هوش‌سامان، کسب‌و‌کار هوشمند
اطلاعات تماس
کامرانیه، مریم، پلاک 1 ۰۲۱-۲۲۲۰۹۸۱۱ (داخلی ۸۴۳۰) [email protected] ساعت کاری: شنبه تا چهارشنبه از 09:00 تا 18:00

تمامی حقوق مادی و معنوی این سایت متعلق به گروه هوش سامان می باشد

تشخیص محتوای جعلی

GAN

شبکه مولد متخاصم (Generative Adversarial Network) که به اختصار GAN نامیده می‌شود بر اساس رویکرد تئوری بازی‌ها و با استفاده از فناوری‌های یادگیری عمیق، یادگیری ماشین و شبکه‌های عصبی ساخته‌ شده است. GAN شامل ۲ مدل هوش مصنوعی است که با عناوین مولد (Generator) و متمایزکننده (Discriminator) شناخته می‌شوند. هدف از این شبکه آموزش مدل مولد توسط مدل متمایزکننده است. این دو مدل در شبکه GAN تا زمان رسیدن به یک تصویر یا صدای صحیح و بسیار نزدیک به واقعیت با یکدیگر به رقابت می‌پردازند.

عملکرد

بتدا مدل مولد یک تصویر یا صدا را تولید کرده و آن را برای مدل متمایزکننده می‌فرستد. مولد امیدوار است تا محتوای تولید شده توسط خود به عنوان یک محتوای واقعی توسط متمایزکننده پذیرفته شود. اما با پذیرفته نشدن محتوا توسط متمایزکننده، مولد مجبور می‌شود محتوی واقعی‌تری تولید کند و این کار را تا زمانی که دیگر متمایزکننده قادر به تشخیص محتوای واقعی از محتوی تولید شده توسط مولد نباشد، ادامه می‌دهد.

کاربردها

جعل‌عمیق (Deepfake) از جمله مهمترین کاربردهای شبکه GAN است که امروزه بسیار مورد توجه قرار گرفته است. جعل‌عمیق یک تکنیک نرم‌افزاری است که بر مبنای دانش هوش مصنوعی شکل گرفته است. با استفاده از این فناوری می‌توان محتوای صوتی و تصویری را تغییر داد و محتوای کاملا جدیدی تولید کرد که به طرز شگفت‌آوری، واقعی به نظر می‌رسد و تشخیص مرز بین حقیقت و دروغ را مشکل می‌سازد. در این راستا از یادگیری عمیق به عنوان معتبرترین روش‌ برای شناسایی جعل‌عمیق استفاده می‌شود.

مزایا و معایب

هر ابزار یا فناوری جدید به‌ طور ذاتی خطرناک نیست. اگرچه استفاده نادرست از جعل‌عمیق می‌­تواند مضرات و عواقب جبران‌ناپذیری به همراه داشته باشد و به حریم شخصی افراد و وجهه اجتماعی آن‌ها آسیب برساند؛ اما در صورت استفاده صحیح، می‌توان از مزایا و قابلیت‌های شگفت‌انگیز این فناوری بهره برد.

جنبه‌های مثبت جعل‌ عمیق

بازسازی تصاویر و ویدیوهای قدیمی، کاربردهای حوزه سینما مانند فیلم‌سازی، انیمیشن و ساختن زندگینامه، سرویس‌های ترکیب صدا، مراکز تماس، گیمینگ، صحبت به‌ صورت طبیعی از سوی افرادی که از مشکلات پزشکی رنج می‌برند، محتوای تعاملی برای یادگیری آنلاین، دستیارهای صوتی و امور رمزنگاری.

جنبه‌های منفی جعل‌ عمیق

نقض و به خطر افتادن حریم خصوصی افراد (سیاستمداران، هنرپیشه‌ها و...)، اخاذی، ایمیل‌های اسپم، رقابت غیرقانونی، ساخت ویدیوهای جعلی و محتواهای دروغین (مانند فیلم‌های غیراخلاقی)، تحریف واقعیات جامعه و ارائه اطلاعات نادرست و غیرواقعی.