Yapay zekanın sosyolojik anlamda evham yarattığı noktalardan birisi de sahtecilik. Daha önce de bahsettiğimiz gibi; yapay zeka sayesinde sahte dans videoları, sahte mevsimler ve hatta sahte pornografik videolar üretmek mümkün. Bu da, herhangi bir yeteneğe sahip olsun olmasın, herkesin sınırsız bir ‘yaratıcılık’ gücüne sahip olacağını gösteriyor.
Moskova Samsung AI Center (Samsung Yapay Zeka Merkezi) tarafından yayınlanan bu makale yukarıda verdiğimiz örneklere bir yenisini eklemiş oldu. Daha önce, bir insan yüzünün farklı fotoğraflarını ve videolarını kaynak gösterdiğimizde yapay zekanın yeni videolar-fotoğraflar yaratma konusunda pek de başarısız olmadığından bahsetmiştik, Samsung’un yeni çalışması ise yapay zekanın sadece bir tane kaynak fotoğraf ile yetinebileceğini gösteriyor.
Single (one)-shot learning ismi verilen; kaynak görüntü sayısıyla doğru oranda kalitesini artırıyor olsa da diğer metodların aksine tek bir kaynak görüntüyle yetinebilen yöntemle oluşturulan yapay zeka Mona Lisa, Marilyn Monroe ve Einstein gibi örneklerde görüldüğü üzere, tek bir fotoğrafı alıp hareket eden, mimikleri olan ve hatta konuşabilen bir insan görüntüsüymüş gibi gösterebiliyor. Ancak bu araştırmada kullanılan tek yöntem bu değil. Araştırmacılar tarafından belirlenen bir ‘başarılı’ model sayesinde yapay zeka, Generative Adversarial Network (Üretken rakip ağ) ismi verilen metodun da yardımıyla single-shot learning dediğimiz yöntemle üretilen çıktının başarılı olup olmadığını denetliyor. GAN yöntemi, basitçe, bir modelin diğer modeli kandırmaya çalışması yöntemi olarak nitelendirilebilir. Yani, yapay zekanın ‘rakip yapay zekayı’ eldeki modelin gerçek olduğuna ikna etmesi gerekiyor. Bu da, çıktının en üst sınırları zorlayacağı anlamına geliyor.
Sahte görüntü oluşturma alanında kullanılan birçok yöntem olduğu gibi bu yöntemlerin kötüye kullanımlarını engellemek üzere oluşturulan çalışmalar da bulunuyor. Her teknolojide olduğu gibi kötüye kullanımına bolca maruz kalacağımıza eminiz ancak öte yandan vefat etmiş usta oyuncuların yeni filmlerinin çıkması, mevcut oyuncuların yılda 1-2 yerine 4-5 kez daha fazla film çıkarabilecek olması ve daha birçok farklı alanda kullanım şansı da heyecan yaratmıyor değil.
Kaynak: Techrunch
