ディープフェイクに用いられるGANアルゴリズムを理解する

Deepfakeは、特定の人の顔を特定のビデオで合成するためにAI技術の使用を指します。 2018年4月、元米国大統領バラック・オバマ大統領のドナルド・トランプ大統領の映像が世界に知られるようになりました。  

Deepfake技術は、特定の人の表現だけでなく、ジェスチャーや声を再現することを可能にします。 Deepfakesに適用されるAIアルゴリズムは、Generative Adversarial Network(GAN)です。 

ガンを詳しく見ていきましょう。

ジェネレーション・アタゴニスティック・ニューラル・ネットワーク(GAN)は、2つのニューラル・ネットワークで構成されています。

発電機と差別器で構成されます。 ここでは、クリエイターが実際のコンテンツのパターンを模倣し、偽りのコンテンツを作成すると、学習者はコンテンツの真正性を決定する方法を学びます。 

トレーニングデータを受講するには、トレーニングデータが必要です。 GANの学習データは、コンストラクタがエミュレートしなければならない実際のデータを意味します。 例えば、人の顔を描くモデルを教えると、人の顔の絵が必要です。 

顔データ3。

学習は簡単です。 分類の問題のような各データのクラスをラベル付けするなど、人が回答を設定する必要はありません。 GAN学習は未熟な学習の性質を持っているので、エミュレートしたいデータを入力する必要があります。 2つのニューラルネットワークは、学習のために競争します。 これは、互いに競争し合い、お互いから学び合うので、その単語のホストリティが名前付けられているからです。 その結果、違いを分析し、お互いから学ぶ2つのニューラルネットワークの進化が学習プロセスに反映されます。

コンストラクタは、学習データの模擬パターンを目標に訓練され、差別化者の精度を最小限に抑えます。 デフォルトでは、コンストラクタへの入力はランダムなノイズであり、出力は学習データと同様にパターンを持つデータです。 つまり、コンストラクタは、ランダムなノイズを学習データと同様のパターンに変換する機能を学びます。

ディスクリミネーターは、インプットが与えられたデータが、コンストラクタが作成した偽物データであり、決定の成功の確率を最大化するかどうかを判断するために教えられます。 言い換えれば、差別化者は実際のデータや偽物データを取り、実際のデータの確率値を出力します。 

既存のAI技術は、差別化されたモデルで、オブジェクト認識や顔認識などの特定の質問に答えるために訓練されたモデルでした。 対照的に、GANは画像合成の分野で広く使われています。なぜなら、新しい画像を生成または再作成できるからです。 しかしながら、周りの人々の顔を合成する偽造のような犯罪のために有名人がよく使われます。これはいくつかの倫理的な議論をスパークしました。

しかし、画像合成の分野ではGANは使われません。 ガンズは様々な分野に幅広く使用でき、ガンモデルへの研究は、アカデミー内で積極的に行っています。 特に、特許分析を行うと、敵対的な学習方法を使用して、ノイズに耐性のあるモデルを作成できます。