การต่อสู้กับของปลอมเราจะต่อสู้กับพวกมันได้อย่างไร

ในยุคดิจิทัลความกังวลเกี่ยวกับข่าวปลอมได้เข้ามาอยู่ในความสนใจของหน่วยงานสาธารณะสื่อและบุคคลทุกประเภทมากขึ้น ไม่ใช่เพื่ออะไรFake News มีน้ำหนักในกระบวนการเลือกตั้งที่สำคัญเช่นการเลือกตั้งประธานาธิบดีของสหรัฐอเมริกาในปี 2559 การลงประชามติเกี่ยวกับการออกจากสหภาพยุโรปของสหราชอาณาจักรหรือนายพลของบราซิลที่ทำให้โบลโซนาโรได้รับชัยชนะ

โดยไม่ต้องไปไกลขนาดนั้นในประเทศของเราเมื่อเร็ว ๆ นี้ Facebook ต้องปิดเครือข่ายทางขวาสุดสามเครือข่ายที่ผ่านเพจ 30 กลุ่มและบัญชีที่ซ้ำกันมีผู้ติดตามมากกว่าหนึ่งล้านครึ่งและการโต้ตอบมากกว่า 7 ล้านครั้ง กลุ่มเหล่านี้อุทิศตนเพื่อเผยแพร่เรื่องหลอกลวงและภาพเท็จ

แต่ตอนนี้เรากำลังเผชิญกับภัยคุกคามทางดิจิทัลอีกประเภทหนึ่งที่กำลังสร้างความปวดหัวครั้งใหม่ เรากำลังพูดถึงสิ่งที่เรียกว่า Deepfake ซึ่งเป็นคำที่เกิดจากการรวมกันของ "Deep Learning"  และ "Fake" โดยทั่วไปแล้วเป็นรูปแบบหนึ่งของปัญญาประดิษฐ์  ที่ช่วยให้ผู้ใช้ทุกคนสามารถแก้ไขวิดีโอปลอมและไฟล์เสียงของบุคคลที่ดูเหมือนจริงได้ สำหรับสิ่งนี้  จะใช้เครือข่ายกำเนิดที่เป็นปฏิปักษ์ (AGRs)ซึ่งเป็นอัลกอริทึมชนิดหนึ่งที่สามารถสร้างข้อมูลประเภทใหม่จากชุดอื่น ๆ ที่มีอยู่แล้ว

ท้ายที่สุดแล้ว"deepfakes" เป็นอีกรูปแบบหนึ่งของการจัดการทางดิจิทัลและเป็นหนึ่งในรูปแบบที่ดีที่สุดที่จะใช้สำหรับ "หลอก" ในกรณีที่ดีที่สุด แต่เราจะตรวจพบได้อย่างไร? และเหนือสิ่งอื่นใดสถาบันเอกชนและ บริษัท ต่างๆกำลังทำอะไรเพื่อป้องกันไม่ให้เกิดหายนะ? ในรายการพิเศษนี้เราจะทบทวนความพยายามที่ดำเนินการเพื่อหยุดยั้งการระบาดทางดิจิทัลครั้งใหม่นี้

ทำไมของปลอมจึงอันตรายมาก?

เทคโนโลยี "deepfake" ช่วยให้เราสามารถแทนที่ใบหน้าของบุคคลหนึ่งแทนใบหน้าของอีกคนหนึ่งได้อย่างง่ายดายราวกับว่าเป็นหน้ากากหรือหน้ากากดิจิทัลเพื่อทำให้เราเชื่อ  ว่าเขาได้พูดบางสิ่งที่ไม่เคยเกิดขึ้นจริง อย่างที่คุณเดาได้ว่าเทคนิคเหล่านี้มีผลกระทบที่สำคัญหลายประการในการพิจารณาความถูกต้องของข้อมูลที่เผยแพร่บนอินเทอร์เน็ต

แม้ว่าวิดีโอเหล่านี้มักจะถูกใช้เพื่อสร้างวิดีโอตลก ๆ แต่ความจริงก็คือ "ของปลอม" มีศักยภาพที่มืดในการทำลายภาพลักษณ์สาธารณะของบุคคลหรือมีอิทธิพลต่อความคิดเห็นของสาธารณชนผ่านการใช้ข้อมูลที่ไม่เหมาะสม น่าเสียดายที่เราต้องบอกคุณว่าการใช้ในทางที่ผิดนี้แพร่หลายมากกว่าที่เราต้องการและเราควรเพิ่มด้วยความสำเร็จอย่างมาก

ตัวอย่างที่ชัดเจนคือในแอป DeepNude ซึ่งอนุญาตให้คุณอัปโหลดภาพของบุคคลที่สวมเสื้อผ้าและสร้าง ภาพบุคคลที่เปลือยเปล่าคนเดิม โชคดีที่มันถูกปิดไปแล้ว แต่เราต้องเน้นถึงความสะดวกในการใช้งานของเครื่องมือประเภทนี้ซึ่งไม่จำเป็นต้องมีความรู้ในการแก้ไขเนื่องจากอัลกอริทึมเองก็ทำงานทั้งหมด

ในกรณีของการ DeepNude แพลตฟอร์มที่นำเสนอผลที่สมจริงอย่างไม่น่าเชื่อและเข้าถึงได้อย่างเต็มที่ผ่านทางเว็บไซต์สำหรับ Windows และ Linux และตามที่คาดไว้ภาพตัดต่อกับคนดังเช่น Katy Perry หรือ Gal Gadot ใช้เวลาไม่นานในการปรากฏตัวบนเครือข่ายจนถึงจุดที่แรงกดดันจากทนายความของนักแสดงหญิงเหล่านี้ไม่หยุดจนกว่าเว็บไซต์เนื้อหาสำหรับผู้ใหญ่ที่สำคัญจะลบวิดีโอออก .

นี่เป็นเพียงส่วนเล็ก ๆของความสามารถในการจัดการที่แอปพลิเคชันประเภทนี้สามารถมีได้ ลองนึกภาพผลที่ตามมาของการรณรงค์ประเภทนี้ที่มุ่งต่อต้านบุคคลทางการเมืองบางคนเพื่อจัดการกระบวนการเลือกตั้งในประเทศหรือภูมิภาค ความชั่วร้ายไม่มีขีด จำกัด

Deepfakes ต่อสู้อย่างไร?

หนึ่งใน บริษัท แรก ๆ ที่พูดถึงไม่ใช่ใครอื่นนอกจาก Google ซึ่งประกาศว่า บริษัท จะต่อสู้กับของปลอมและดังที่พวกเขากล่าวในกรณีเหล่านี้ไฟจะดับไฟ ยักษ์ใหญ่ด้านเทคโนโลยียืนยันการเปิดตัวฐานข้อมูลทั้งหมดที่มีวิดีโอมากถึง 3,000 รายการที่จัดการด้วยปัญญาประดิษฐ์ (deepfakes) ที่สร้างขึ้นโดยเฉพาะเพื่อช่วยปรับแต่งเครื่องมือตรวจจับของนักวิจัย

ในการทำเช่นนี้Google ได้ว่าจ้างนักแสดงตัวจริงเพื่อบันทึกใบหน้าของพวกเขาและใช้เป็นจุดอ้างอิงเพื่อตรวจสอบว่าวิดีโอถูกดัดแปลงโดยไม่ได้ตั้งใจหรือไม่ การใช้วิธีการสร้าง deepfake ที่มีให้สำหรับทุกคนการสร้างของปลอมหลายพันรายการจะถูกสร้างขึ้นจากการบันทึกเหล่านี้

วิดีโอที่ได้รับทั้งของจริงและของปลอมจะถูกอัปโหลดไปยังแพลตฟอร์มการพัฒนาที่ทำงานร่วมกัน GitHub เพื่อให้นักวิจัยเข้าใจอย่างถ่องแท้ว่าระบบกำลังผลิตอะไร ดังที่เรากล่าวว่าฐานข้อมูลนี้สามารถเข้าถึงได้อย่างสมบูรณ์แม้ว่าจะต้องให้สิทธิ์คุณก่อนก็ตาม

ในส่วนของ Facebook ยังมีแผนที่จะสร้างฐานข้อมูลที่คล้ายกันภายในสิ้นปีนี้ ตามที่เจ้าหน้าที่ผู้บริหารหัวหน้า Mark Zuckerberg ที่เป็นปัญหาหลักคือการที่  อุตสาหกรรมที่ไม่ได้มีระบบมาตรฐานในการตรวจสอบพวกเขานั่นคือเหตุผลที่ได้ร่วมมือกับ Association of AI, Microsoft และนักวิชาการจาก Cornell Tech, MIT, Oxford, UC Berkeley, University of Maryland, College Park และ University of Albany-SUNY เพื่อสร้าง Deepfake Detection Challenge (DFDC สำหรับตัวย่อในภาษาอังกฤษ)

โครงการมหภาคนี้จะรวมฐานข้อมูลที่กว้างขวางและการจัดหมวดหมู่โดยละเอียดตลอดจนความช่วยเหลือทางการเงินและการบริจาคเพื่อสนับสนุนผู้ทำงานร่วมกันให้มากที่สุด แนวคิดคือการสร้างชุมชนประเภทหนึ่งที่ช่วยตรวจจับและหลีกเลี่ยงวิดีโอที่ถูกปรับแต่งผ่าน AI

ไม่ต้องสงสัยเลยว่าการแพร่กระจายของ "ของปลอม" กลายเป็นปัญหาที่ร้ายแรงมากโดยมีผลกระทบที่รุนแรงซึ่งไม่สามารถละเลยได้ แม้ว่ามาตรการที่เสนอโดยตัวแทนหลักที่กระทำต่อสาเหตุนี้อาจดูเหมือนเป็นไปไม่ได้หรือแม้แต่ต่อต้าน แต่ในระยะยาวมาตรการเหล่านี้อาจเป็นหนทางเดียวในการกำจัดอาชญากรรมนี้ แม้ว่ามันอาจดูเหมือน counterintuitive ต่อสู้ "deepfakes" ที่มีมากขึ้น "deepfakes" จะช่วยให้เครื่องมือตรวจจับดูดซับข้อมูลเพิ่มเติมเพื่อช่วยให้พวกเขาได้ง่ายขึ้นหาเหล่านี้ประเภทของงานจิตรกรรมชิ้นเอก