Generative adversarial networks (GANs): Ang edad ng synthetic media

• May-akda:
• pangalan Author

  Quantumrun Foresight
• Disyembre 5, 2023

Buod ng pananaw

Ang Generative Adversarial Networks (GANs), na kilala sa paggawa ng mga deepfakes, ay bumubuo ng sintetikong data na ginagaya ang mga mukha, boses, at ugali sa totoong buhay. Ang kanilang paggamit ay mula sa pagpapahusay ng Adobe Photoshop hanggang sa pagbuo ng mga makatotohanang filter sa Snapchat. Gayunpaman, ang mga GAN ay nagdudulot ng mga etikal na alalahanin, dahil kadalasang ginagamit ang mga ito upang lumikha ng mga mapanlinlang na deepfake na video at magpalaganap ng maling impormasyon. Sa pangangalagang pangkalusugan, mayroong pagkabalisa sa privacy ng data ng pasyente sa pagsasanay sa GAN. Sa kabila ng mga isyung ito, ang mga GAN ay may mga kapaki-pakinabang na aplikasyon, tulad ng pagtulong sa mga pagsisiyasat ng kriminal. Ang kanilang malawakang paggamit sa iba't ibang sektor, kabilang ang paggawa ng pelikula at marketing, ay humantong sa mga panawagan para sa mas mahigpit na mga hakbang sa privacy ng data at regulasyon ng pamahalaan ng teknolohiya ng GAN.

Konteksto ng generative adversarial network (GANs).

Ang GAN ay isang uri ng malalim na neural network na maaaring makabuo ng bagong data na katulad ng data kung saan ito sinanay. Ang dalawang pangunahing bloke na nakikipagkumpitensya sa isa't isa upang makagawa ng mga likhang pangitain ay tinatawag na generator at discriminator. Responsable ang generator sa paglikha ng bagong data, habang sinusubukan ng discriminator na pag-iba-ibahin ang nabuong data at ang data ng pagsasanay. Patuloy na sinusubukan ng generator na lokohin ang discriminator sa pamamagitan ng paglikha ng impormasyon na mukhang totoo hangga't maaari. Upang gawin ito, kailangang matutunan ng generator ang pinagbabatayan na pamamahagi ng data, na nagpapahintulot sa mga GAN na lumikha ng bagong impormasyon nang hindi aktwal na isinasaulo ito.

Noong unang binuo ang mga GAN noong 2014 ng Google research scientist na si Ian Goodfellow at ng kanyang mga kasamahan sa koponan, ang algorithm ay nagpakita ng magandang pangako para sa machine learning. Simula noon, ang mga GAN ay nakakita ng maraming real-world na aplikasyon sa iba't ibang industriya. Halimbawa, ginagamit ng Adobe ang mga GAN para sa susunod na henerasyong Photoshop. Ginagamit ng Google ang kapangyarihan ng mga GAN para sa parehong henerasyon ng teksto at mga larawan. Epektibong ginagamit ng IBM ang mga GAN para sa pagpapalaki ng data. Ginagamit ng Snapchat ang mga ito para sa mahusay na mga filter ng imahe at Disney para sa mga sobrang resolusyon. 

Nakakagambalang epekto

Bagama't ang GAN ay unang ginawa upang mapabuti ang machine learning, ang mga application nito ay tumawid sa mga kaduda-dudang teritoryo. Halimbawa, ang mga deepfake na video ay patuloy na ginagawa upang gayahin ang mga totoong tao at gawin itong parang ginagawa o sinasabi nila ang isang bagay na hindi nila ginawa. Halimbawa, mayroong isang video ng dating Pangulo ng US na si Barack Obama na tinawag ang kapwa-dating Pangulo ng US na si Donald Trump na isang mapang-abusong termino at ang CEO ng Facebook na si Mark Zuckerburg ay nagyayabang tungkol sa kakayahang kontrolin ang bilyun-bilyong ninakaw na data. Wala sa mga ito ang nangyari sa totoong buhay. Bilang karagdagan, karamihan sa mga deepfake na video ay nagta-target ng mga babaeng celebrity at inilalagay ang mga ito sa pornographic na nilalaman. Ang mga GAN ay nakakagawa din ng mga fictional na larawan mula sa simula. Halimbawa, maraming malalalim na account ng mamamahayag sa LinkedIn at Twitter ang naging AI-generated. Ang mga sintetikong profile na ito ay maaaring gamitin upang lumikha ng makatotohanang tunog na mga artikulo at mga piraso ng pamumuno sa pag-iisip na magagamit ng mga propagandista. 

Samantala, sa sektor ng pangangalagang pangkalusugan, dumarami ang mga alalahanin sa data na maaaring ma-leak sa pamamagitan ng paggamit ng aktwal na database ng pasyente bilang data ng pagsasanay para sa mga algorithm. Ang ilang mga mananaliksik ay nangangatuwiran na dapat mayroong karagdagang seguridad o masking layer upang maprotektahan ang personal na impormasyon. Gayunpaman, kahit na ang GAN ay halos kilala sa kakayahang linlangin ang mga tao, mayroon itong mga positibong benepisyo. Halimbawa, noong Mayo 2022, muling ginawa ng pulisya mula sa Netherlands ang isang video ng isang 13-taong-gulang na batang lalaki na pinaslang noong 2003. Sa pamamagitan ng paggamit ng makatotohanang footage ng biktima, umaasa ang pulisya na hikayatin ang mga tao na alalahanin ang biktima at harapin bagong impormasyon tungkol sa malamig na kaso. Sinasabi ng pulisya na nakatanggap na sila ng ilang mga tip ngunit kailangang magsagawa ng mga pagsusuri sa background upang ma-verify ang mga ito.

Mga aplikasyon ng generative adversarial network (GANs)

Ang ilang mga aplikasyon ng mga generative adversarial network (GAN) ay maaaring kabilang ang: 

• Ang industriya ng paggawa ng pelikula ay gumagawa ng malalim na pekeng nilalaman upang maglagay ng mga sintetikong aktor at muling mag-shoot ng mga eksena sa mga post-produced na pelikula. Ang diskarte na ito ay maaaring isalin sa pangmatagalang pagtitipid sa gastos dahil hindi nila kailangang magbayad ng karagdagang kabayaran sa mga aktor at crew.
• Ang dumaraming paggamit ng mga malalalim na text at video para isulong ang mga ideolohiya at propaganda sa iba't ibang political spectrum.
• Mga kumpanyang gumagamit ng mga sintetikong video upang lumikha ng detalyadong pagba-brand at mga kampanya sa marketing nang hindi kumukuha ng mga aktwal na tao bukod sa mga programmer.
• Naglo-lobby ang mga grupo para sa mas mataas na proteksyon sa privacy ng data para sa pangangalagang pangkalusugan at iba pang personal na impormasyon. Ang pushback na ito ay maaaring magpilit sa mga kumpanya na bumuo ng data ng pagsasanay na hindi batay sa aktwal na mga database. Gayunpaman, ang mga resulta ay maaaring hindi kasing tumpak.
• Mga pamahalaan na nagre-regulate at nagmomonitor ng mga kumpanya na gumagawa ng teknolohiya ng GAN upang matiyak na ang teknolohiya ay hindi ginagamit para sa maling impormasyon at pandaraya.

Mga tanong na ikokomento

• Naranasan mo na bang gumamit ng GAN technology? Ano ang naging karanasan?
• Paano matitiyak ng mga kumpanya at pamahalaan na ang GAN ay ginagamit sa etika?