Искусственный интеллект учится распознавать и создавать фейки

Когда мы видим фотографию собаки, бегущей по траве, довольно легко для нас, людей, представить себе следующие моменты: собака продолжает бежать, прыгает, хватает палку и прочие варианты. Но ученые из MIT хотят, чтобы этому же научился и искусственный интеллект. И не только этому.

Благодаря глубинному обучению и сравнительному софту ИИ учится понимать видео, размером от одной секунды до нескольких часов. Более того, первые успехи уже позволяют ИИ дорисовывать видео, накладывая одни изображения на другие. Так он учится фантазировать, что может быть дальше, то есть попытаться развить действие. Ученые не боятся таким образом научить роботов творческому мышлению. Скорее данный продукт мышления предназначен для умных автомобилей будущего, чтобы могли сопоставлять движения пешеходов, животных на обочинах и прочих автомобилей, с тем, чтобы представлять их возможные действия и адекватно реагировать. Так что в один прекрасный день система самостоятельного вождения автомобилей достигнет новых высот.

Но ученые не собираются на этом останавливаться и предлагают ИИ стать экспертом в области распознавания фейков на видео. То есть если для нас собака с головой дракона – это вполне естественная подделка, то мышлению компьютера отличить искусственно совмещенные предметы и объекты уже сложнее. И чтобы делать это легко, ИИ учится определять даже незначительные изменения на оригинальных фото и видео.

Программное обеспечение использует алгоритм глубокого обучения, предлагая ИИ рассмотреть два миллиона непомеченных видео, чтобы разделить их на те, что были отредактированы и изменены по каким-то параметрам, и те, что при этом показывают «оригинальный» продукт. Причем, чтобы было интереснее, ученые предложили развиваться сразу двум отдельным нейронным сетям, которые вынуждены конкурировать друг с другом. А чтобы было еще интереснее, они постоянно меняются ролями. То один испортит или переделает видео и покажет его конкуренту, чтобы тот нашел момент вмешательства, то другой.

По мнению ученых, этот подход улучшает технологии компьютерного зрения еще на стадии разработки. А любой фейк на видео системы смогут определять за пару секунд и указывать на это человеку. А если системам дать задание дописать видео, как они его представляют, то они уже могут это сделать со скоростью генерации 32 кадров в секунду. Хотите новый динамичный ролик? По идее, он создан еще до того, как вы прочитали до конца этот абзац.

После того как заданная сцена получается, работа второй нейронной сети заключается в ее оценке. ИИ также поручается понять, реальное ли видео или было произведено с помощью другого компьютера. Благодаря этой форме «состязательного обучения» первая сеть учит себя обманывать, вторая учится этот обман распознавать.

После каждого этапа обучения полученные результаты сравнивают с распознанием фейков обычным человеком. Команда из 150 людей пытается распознать картинки так же, как и ИИ, и найти в них фейки. На данный момент ИИ уже справляется с задачей лишь на 20 процентов хуже среднего показателя человека. Сложнее всего ИИ лидировать в некоторых определенных областях. Он теряется на коротких видео продолжительностью от одной до двух секунд. Зато ИИ более успешен в работе с длинными видеофайлами. Там, где человек теряет внимание к деталям, искусственный интеллект, напротив, получает больше информации для оценки.

Исследования по данной теме могут быть доступны в Интернете. Научная команда представит свою работу с нейронными системами обработки информации (NIPS) на конференции в Барселоне на следующей неделе.