Skip to main content

Mengenal Teknologi Deepfake

Foto dibawah adalah mantan presiden Amerika Serikat Barack Obama.
Beliau sedang membicarakan tentang Presiden Donald Trump yang tidak pecus mengurus Amerika Serikat. bahkan beliau mengutuknya juga. Berikut cuplikan videonya saat diwawancarai oleh Bloomberg
youtube image

Bagaimana pidatonya sangat luar biasa sekali bukan ? tapi asal anda harus tau foto dan video diatas adalah FAKE. selamat anda tertipu ! tenang tidak perlu bingung, saya kasih tahu bahwa orang yang menyamar menjadi obama di video diatas adalah pria dibawah ini


Video tersebut awalnya diterbitkan oleh BuzzFeed, terungkap bahwa Obama sebenarnya tidak mengucapkan kata-kata itu dan sebenarnya diucapkan oleh sutradara dan penulis "get out" yaitu Jordan Peele, yang suara dan mulutnya dimasukkan secara digital ke dalam dokumen asli. Teknologi yang digunakan dalam video ini adalah hasil kembangan dari Artificial Intelegence yang disebut dengan Deepfakes.

Apa itu Deepfakes ?

Deepfakes ( "deep learning" dan "fakes") adalah media sintetis di mana seseorang dalam gambar atau video yang ada diganti dengan rupa orang lain. Sementara tindakan memalsukan konten bukanlah hal baru, deepfakes memanfaatkan teknik yang kuat dari pembelajaran mesin dan kecerdasan buatan untuk memanipulasi atau menghasilkan konten visual dan audio dengan potensi tinggi untuk menipu. Metode pembelajaran mesin utama yang digunakan untuk membuat deepfakes didasarkan pada pembelajaran yang mendalam dan melibatkan pelatihan arsitektur jaringan saraf generatif, seperti autoencoder atau generative adversarial networks (GANs).

Deepfakes telah mengumpulkan perhatian luas untuk digunakan dalam video porno selebritas, balas dendam porno, berita palsu, tipuan, dan penipuan finansial. Ini telah mendapat tanggapan dari industri dan pemerintah untuk mendeteksi dan membatasi penggunaannya

Teknologi Deepfake telah dikembangkan oleh para peneliti di lembaga-lembaga akademis yang dimulai pada 1990-an, dan kemudian oleh para amatir di komunitas online. Baru-baru ini metode telah diadopsi oleh industri.

Cara kerja Deepfakes bergantung pada jenis jaringan saraf yang disebut autoencoder. Ini terdiri dari encoder, yang mengurangi gambar ke ruang laten dimensi yang lebih rendah, dan decoder, yang merekonstruksi gambar dari representasi laten. Deepfakes memanfaatkan arsitektur ini dengan memiliki encoder universal yang mengkodekan seseorang ke ruang laten. Representasi laten berisi fitur utama tentang fitur wajah dan postur tubuh mereka. Ini kemudian dapat diterjemahkan dengan model yang dilatih khusus untuk target. Ini berarti informasi terperinci target akan ditumpangkan pada fitur wajah dan tubuh yang mendasari video asli, diwakili dalam ruang laten.Pembaruan populer untuk arsitektur ini melampirkan jaringan permusuhan generatif ke dekoder. GAN melatih generator. dalam hal ini dekoder dan diskriminator dalam hubungan yang bermusuhan. Generator membuat gambar baru dari representasi laten dari bahan sumber, sementara diskriminator berusaha menentukan apakah gambar tersebut dihasilkan atau tidak. Ini menyebabkan generator membuat gambar yang meniru kenyataan dengan sangat baik karena segala cacat akan ditangkap oleh pembeda. Kedua algoritma meningkat secara konstan dalam permainan zero sum. Ini membuat deepfake sulit untuk dilawan karena mereka terus berkembang; setiap kali cacat ditentukan, itu dapat diperbaiki.

Deepfakes mulai terlihat digunakan di platform media sosial seperti Zao, aplikasi deepfake Cina yang memungkinkan pengguna untuk mengganti wajah mereka sendiri dengan karakter dalam adegan dari film dan acara televisi seperti Romeo + Juliet dan Game of Thrones. Aplikasi awalnya menghadapi pengawasan atas data pengguna invasif dan kebijakan privasi, setelah perusahaan mengeluarkan pernyataan mengklaim akan merevisi kebijakan tersebut. pada Januari 2020 Facebook mengumumkan bahwa mereka memperkenalkan langkah-langkah baru untuk mengatasi ini di platform-nya.

Baca juga Apa yang dimaksud Artificial Intelegence (AI)

Newest Post
Comment Policy: Silahkan tuliskan komentar Anda yang sesuai dengan topik postingan halaman ini. Komentar yang berisi tautan tidak akan ditampilkan sebelum disetujui.
Buka Komentar
Tutup Komentar