisäämiseen. Snapchat käyttää niitä tehokkaisiin kuvasuodattimiin ja Disney superresoluutioihin. 

Häiritsevä vaikutus

Vaikka GAN luotiin alun perin parantamaan koneoppimista, sen sovellukset ovat ylittäneet kyseenalaisia ​​alueita. Esimerkiksi deepfake-videoita luodaan jatkuvasti jäljittelemään oikeita ihmisiä ja näyttämään siltä, ​​että he tekevät tai sanovat jotain, mitä he eivät ole tehneet. Esimerkiksi oli video, jossa Yhdysvaltain entinen presidentti Barack Obama kutsui Yhdysvaltain entistä presidenttiä Donald Trumpia halventavaksi termiksi ja Facebookin toimitusjohtaja Mark Zuckerburg kehuskelemassa pystyvänsä hallitsemaan miljardeja varastettuja tietoja. Mikään näistä ei tapahtunut tosielämässä. Lisäksi useimmat deepfake-videot kohdistuvat naisjulkkiksiin ja sijoittavat heidät pornografiseen sisältöön. GANit pystyvät myös luomaan kuvitteellisia valokuvia tyhjästä. Esimerkiksi useat Deepfake-toimittajatilit LinkedInissä ja Twitterissä osoittautuivat tekoälyn luomiksi. Näiden synteettisten profiilien avulla voidaan luoda realistiselta kuulostavia artikkeleita ja ajatusjohtajia, joita propagandistit voivat käyttää. 

Samaan aikaan terveydenhuoltoalalla on kasvava huoli tiedoista, joita voidaan vuotaa käyttämällä todellista potilastietokantaa algoritmien koulutustietona. Jotkut tutkijat väittävät, että henkilötietojen suojaamiseksi on oltava ylimääräinen suojaus- tai peittokerros. Vaikka GAN tunnetaan enimmäkseen kyvystään huijata ihmisiä, sillä on myönteisiä etuja. Esimerkiksi toukokuussa 2022 Alankomaiden poliisi loi uudelleen videon 13-vuotiaasta pojasta, joka murhattiin vuonna 2003. Käytännöllistä uhrimateriaalia käyttämällä poliisi haluaa rohkaista ihmisiä muistamaan uhria ja esittämään uutta tietoa kylmälaukusta. Poliisi väittää saaneensa jo useita vihjeitä, mutta heidän on suoritettava taustatarkistukset niiden vahvistamiseksi.

Generatiivisten vastavuoroisten verkkojen (GAN) sovellukset

Joitakin generatiivisten vastavuoroisten verkkojen (GAN) sovelluksia voivat olla: 

• Elokuvateollisuus luo syvää väärennettyä sisältöä synteettisten näyttelijöiden sijoittamiseen ja uudelleenkuvaamiseen jälkituotetuissa elokuvissa. Tämä strategia voi johtaa pitkän aikavälin kustannussäästöihin, koska heidän ei tarvitse maksaa näyttelijöille ja miehistölle lisäkorvauksia.
• Deepfake-tekstien ja -videoiden lisääntyvä käyttö ideologioiden ja propagandan edistämiseksi eri poliittisilla kirjoilla.
• Yritykset, jotka käyttävät synteettisiä videoita luodakseen yksityiskohtaisia ​​brändäys- ja markkinointikampanjoita palkkaamatta oikeita ihmisiä ohjelmoijien lisäksi.
• Ryhmät lobbaavat terveydenhuollon ja muiden henkilötietojen tietosuojan parantamiseksi. Tämä takaisku voi painostaa yrityksiä kehittämään koulutusdataa, joka ei perustu todellisiin tietokantoihin. Tulokset eivät kuitenkaan välttämättä ole yhtä tarkkoja.
• Hallitukset sääntelevät ja valvovat GAN-teknologiaa tuottavia yrityksiä varmistaakseen, että tekniikkaa ei käytetä vääriin tietoihin ja petoksiin.

Kommentoitavia kysymyksiä

• Onko sinulla kokemusta GAN-tekniikan käytöstä? Millainen kokemus oli?
• Kuinka yritykset ja hallitukset voivat varmistaa, että GAN:ia käytetään eettisesti?