Si bien este blog está centrado principalmente en los emprendedores y todo lo relacionado al branding y marketing, los avances tecnológicos también nos competen porque forman parte directa de nuestra sociedad y de la innovación. Un mundo en permanente cambio en dónde hay que estar siempre muy atentos a todo lo que se viene.
Deepfake es el conjunto de palabras del deep learning y fake, porque como su nombre lo indica, se utiliza el aprendizaje profundo para crear imágenes en movimiento que son falsas.
Puede interesarte:
Primero lo primero, ¿qué es el Deepfake?
Tenemos que ser francos, en los últimos años son tantos los avances que hemos visto en el mundo del machine learning y deep learning que incluso podemos llegar a decir que ya no nos sorprenden tantas cosas (aunque más abajo te pondremos ejemplos que te dejarán con la boca abierta). Y es que el uso de la IA para hacer modificaciones o incluso predicciones en los rasgos faciales es impresionante pero a la vez lo tenemos a la mano, necesitando solamente un smartphone.
Un ejemplo de esto es la aplicación FaceApp que en cuestión de un toque podía decirnos cómo luciremos cuando seamos unos ancianos, si tuviésemos otro género sexual o etnia e incluso cómo nos veríamos con distintos looks. Entonces sí, podría decirse que cada día nos volvemos menos impresionables, pero el deepfake llegó para darnos una patada al estilo ninja y dejarnos con las bocas abiertas.
Una de las muestras de cambio de imagen a través de la IA por la aplicación FaceApp | Foto: vía El Confidencial.
El centro de investigación de inteligencia artificial de Samsung presentó en Moscú un nuevo proyecto o rama del Deep learning llamado Few Shot Learning, donde el objetivo es darle animación a un conjunto de imágenes y un vídeo para imitar, para obtener como resultado una imagen fabricada que funciona totalmente como si fuese real.
Lo impresionante de esta tecnología es que con escasos datos se puede crear una imagen en movimiento bastante fiel que además puede mostrar distintos ángulos que no se han otorgado en los datos suministrados.
Por ejemplo, digamos que las fotos son de un hombre mirando hacia delante, pero con el few shot learning se puede crear una secuencia de movimiento donde se muestre al hombre hablando de perfil.
Hay varias maneras de hacer esto, una de ellas es con el método de distorsión que como su nombre lo indica, se trata de crear imágenes partiendo de otras al distorsionarlas. Con este método se pueden obtener resultados aceptables pero para nada exactos o perfectos porque le da cierta rigidez a las expresiones del rostro. Es así como, luego de años de buscar la perfección, se llegó al método de sintetización directa el cual consiste en utilizar un sistema basado en redes generativas adversarias que son capaces de procesar la información que el usuario quiere conseguir y de esta manera se obtienen resultados mucho más realistas.
Suena bastante increíble ¿no? Y lo es, el tema es que no es tan sencillo como se lee, pues para poder obtener una simple escena en movimiento se necesita una cantidad de datos escalofriantemente gigante, significando esto una súper mega inversión.
Foto: vía Trend.Pe.
Una tecnología similar es la que hemos visto en grandes producciones cinematográficas como por ejemplo en Star Wars: Rogue One en ciertas escenas del personaje de Leia debido a que querían replicar una imagen del Episodio IV: A New Hope.
Pero por supuesto que ese no iba a serlo todo, los programadores han seguido trabajando duro para hacer de ésta una tecnología mucho más accesible y es así como hemos llegado al few shot learning, el cual pretende trabajar con el machine learning y deep learning pero con la diferencia de que no necesitará una millonada de datos sino una cantidad mucho más reducida, es decir, aprender conceptos con una mínima cantidad de datos.
Foto: vía Art News.
Esto fue lo presentado por Samsung en junio del 2019, con la muestra de varias imágenes en movimiento creadas a partir de una cantidad muy pequeña de datos -tan sólo algunas imágenes-. En la presentación incluso se demostró que UNA SOLA IMAGEN basta para darle vida entera a la persona mostrada en la misma, como es el caso de lo que se ha hecho con La Gioconda o con Albert Einstein. Claro, tenemos que recalcar que a mayor cantidad de datos, más realista será el resultado final.
¿Y cómo funciona ésto?
Basado en las problemáticas que se tenían anteriormente con el deep learning y con el tema de que se requiere de una infinidad de datos para obtener el realismo deseado a la imagen que queremos fabricar, se ha añadido un nuevo elemento a la ecuación, el cual se encargará de analizar las imágenes que conforman el data set que tenemos simplificado y convertirlo en una representación interna que va a procesar la información para dársela al generador sobre los rostros que deseamos generar siendo suministrada mediante capas AdaIN y así se obtiene una arquitectura mucho más sencilla que podrá darle vida a una imagen sin tanta cosa.
Bueno… Tal vez ya nos pusimos muy técnicos y te has quedado así:
Pero no te preocupes, que en resumidas cuentas, el few shot learning va a enseñarle al generador a aprender a responder a los pocos datos que le estamos suministrando y con eso, aprender a crear la imagen que deseamos, es decir, aprender a aprender (meta learning). Así suena más simple, ¿no?
De esta manera se exprime al máximo los pocos datos suministrados y se consiguen unos resultados bastante buenos y realistas, los cuales a pesar de todos los avances que se han alcanzado, aun pueden llegar a ser mucho más perfectos.
- Para una explicación mucho más detallada de todo lo que es el few shot learning, te dejaremos este vídeo, desde la opinión de todo un experto en IA (el gran Carlos Santana Vega –DotCSV- ) que explica todo muy bien y dejándonos realmente fascinados con todo este tema tan novedoso:
Algunos de los casos más fascinantes del Deepfake
La mini clase sobre few shot learning la dimos para que comprendas qué es el deepfake o mejor dicho, cómo funciona el mismo. No es primera vez que vemos la cara de alguien sobre la de otra persona, eso lo sabemos como lo hemos comentado antes y como lo vimos por ejemplo en la emotiva escena de Rápidos y Furiosos 7 donde al final vemos a Paul Walker despidiéndose conduciendo su auto, con el uso del deep learning, esto debido a que Paul ya había fallecido para esa escena. Pero de nuevo, se requirió de cientos de datos y mucho dinero también para fabricar esta imagen.
Pero con el deepfake, próximamente un día podrás hacerlo sin problema y sin costo alguno. Estos son algunos de los ejemplos más impactantes del deepfake que realmente nos tienen muy emocionados y a la vez confundidos.
Las imitaciones cómicas llevadas a un nuevo nivel
Este es Jim Meskimen, un comediante e imitador, el cual ya hacía imitaciones de distintos actores o figuras públicas de manera impresionante. El tipo es un crack de por sí, pero ahora, gracias al deepfake, hemos alcanzado otro nivel de epicidad. Míralo por ti mismo:
Y si no nos crees que Jim es un súper mega crack, aquí puedes ver el vídeo de sus imitaciones sin los efectos especiales del deepfake:
Y aquí el proceso del deepfake en plena acción 🙂
Y como sabemos que ya tu mandíbula debe estar por el piso, entonces vamos a mostrarte una recopilación de algunos de los deepfakes más impresionantes que hay en Internet donde vemos a Elon Musk como Charlie Sheen, Jimmy Fallon como Paul Rudd y muchos otros más:
Deepfake: un arma peligrosa para la desinformación
Foto: vía El Confidencial.
Si ya con lo que has leído o incluso visto fuera de este post te has sentido un poco inquieto(a), tienes toda la razón de hacerlo, pues el deepfake ha demostrado que puede engañarnos a todos como niños y ni siquiera darnos cuenta. Si bien es cierto que hasta los momentos ha sido utilizado para propósitos únicos de entretenimiento, realmente puede llegar a ser un grave problema de suplantación de identidad de celebridades y políticos, haciéndoles decir o hacer cosas que nunca han dicho o hecho.
Un ejemplo claro de esto es el vídeo realizado por Jordan Peele donde caracteriza a Barack Obama con la intención de concientizar a la audiencia a que no se crean todo lo que ven en Internet porque la información cada día es más fácil de manipular.
Podría decirse que todavía es «bastante» reconocible cuando algo se trata de deepfake o cuando es verídico, pero vamos, estamos hablando de que hace 10 años este tipo de efectos eran muy costosos y llevaban un trabajo de por medio incalculable, y hoy en día tenemos acceso al mismo siendo personas corrientes.
Entonces, es muy inocente pensar que dentro de otros 10 años -considerando que la tecnología va mucho más allá de lo que realmente creemos- este tipo de detalles estará totalmente pulido, será imposible detectar mediante el ojo u oído humano que se trata de vídeos fabricados mediante IA.
Estamos hablando de un impacto muy importante en la sociedad, cualquiera podrá crear noticias falsas y sabemos que una vez que salen a la luz del Internet, no hay quien los pare. ¿Puedes imaginarlo? Una invasión extraterrestre transmitida en plena madrugada que genere un caos absoluto y resulte ser la broma pesada de un hacker. O incluso puede ser utilizada la imagen de alguna actriz o actor para posicionarla en cuerpos de actores de la industria pornográfica. Hay tantos fines negativos en los que puede parar la deepfake que es muy natural sentirnos muy alarmados con esta tecnología, sin embargo hay que resaltar que para este tipo de acciones el sistema judicial ejerce su rol, pues si se trata de sátiras no pasa nada, pero en los casos anteriores, sí cae la ley sobre los responsables.
¿Los anti-deepfake nos dejarán tranquilos?
Hay empresas que están desarrollando los anti-deepfake -por ponerle un nombre-, donde la idea es crear un programa que logre detectar cualquier efecto de deepfake ya sea visual o auditivo, todo con la finalidad de no dejarnos engañar por cualquier cosa y mantener la calma entre las personas. ¿Tú te sientes más tranquilo? Porque nosotros no tanto. Supongamos que Facebook incluye esta tecnología para alertarte de posibles deepfakes. Dependeríamos por lo tanto de la buena fe del controversial Mark Zuckerberg para definir lo que es una noticia real de una falsificada. Mmmmm, no lo sé Rick, parece falso.
Continuar leyendo:
