Comment l’intelligence artificielle est utilisée pour effectuer des deepfakes et les détecter

Émergeant pour la première fois en 2018, deepfakes Ils se sont fait connaître pour avoir permis d’échanger les visages d’acteurs d’une vidéo à l’autre. Le mot Profond vient du terme l’apprentissage en profondeur (apprentissage en profondeur) une branche de l’IA qui implique des algorithmes qui reproduisent avec précision les capacités d’apprentissage des humains et des animaux.

Il existe un type de réseau neuronal utilisé dans les contrefaçons appelé autoencoder (autoencoder), qui est responsable de l’encodage d’une image d’entrée dans un petit ensemble de valeurs numériques à l’aide de couches.

Les couches initiales avec de nombreuses variables sont simplifiées jusqu’à atteindre la couche de goulot d’étranglement, qui est ensuite décodée par le réseau neuronal pour recréer l’image d’origine.

Une série d’images sert de source de données pour alimenter l’autocodeur pendant son processus d’apprentissage afin qu’il puisse trouver un moyen d’ajuster les paramètres correspondant à la couche d’encodage et de décodage jusqu’à ce que l’image de sortie soit aussi précise que possible. à l’entrée.

Pendant la formation, l’autocodeur reçoit une série d’images. Le but de la formation est de trouver un moyen d’ajuster les paramètres de la couche du codeur et du décodeur afin que l’image de sortie soit aussi proche que possible de l’image d’entrée.

Et bien que cette technologie ne soit toujours pas anodine, les deepfakes ont fait de la manipulation vidéo une ressource accessible à tous, provoquant ainsi l’apparition de falsifications axées sur la génération de fausses nouvelles.

Cela a conduit les chercheurs en IA à prendre l’initiative de développer des outils permettant la détection des faux. L’une d’elles a été développée dans le but de marquer les vidéos où la personne ne clignait pas des yeux ou le faisait à des intervalles anormaux.

Il existe une autre méthode qui envisage l’utilisation d’algorithmes d’apprentissage en profondeur conçus pour détecter les signes de manipulation sur les bords des objets dans les images.