Deep fake

Nada mais é do que uma técnica de manipulação de imagens e videos possibilitando criar pessoas em imagens e videos falsos, só que o mais realista possível, e não é algo tão comentado quanto deverias mas as ferramentas que possibilitam a possibilidade desta técnica esta avançando cada vez mais, chegou num ponto tão bom aplicavelmente que esta levantando debates interessantes sobre o perigo que isso trás a sociedade

Vamos começar com o sentido Morfológico da palavra , fake vem do inglês para falso e o deep também do inglês que significa profundo, mas não profundo de mar é uma referencia clara a deep learning que significa aprendizado profundo que é uma parte do aprendizado de maquina ou machine learning, já fizemos um post sobre isso explicado certinho vou deixar no final deste post pra facilitar o entendimento caso tenha interesse, e tanto o aprendizado profundo como o profundo falso , recebem este profundo por causa do Deep neural Network ou em português a rede neural profunda que são mecanismos fundamentais para o funcionamento da inteligencia artificial , em um exemplo simples e como se fossem neurônios mesmo que relacionam informações de entrada e de saída

Na pratica para criar um deep fake basta usar uma rede neural treinada em reconhecer rostos e lugares para que possa ser feito a troca tanto dos lugares quanto do rosto envolvido, a verdadeira dificuldade desta técnica esta em aprender a imitar como as expressões faciais se comportam mesmo trocados, pra parecer o mais natural possível

A maioria desses deep fakes são criadas por uma rede neural bem especifica na verdade que leva o nome de rede neural adversarias generativas , ou a sigla em inglês GANs, e o nome delas já diz muito sobre as próprias elas são redes adversarias , criadas la em 2014 pelo pesquisador e um dos nomes mais importantes da inteligencia artificial Ian Goodfellow, a idea por trás dessas GANs é baseada em teoria de jogos onde você coloca um computador contra o outro de forma a melhorar a jogadas um do outro vamos pra um exemplo mais pratico imagine o cenário de duas redes neurais o “jogador 1 ” é chamada de geradora e o “jogador 2” é chamada discriminadora

Nesse mesmo exemplo a rede geradora recebe um dado de entrada qualquer e ela gera uma imagem a a partir disto, claro que depende do comando que você der , se quer que ela gere imagem de rostos ou de gatos ou de Paisagem etc… a rede descriminadora por sua vez usa essa imagem criada para aprender o que é baseando-se num banco de dados com imagens daquele comando , se você disse pra geradora criar rostos a discriminadora tem um banco de dados de rosto por exemplo e a função da discriminadora é apenas determinar se a imagem da gerado e real ou falsa , baseado no seu próprio banco de dados, se ela determinar que é falso a geradora tem que repetir o processo melhorando possíveis falhas, até ser tão boa em criar uma imagem falsa que consiga enganar a descriminadora, e superando ate este patamar enganando uma rede descriminadora e os usuários humanos

Ai que mora o problema essa explicação serve para a criação de imagens videos , falas , lugares a aplicação é muito ampla, e o risco é meio que obvio se estamos em um grau de evolução de criar algo que engane maquinas e usuários pode se criar uma situação de colocar alguém famoso fazendo ou dizendo algo que ela não faria ou diria , um politico um artista, um cientista etc… então meus amigos pensem bem antes de achar esse tipo de avanço interessante se já esta difícil podendo diferenciar o que é real e o que não é , imagine o dia que não for mais possível diferenciar

Então é isso pessoas se gostaram deste post considere sempre ver os próximos e até mais