Intel-ის წარმოდგენილი deepfake დეტექტორი აანალიზებს „სისხლის ნაკადს“ ვიდეო პიქსელებში და გვიბრუნებს პასუხს მილიწამებში 96%-იანი სიზუსტით.
Intel-ის კომპანია Responsible AI დაიწყო FakeCarcher-ის წარმოება - ტექნოლოგიის, რომელსაც შეუძლია აღმოაჩინოს დამონტაჟებული ვიდეოები 96%-იანი სიზუსტით. Intel-ის Deepfake Detection პლატფორმა არის მსოფლიოში პირველი დეტექტორი, რომელიც შედეგებს რეალურ დროში, მილიწამებში იძლევა.
“Deepfake ვიდეოებს უკვე ყველგან ვხვდებით. შენ, ალბათ, უკვე გინახავს იმ ცნობილი ადამიანების ვიდეოები, სადაც ისინი აკეთებენ ან ამბობენ რამე წარმოუდგენელს, რაც რეალურად არასდროს მომხდარა.“ - ილკე დემირი, Intel Labs-ის უფროსი მეცნიერ-მკვლევარი.
როგორ მუშაობს დეტექტორი?
Intel-ის პლატფორმა იყენებს FakeCatcher-ს, დეტექტორს, რომელიც დემირმა უმურ ჩიფჩისთან, ნიუ-იორკის სახელმწიფო უნივერსიტეტის პროფესორთან ერთად შეიმუშავა. დეტექტორი იყენებს Intel-ის პროგრამულ და აპარატურულ უზრუნველყოფას, მუშაობს სერვერზე და ურთიერთმოქმედებს ვებ-პლატფორმის საშუალებით. პროგრამული უზრუნველყოფის კუთხით, FakeCatcher-ის ოპტიმიზირებულ არქიტექტურას სპეციალიზებული ხელსაწყოების ორკესტრი ქმნის. კომპიუტერული ხედვის ბლოკების ოპტიმიზირება მოხდა Intel® Integrated Performance Primitives-ისა (multi-threaded software library) და OpenCV-ის (ინსტრუმენტების ნაკრები, რომელიც გამოიყენება გამოსახულებებისა და ვიდეოების დასამუშავებლად რეალურ დროში) საშუალებით. ლოგიკური დასკვნების ბლოკების ოპტიმიზაცია მოხდა Intel® Deep Learning Boost-ისა და Intel® Advanced Vector Extensions 512-ის საშუალებით, ხოლო მედიაბლოკების - Intel® Advanced Vector Extensions 2. Teams-ი AI მოდელების სამუშაოდ OpenVino-ს იყენებდა. ახლა ისიც გადავიდა Open Visual Cloud-ის პროექტის გამოყენებაზე, რათა უზრუნველყოს ინტეგრირებული პროგრამული სტეკი Intel® Xeon® Scalable პროცესორების ოჯახისთვის. რაც შეეხება ტექნიკის მხარეს, დეტექტორის პლატფორმას შეუძლია 72-მდე ოპერაცია ერთდროულად მე-3 თაობის Intel® Xeon® Scalable პროცესორებზე გაუშვას.
თუ გადაწყვეტ კარიერა ტექნოლოგიურ სფეროს დაუკავშირო, მინიმუმ ერთი პროგრამირების ენის ცოდნა აუცილებლად დაგჭირდება - დაიწყე პროგრამირების შესწავლა სრულიად ახალი მეთოდებით, მოერგე ბაზრის თანამედროვე მოთხოვნებს და გახდი წარმატებული
ღრმა სწავლაზე დაფუძნებული დეტექტორების უმეტესობა ეყრდნობა დაუმუშავებელ მონაცემებს და ცდილობს დაიჭიროს არაავთენტურობის ნიშნები, რომ დაადგინოს რა არის არასწორი ვიდეოში. ამის საწინააღმდეგოდ, FakeCatcher ეძებს ავთენტურობის ნიშნებს ვიდეოში, მაგ., ადამიანის სისხლის მიმოქცევა ვიდეოს პიქსელებში. როდესაც ჩვენი გული სისხლს ამოტუმბავს, ჩვენი ვენები ფერს იცვლის. სისხლის მიმოქცევის ეს ნიშნები გროვდება სახის მთლიანი გამოსახულებიდან და ალგორითმები მათ სივრცით-დროით რუკებად თარგმნიან. შემდეგ კი ღრმა სწავლების გამოყენებით შეგვიძლია მყისიერად დავადგინოთ ვიდეო ნამდვილია თუ არა.
ეს მნიშვნელოვანია:
- Deepfake ვიდეოები ზრდად საფრთხეს წარმოადგენს. Gartner-ის თანახმად, კომპანიები დაახლოებით 188 მილიარდ დოლარს დახარჯავენ კიბერუსაფრთხოების საშუალებებისთვის. ასევე რთულია რეალურ დროში deepfake ვიდეოების აღმოჩენა - აპლიკაციები საჭიროებენ საათებს შედეგების მისაღებად.
- Deepfake-ს ადამიანების ცხოვრებაში შეუძლია ძალიან დიდი უარყოფითი გავლენა და ზარალი იქონიოს, როგორიცაა მედიის მიმართ ნდობის დაკარგვა. FakeCatcher კი გვეხმარება აღვადგინოთ სანდოობის შეგრძნება, როდესაც მომხმარებლებს ვაძლევთ საშუალებას თავად გაარკვიონ სიმართლე და სიცრუე.
- FakeCatcher-ის გამოყენების რამდენიმე ვარიანტი არსებობს. სოციალურმა მედია პლატფორმებმა შეიძლება ეს ტექნოლოგია მომხმარებლების მხრიდან საზიანო deepfake ვიდეობის ატვირთვის პრევენციის მიზნით გამოიყენონ. გლობალურმა საინფორმაციო ორგანიზაციებმა შეუძლიათ დეტექტორი მანიპულირებული ვიდეოების უნებლიე გავცრელების თავიდან ასაცილებლად გამოიყენონ. არაკომერციულ ორგანიზაციებს კი შეუძლიათ პლატფორმა deepfake-ის აღმოჩენის დემოკრატიზაციისთვის გამოიყენონ.
დაეუფლე აქტუალურ პროფესიებს - შემოგვიერთდითსტეპერებისდიდოჯახში!
IT Academy StepლიდერიITსფეროში,ახლაუკვე100+ფილიალით!
+995 577 538 549ქ.თელავი,ნადიკვრის#23
+995 (32) 215-55-51ქ.თბილისი,ა.ყაზბეგის34/34ბ