​Революция ИИ: как нейросети и дипфейки формируют новый мир

Том Холланд и Роберт Дауни-младший не были главными героями фильма "Назад в будущее". Шварценеггер даже не пробовался на роль в "Старикам тут не место". А Дональд Трамп не снимался в сериале "Лучше звоните Солу". Потому что все это не настоящие кадры, а демонстрация одного из самых продвинутых способов фальсификации изображений за многолетнюю историю. Это текстовая версия видео, которое можно посмотреть в плеере ниже или на этой страничке. Первые шаги Первым фотоманипуляциям почти столько же лет, сколько и фотографии. Практика возникла вскоре после 1822 года, когда был изобретен процесс запечатления мира при помощи света, специальных пластин и химических веществ. Но несмотря на развитие технологий, метод создания подделок оставался физическим вплоть до появления цифровой съемки. При помощи двойной экспозиции получали комплексные сцены не имеющие ничего общего с реальностью, людей вырезали из кадров обычными ножницами или накладывали им чужие лица. Элементы закрашивали красками или стирали при помощи ластиков. Долгие годы махинации оставались скрытыми — мало кому приходило в голову ставить под вопрос правдоподобность запечатленных моментов. Фотография была еще одной инновацией, захватывающей мир слишком быстро, чтобы обычные люди заметили подделку. В начале 20 века на сцену вышел кинематограф. Индустрия быстро нашла применение манипуляциям, открыв новую область — визуальные эффекты. Эти трюки оставались уделом профессионалов вплоть до наступления эпохи цифровой информации. Стремительное развитие компьютеров, программ визуализации и интернета позволило любому человеку не только создавать фальсификации за считанные часы, но и распространять их среди миллионов зевак. Рождение дипфейков В конце 2017 года наступил новый этап в области манипулирования фото и видео-контентом. Появились дипфейки. Технология получила название два с половиной года назад, позаимствовав его у пользователя реддит. Суть заключалась в простой замене одних лиц на другие. Процесс можно сравнить с наложением виртуальной маски путем отслеживания ключевых точек на лице. Но эффект достигался совершенно другим способом. Для дипфейков применялось глубокое обучение — один из разделов машинного обучения, полагающегося на искусственные нейросети. Первичные алгоритмы были сложны в использовании, однако нашлось достаточно желающих производить порнографические ролики с известными актрисами. Ничто так не способствует распространению технологий, как порно. С тех пор были разработаны удобные инструменты, которые не требуют опыта с кодом и нейросетями для генерации дипфейков. Сегодня достаточно иметь мощный компьютер, а значительную часть работы софт выполнит самостоятельно. Метод можно разделить на серию простых шагов, которые полагаются на два элемента: источник и цель. Источник необходим для наполнения библиотеки отдельными кадрами и последующего вырезания лица. Достаточно одного видео или нарезки роликов, чтобы иметь набор информации для обучения нейросети. Цель — это то видео, на которое будет накладываться лицо, вырезанное из исходного материала. Комплект небольших программ выполняет всю скучную работу за человека, хотя концепция остается той же, что и сто лет назад. Отличие лишь в автоматизации. Для этого и применяются нейросети — они анализируют тысячи изображений с лицом источника и цели, отмечая черты и мимику. После сотен тысяч циклов обучения, которые могут занять дни даже на топовом железе, алгоритм конвертирует данные в окончательное видео. Аналогичные нейросети позволяют масштабировать видео до 4K-разрешения, повышать частоту кадров, раскрашивать черно-белые ролики, превращать эскизы в полноценные картинки. Примитивный искусственный интеллект поддается обучению тысячам задач, которые сегодня выполняют люди. Несмотря на впечатляющие результаты, мы находимся на ранних стадиях индустрии, способной изменить наше представление о будущем. Производители железа предлагают решения, ускоряющие процессы обучения нейросетей и скорость