Son yılların en sık konuşulan teknolojisi yapay zekâ ve son kullanıcıyı en çok ilgilendiren alt dalı deepfake içerikli haberleri sık sık paylaşıyoruz. Bu konuda yaşanan gelişmeler bir yandan heyecanlandırıp bir yandan ciddi şekilde evhamlanmamıza sebep olurken bilim insanları ve girişimciler en verimli ve ‘en iyi niyetli’ deepfake ürünleri için çalışmaya devam ediyor.

Eylül ayında ProductHunt’ta ortaya çıkan ve ayın en iyi 2. Ürünü olarak seçilen generated.photos geliştiricilerinden olan Tyler Lastovich, yine Product Hunt’ta paylaştığı blog yazısı ile bu alanda merak edilenleri cevaplamış ve girişimcilerin ne tarz ürünlere yönelebileceğine dair ipuçları vermiş.

Öncelikle kendi ürünleri generated.photos’un sadece 2 aylık gelişimini paylaşarak yazıya başlayan Tyler, sadece 2 ayda gelinen noktanın ne kadar çarpıcı olduğunu vurgularken bu fotoğrafların gelişmeye devam edeceğini söylüyor.

Tyler, [tooltip tip=”Üretken rakip ağlar. Makine öğreniminin bir alt dalıdır.”]generative adversarial network[/tooltip] (GAN) ismi verilen algoritmaların çalıştığını da adım adım anlatmış.

İhtiyacımız olan ana unsurlar şöyle:

  • Bir girdi (Var olan bir veri veya karmaşık veri kümesi)
  • Algoritmik olarak yeni içerik üreten bir sistem
  • Yeni içeriği orijinal içerik ile karşılaştırarak yargılayan bir sistem
  • Gerçek olduğu bilinen orijinal veri

Sistem yüzeysel olarak şöyle işliyor:

  1. Generator (yani üretici sistem), girdiyi dikkate alarak yeni içerik üretir
  2. Yargıç (yani denetleyici sistem) yeni içeriğe bakarak gerçek mi yoksa sahte mi olduğuna karar verir
  3. Eğer yargıç, yeni içeriğin sahte olduğuna karar verirse üretici sistemin yeniden denemesi istenir
  4. Yargıç, yaratılan sahte görüntünün gerçek olduğu yanılgısına düşene kadar bu döngü devam eder.

“Görüldüğü gibi, çıktının kalitesi en az girdi kadar olmak zorundadır” diyor Tyler Lastovich, bu da aşağıda açıklayacağımız iş fırsatları konusuna göz kırpıyor.

Etkisi

Unsplash, Pexels gibi stok fotoğraf sitelerinde kaliteli görseller aramak çağımızın modası, hatta ciddi bir gerekliliği. Özellikle biz haber camiası olarak yayınlayacağımız yapay zekâ, blockchain gibi soyut kavramlı haberler için kaliteli ve ilgi çekici görseller bulmakta oldukça zorlanıyoruz. Lastovich, bu konuya oldukça akıllı bir şekilde yaklaşarak Unsplash örneğini vermiş. “Konuyu biraz yansıtabilecek bir görsel aramaktansa bilgisayarının tam olarak aktarmak istediğin mesajı yansıtabilen görseller üretmesini isteyebileceksin” diyen Tyler bloggerların, marketing ilgililerinin ve diğer tüm içerik üreticilerinin deepfake teknolojisiyle daha da yaratıcı olabileceğini söylüyor.

Üretken medya (generative media – deepfake) ile birlikte gerçek insanların (fotoğrafçıların ve modellerin) işinin ciddi anlamda etkileneceği düşünülüyor. Yazar, gerçek insanlar için her zaman bir market olacağını ancak sektörde biraz değişiklik olmasından da kaçınılamayacağını söylüyor. İyi haber ise, deepfake’in gelişimi için milyarlarca çok kaliteli çekilmiş fotoğrafa ihtiyaç duyuyor olmamız. Yukarıda da söylemiştik, bir sahte görüntünün kalitesi, tamamen yapay zekâyı eğiten gerçek görüntünün kalitesine bağlı. Yani, gerçekçi sahte görüntüler oluşturabilmek için kaliteli fotoğraflar yüklemek zorundayız. En azından şimdilik böyle.

Şeytani Düşünmeyin

Tyler Lastovich her ne kadar deepfake teknolojisinin kötü olmadığını ve geleceğe umutla baktığını söylese de deepfake’ten korunması gerektiğini düşündüğü birkaç örnek de vermiş

  • Tarih ve suç (polis) kayıtları
  • Siyaset medyası
  • Haberler ve yaşananlar
  • Kişisel kimlikler

Şu an neredeyiz?

Bugün sahte medya ürünlerinin birkaç örneğini görüyoruz

  • Lil Miquela ve benzeri elle oluşturulmuş sahte CGI ürünleri ve influencer robotlar
  • Kötü amaçlar için kullanılan deepfake ürünleri (Örnek 1Örnek 2Örnek 3)
  • Instagram, Snapchat ve FaceApp tarzı uygulamalardaki filtreler

Henüz göremediğimiz örnekler:

  • Kişiselleştirilmiş, daha sürükleyici içerikler
  • Gerçekçi görünen ve kulağa gerçekçi gelen sohbet botları (chatbots)
  • İçeriğe dayalı görsel üretici (Bir tasvir yap, görsel oluşturulsun)
  • Yüz tanıma sistemlerini engelleyecek filtreler

Bugün için girişimcilerin fırsatları

Eğitim verisi

Yapay zekâyı eğitebilmek için daha temiz, etiketlenmiş, kullanımı güvenli verilere ihtiyacımız var. Makine öğrenimi, ne kadar çok veri girilirse o kadar başarılı olan bir algoritma.

Gelecek Burada notu: Örnek vermek gerekirse; peri bacaları ile ilgili bir yapay zekâ geliştirmek isteyen geliştiricilerin binlerce temiz ve net çekilmiş peri bacası fotoğrafına ihtiyacı olacaktır. İnternette milyarlarca peri bacası fotoğrafı olsa da bunlar genelde içerisinde insan, araç, deve, bulut gibi farklı öğeler de bulunduran ve görüntü kalitesi düşük ürünler. Yani, bir fotoğrafçı olarak odağında sadece peri bacası olan fotoğraflar çekerek markette yerinizi alabilirsiniz. Bu konudaki olanaklar sınırsız.

Kötüye kullanımı önleme

Facebook, Google gibi şirketler bu konu üzerinde çalışmaya başlamış olsa da henüz tatmin edici sonuçlar yok. Gazetecileri ve politikacıları zor duruma sokan sahte görüntülerin tespit edilebilmesi için doğrulayıcı sistemlere ihtiyacımız var. (Örnek 1, Örnek 2)

Son kullanıcı ürünleri

Yapay zekâ uygulamaları ve deep fake ürünleri bir hayli fazla olsa da henüz teknik bilgiye sahip olmayan insanların da bir şeyler üretebilmesini sağlayan ciddi uygulamalar görebilmiş değiliz. Bu teknolojiyi son kullanıcıya aktarmak yeni bir çağın başlangıcı olabilir.

Yeni nesil yöntemler

GAN üretken medya konusundaki tek seçenek olmamalı. Yeni algoritmalar üzerindeki çalışmalar devam ediyor

 

Kaynak: Büyük oranda orijinal içerik örnek alınarak çevrilmiş olsa da yazarımızın yorumlarıyla süslenmiştir. En doğru izlenim için kaynağın kendisinin incelenmesini tavsiye ederiz.

Share:

administrator

1997’de Nevşehir-Ortahisar’da doğdu. Marmara Üniversitesi’nde Basım Teknolojileri eğitimi görüyor. Gazeteciliğe ve doğru bilgi alma hakkına inanan Hasan, bir Onaran olarak sosyal inisiyatifin ve eğitimin gücüne inanıyor, geleceğin nerede olduğunu araştırıyor.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir