Գեներատիվ հակառակորդ ցանցեր (GANs). Սինթետիկ լրատվամիջոցների դարաշրջան

• Հեղինակ:
• Հեղինակ անունը

  Quantumrun Հեռատեսություն
• Դեկտեմբերի 5, 2023

Insight ամփոփում

Generative Adversarial Networks-ը (GANs), որը հայտնի է խորը կեղծիքներ ստեղծելով, ստեղծում է սինթետիկ տվյալներ, որոնք ընդօրինակում են իրական կյանքի դեմքերը, ձայները և վարքագիծը: Դրանց օգտագործումը տատանվում է Adobe Photoshop-ի բարելավումից մինչև Snapchat-ում իրատեսական զտիչներ ստեղծելը: Այնուամենայնիվ, GAN-ները էթիկական մտահոգություններ են առաջացնում, քանի որ դրանք հաճախ օգտագործվում են ապակողմնորոշիչ խորը կեղծ տեսանյութեր ստեղծելու և ապատեղեկատվություն տարածելու համար: Առողջապահության ոլորտում անհանգստություն կա հիվանդների տվյալների գաղտնիության վերաբերյալ GAN-ի ուսուցման ժամանակ: Չնայած այս խնդիրներին, GAN-ներն ունեն շահավետ կիրառություններ, ինչպիսիք են քրեական հետախուզությանն աջակցելը: Դրանց լայնածավալ օգտագործումը տարբեր ոլորտներում, ներառյալ ֆիլմարտադրությունը և մարքեթինգը, հանգեցրել է տվյալների գաղտնիության առավել խիստ միջոցառումների և GAN տեխնոլոգիայի պետական ​​կարգավորման պահանջների:

Գեներատիվ հակառակորդ ցանցերի (GANs) համատեքստ

GAN-ը խորը նեյրոնային ցանցի տեսակ է, որը կարող է ստեղծել նոր տվյալներ, որոնք նման են այն տվյալներին, որոնց վրա վերապատրաստվում է: Երկու հիմնական բլոկները, որոնք մրցում են միմյանց դեմ՝ տեսլական ստեղծագործություններ ստեղծելու համար, կոչվում են գեներատոր և խտրական: Գեներատորը պատասխանատու է նոր տվյալների ստեղծման համար, մինչդեռ խտրականացնողը փորձում է տարբերակել ստացված տվյալները և վերապատրաստման տվյալները: Գեներատորն անընդհատ փորձում է խաբել խտրականին` ստեղծելով հնարավորինս իրական տեղեկատվություն: Դա անելու համար գեներատորը պետք է սովորի տվյալների հիմքում ընկած բաշխումը, որը թույլ է տալիս GAN-ներին ստեղծել նոր տեղեկատվություն՝ իրականում չհիշելով դրանք:

Երբ GAN-ներն առաջին անգամ մշակվեցին 2014 թվականին Google-ի հետազոտող գիտնական Յան Գուդֆելոյի և նրա թիմակիցների կողմից, ալգորիթմը մեծ խոստումնալից էր մեքենայական ուսուցման համար: Այդ ժամանակվանից ի վեր GAN-ները տեսել են իրական աշխարհի բազմաթիվ ծրագրեր տարբեր ոլորտներում: Օրինակ, Adobe-ն օգտագործում է GAN-ներ հաջորդ սերնդի Photoshop-ի համար: Google-ն օգտագործում է GAN-ների հզորությունը ինչպես տեքստի, այնպես էլ պատկերների համար: IBM-ն արդյունավետորեն օգտագործում է GAN-ները տվյալների ավելացման համար: Snapchat-ն օգտագործում է դրանք արդյունավետ պատկերի զտիչների համար, իսկ Disney-ը՝ սուպեր լուծումների համար: 

Խանգարող ազդեցություն

Թեև GAN-ն ի սկզբանե ստեղծվել է մեքենայական ուսուցումը բարելավելու համար, նրա հավելվածները անցել են կասկածելի տարածքներ: Օրինակ, խորը կեղծ տեսանյութերը մշտապես ստեղծվում են իրական մարդկանց նմանակելու և այնպիսի տպավորություն ստեղծելու համար, թե նրանք անում կամ ասում են մի բան, որը նրանք չեն արել: Օրինակ՝ տեսագրություն կար, որտեղ ԱՄՆ նախկին նախագահ Բարաք Օբաման ԱՄՆ նախկին նախագահ Դոնալդ Թրամփին նվաստացուցիչ արտահայտություն էր անվանում, իսկ Facebook-ի գործադիր տնօրեն Մարկ Ցուկերբուրգը պարծենում էր, որ կարողացել է վերահսկել միլիարդավոր գողացված տվյալներ: Սրանցից ոչ մեկը իրական կյանքում չի եղել: Բացի այդ, խորը կեղծ տեսահոլովակների մեծ մասը ուղղված է կին հայտնիներին և դրանք տեղադրում է պոռնոգրաֆիկ բովանդակության մեջ: GAN-ները նույնպես կարողանում են զրոյից հորինված լուսանկարներ ստեղծել: Օրինակ, LinkedIn-ում և Twitter-ում մի քանի խորը կեղծ լրագրողական հաշիվներ պարզվեց, որ ստեղծվել են AI-ի միջոցով: Այս սինթետիկ պրոֆիլները կարող են օգտագործվել իրատեսական հնչեղությամբ հոդվածներ և մտքերի առաջնորդության կտորներ ստեղծելու համար, որոնք կարող են օգտագործել քարոզիչները: 

Միևնույն ժամանակ, առողջապահության ոլորտում աճող մտահոգություններ կան տվյալների հետ կապված, որոնք կարող են արտահոսել՝ օգտագործելով իրական հիվանդների տվյալների բազան՝ որպես ալգորիթմների վերապատրաստման տվյալներ: Որոշ հետազոտողներ պնդում են, որ անձնական տեղեկատվությունը պաշտպանելու համար պետք է լինի լրացուցիչ անվտանգության կամ դիմակավոր շերտ: Այնուամենայնիվ, չնայած GAN-ը հիմնականում հայտնի է մարդկանց խաբելու իր ունակությամբ, այն ունի դրական օգուտներ: Օրինակ՝ 2022 թվականի մայիսին Նիդեռլանդների ոստիկանությունը վերստեղծեց 13 թվականին սպանված 2003-ամյա տղայի տեսանյութը: Օգտագործելով զոհի իրատեսական կադրերը՝ ոստիկանությունը հույս ունի խրախուսել մարդկանց հիշել զոհին և ներկայանալ: նոր տեղեկություններ սառը դեպքի վերաբերյալ. Ոստիկանությունը պնդում է, որ իրենք արդեն մի քանի հուշումներ են ստացել, բայց դրանք ճշտելու համար պետք է նախապատմական ստուգումներ կատարեն։

Գեներատիվ հակառակորդ ցանցերի (GANs) կիրառություններ

Գեներատիվ հակառակորդ ցանցերի (GANs) որոշ հավելվածներ կարող են ներառել. 

• Կինոարտադրության արդյունաբերությունը ստեղծում է խորը ֆեյք բովանդակություն՝ սինթետիկ դերասանների տեղադրման և հետարտադրված ֆիլմերում տեսարաններ նորից նկարահանելու համար: Այս ռազմավարությունը կարող է թարգմանվել որպես երկարաժամկետ ծախսերի խնայողություն, քանի որ նրանք կարիք չեն ունենա դերասաններին և անձնակազմին լրացուցիչ փոխհատուցում վճարել:
• Դիփֆեյք տեքստերի և տեսանյութերի աճող օգտագործումը տարբեր քաղաքական սպեկտրում գաղափարախոսություններ և քարոզչություն քարոզելու համար:
• Ընկերություններ, որոնք օգտագործում են սինթետիկ տեսանյութեր՝ մշակված բրենդինգային և մարքեթինգային արշավներ ստեղծելու համար՝ առանց ծրագրավորողներից բացի իրական մարդկանց վարձելու:
• Առողջապահության և այլ անձնական տեղեկատվության համար տվյալների գաղտնիության բարձրացման համար լոբբիստական ​​խմբերը: Այս հակադարձումը կարող է ճնշում գործադրել ընկերությունների վրա՝ մշակելու վերապատրաստման տվյալներ, որոնք հիմնված չեն իրական տվյալների բազաների վրա: Այնուամենայնիվ, արդյունքները կարող են այնքան էլ ճշգրիտ չլինել:
• Կառավարությունները կարգավորում և վերահսկում են GAN տեխնոլոգիան արտադրող ընկերությունները՝ ապահովելու համար, որ տեխնոլոգիան չի օգտագործվում ապատեղեկատվության և խարդախության համար:

Հարցեր մեկնաբանելու համար

• Դուք փորձե՞լ եք օգտագործել GAN տեխնոլոգիան: Ինչպիսի՞ն էր փորձը:
• Ինչպե՞ս կարող են ընկերությունները և կառավարությունները ապահովել, որ GAN-ն օգտագործվում է էթիկական կարգով: