Teknologiselskapet Nvidia har utviklet et system som kan skape troverdige, falske varianter av omtrent hva som helst. Det har tatt uante veier.
Tidligere i år skrev vi om StyleGAN, Nvidias nye teknologi for å lage falske portrettbilder. I ettertid har Nvidia frigitt koden til StyleGAN, og utviklere verden over har lekt seg med teknologien.
Denne personen finnes ikke
Den første nettsiden som dukket opp var This person does not exist – en side som kun viser deg et portrettbilde generert med StyleGAN. Phillip Wang er utvikleren, som i etterkant også har laget en variant for internettets favorittdyr: katten.
De falske kattebildene ser ikke alltid like gjennomført ut som portrettbildene av mennesker, og i blant dukker det opp noen særdeles rare artifakter:
Fungerer også for anime
Twitter-brukeren Gwern har brukt StyleGAN for å lage nye anime-karakterer:
The StyleGAN anime face interpolations are solid:
– https://t.co/JtzWaQ1rLT
– https://t.co/dl5AqXYqlc
– https://t.co/FaldMdAbyQ pic.twitter.com/7T7hoCDXMg— 𝔊𝔴𝔢𝔯𝔫 (@gwern) February 12, 2019
…og for soverom
Google-ingeniøren Christopher Schmidt har tatt det hele ett steg videre, og har kombinert flere teknikker for å lage nettsiden This AirBnb does not exist.
Her kombinerer Schmidt flere disipliner: Bildene er generert med StyleGAN, mens beskrivelsen til AirBnb-annonsen kommer fra et maskinlæringsbibliotek som automatisk kan generere realistisk tekst.
Interessert i AI, maskinlæring og teknologi?
Vi følger med på de siste bevegelsene innenfor kunstig intelligens. Få et ping i postkassa hver gang vi publiserer noe!
Ser du hvilket bilde som er falsk?
Den siste og kanskje mest interessante nettsiden som bruker StyleGAN er Which face is real?
Which face is real er utviklet ved Universitetet i Washington, som en del av læreplanen til kurset Calling Bullshit, som har som mål å fremme fokuset på feilinformasjon i samfunnet anno 2019.
We feel that the world has become over-saturated with bullshit and we’re sick of it.
Her blir man presentert med to valg: Ett ekte portrettfoto, og ett som er generert av StyleGAN.
Vi prøvde dette innad i redaksjonen. De fleste av oss klarte ikke å gjette riktig mer enn 50% av gangene, men etter hvert fant vi ut at StyleGAN ofte surrer litt med bakgrunnene. Så ved å fokusere på bakgrunnen i stedet for selve ansiktet, klarte vi de fleste.
Hvor bærer dette?
Det kreves ganske mye datakraft for å trene StyleGAN på nye objekter, så foreløpig må vi klare oss med falske katter, leiligheter, biler og mennesker.
Det er likevel liten tvil om at det skjer mye innenfor maskinlæring på bildemateriale, og vi i NRKbeta følger utviklingen nøye.