Kuantumrun

KREDIT GAMBAR:

iStock

Generative adversarial networks (GANs): Umur media sintetik

Jaringan musuh generatif wis ngrevolusi pembelajaran mesin, nanging teknologi kasebut saya akeh digunakake kanggo ngapusi.

Babagan Author:
Jeneng panganggit
Quantumrun Foresight
Desember 5, 2023

Ringkesan wawasan

Generative Adversarial Networks (GANs), sing dikenal kanggo nggawe deepfakes, ngasilake data sintetik sing niru pasuryan, swara, lan prilaku sing nyata. Panggunaan kasebut kalebu saka nambah Adobe Photoshop nganti ngasilake saringan realistis ing Snapchat. Nanging, GAN nyebabake keprihatinan etika, amarga asring digunakake kanggo nggawe video palsu sing mblusukake lan nyebarake informasi sing salah. Ing perawatan kesehatan, ana kuatir babagan privasi data pasien ing latihan GAN. Sanajan masalah kasebut, GAN duwe aplikasi sing migunani, kayata mbantu investigasi pidana. Panggunaan sing nyebar ing macem-macem sektor, kalebu nggawe film lan pemasaran, nyebabake panjaluk langkah-langkah privasi data sing luwih ketat lan peraturan pemerintah babagan teknologi GAN.

Konteks Generative Adversarial Network (GAN).

GAN minangka jinis jaringan saraf jero sing bisa ngasilake data anyar sing padha karo data sing dilatih. Loro blok utama sing saling bersaing kanggo ngasilake kreasi visioner diarani generator lan diskriminator. Generator tanggung jawab kanggo nggawe data anyar, nalika diskriminator nyoba mbedakake antarane data sing digawe lan data latihan. Generator terus-terusan nyoba ngapusi diskriminator kanthi nggawe informasi sing katon nyata. Kanggo nindakake iki, generator kudu sinau distribusi dhasar data, ngidini GAN nggawe informasi anyar tanpa ngeling-eling.

Nalika GAN pisanan dikembangake ing 2014 dening ilmuwan riset Google Ian Goodfellow lan kanca-kancane, algoritma kasebut nuduhake janji sing apik kanggo sinau mesin. Wiwit kuwi, GAN wis ndeleng akeh aplikasi ing donya nyata ing macem-macem industri. Contone, Adobe nggunakake GAN kanggo Photoshop generasi sabanjure. Google nggunakake kekuwatan GAN kanggo nggawe teks lan gambar. IBM kanthi efektif nggunakake GAN kanggo nambah data. Snapchat digunakake kanggo saringan gambar sing efisien lan Disney kanggo resolusi super.

Dampak gangguan

Nalika GAN wiwitane digawe kanggo nambah pembelajaran mesin, aplikasi kasebut wis ngliwati wilayah sing bisa dipertanyakan. Contone, video deepfake terus-terusan digawe kanggo niru wong nyata lan nggawe katon kaya sing lagi ditindakake utawa ngomong sing ora ditindakake. Contone, ana video mantan Presiden AS Barack Obama nelpon kanca-mantan Presiden AS Donald Trump minangka istilah ngremehake lan CEO Facebook Mark Zuckerburg gumunggung babagan bisa ngontrol milyaran data sing dicolong. Ora ana sing kedadeyan ing urip nyata. Kajaba iku, umume video deepfake nargetake selebriti wanita lan dilebokake ing konten porno. GAN uga bisa nggawe foto fiksi saka awal. Contone, sawetara akun wartawan deepfake ing LinkedIn lan Twitter dadi digawe AI. Profil sintetik iki bisa digunakake kanggo nggawe artikel sing realistis lan potongan kepemimpinan sing bisa digunakake para propagandis.

Kangge, ing sektor kesehatan, ana akeh keprihatinan babagan data sing bisa bocor kanthi nggunakake database pasien sing nyata minangka data latihan kanggo algoritma. Sawetara peneliti argue yen kudu ana tambahan keamanan utawa lapisan masking kanggo nglindhungi informasi pribadhi. Nanging, sanajan GAN umume dikenal amarga kemampuane ngapusi wong, GAN duwe keuntungan sing positif. Contone, ing Mei 2022, polisi saka Walanda nggawe ulang video bocah lanang umur 13 taun sing dipateni ing taun 2003. Kanthi nggunakake rekaman korban sing nyata, polisi ngarep-arep bisa nyengkuyung wong-wong supaya ngeling-eling korban lan maju. informasi anyar babagan kasus kadhemen. Polisi ngaku yen dheweke wis nampa sawetara tips nanging kudu mriksa latar mburi kanggo verifikasi.

Aplikasi Generative Adversarial Network (GAN)

Sawetara aplikasi jaringan adversarial generatif (GAN) bisa uga kalebu:

Industri nggawe film nggawe konten deepfake kanggo nempatake aktor sintetik lan adegan syuting maneh ing film pasca produksi. Strategi iki bisa dadi penghematan biaya jangka panjang amarga ora perlu mbayar ganti rugi tambahan kanggo aktor lan kru.
Panggunaan teks lan video jero palsu kanggo promosi ideologi lan propaganda ing macem-macem spektrum politik.
Perusahaan nggunakake video sintetik kanggo nggawe kampanye branding lan marketing sing rumit tanpa nyewa wong nyata kajaba programer.
Kelompok lobi kanggo nambah proteksi privasi data kanggo kesehatan lan informasi pribadhi liyane. Pushback iki bisa meksa perusahaan kanggo ngembangake data latihan sing ora adhedhasar basis data nyata. Nanging, asil bisa uga ora akurat.
Pamrentah sing ngatur lan ngawasi perusahaan sing ngasilake teknologi GAN kanggo mesthekake teknologi kasebut ora digunakake kanggo misinformasi lan penipuan.