|
|
עמוד:11
טינולוגיות דיפ-פייק 11 המקודד והמפענח — נעשה במשותף, והגמול לכל אחד על הצלחתו הוא כאשר התמונה במוצא המפענח זהה לתמונה בכניסה למקודד . אימון מוצלח של אוטואנקודר הוא למעשה דחיסת נתונים או קידוד של הרבה מידע במעט מידע . ליכולת הזו שימושים רבים, ובמקרה של דיפ-פייק זהו ייצוג תמציתי של תמונת פנים של אדם א׳ שנועד לשחזר — באמצעות אוטואנקודר שאומן על מקבץ אחר — תמונת פנים של אדם ב׳ . מדובר בשיטה פופולרית המאפשרת ליצור תוצרי דיפ-פייק בתוכנות חינמיות נגישות בקלות ובמחיר נמוך, כאשר התוצאות אמינות ומציאותיות יחסית ( 2021 Sayler & Harris, ) . דרך נוספת ליצור דיפ-פייק עושה שימוש ברעיון שהגו איאן גודפלו ( Ian Goodfellow ) ועמיתיו ופורסם ב- 2014 במאמר שכתבו, אשר הפך לאחד המצוטטים ביותר בשנים האחרונות בתחום מדעי המחשב ( כ- 35 אלף ציטוטים על פי מנוע החיפוש Google Scholar ) . הטכנולוגיה שגודפלו ועמיתיו יצרו מכונה Generative Adversarial Nets ( להלן : GANs ) . דרך מערכת GAN יכולות שתי רשתות מחשבים להשוות נתונים זו עם זו בו-זמנית . מערכת GAN מורכבת משתי רשתות נוירונים מלאכותיים שלכל אחת מהן תפקיד מוגדר : האחת היא הרשת הגנרטיבית — הרשת שמייצרת מידע חדש . היא אמונה על יצירת נתונים מזויפים כגון תמונות, קטעי שמע או קטעי וידאו המשכפלים את המאפיינים של מערך הנתונים המקורי ; הרשת השנייה היא הרשת הדיסקרימינטורית — המבחינה ( מלשון to discriminate ) , שאמונה על זיהוי זיוף הנתונים ( Goodfellow et al, . 2014 ) . בשלב הראשון מאמנים את הרשת הגנרטיבית באימון בסיסי בנפרד מהרשת השנייה, כדי שתלמד כיצד נראות פנים אנושיות . לצורך זה המערכת מוזנת באלפי תמונות של דיוקנאות שונים, ומתוכם הרשת תסיק את המאפיינים הבסיסיים שמגדירים פנים ואת הקשרים החבויים בין המאפיינים הללו : מיקום העיניים, האף או הסנטר, מה מאפיין פנים נשיות ומה מאפיין פנים גבריות, וכדומה . המטרה אינה לימוד בעל-פה על ידי המערכת היכן נמצא כל איבר בפנים, אלא שהיא תגלה ותגדיר דפוסים כלליים ועקרוניים במידע שהיא מקבלת, כדי שבהמשך תהיה מסוגלת ליצור דיוקנאות חדשים ושונים זה מזה . שלב האימון הראשוני הזה חשוב כדי להביא את הרשת הגנרטיבית, היוצרת, לרמה של יכולת בסיסית . לאחר האימון הבסיסי של הרשת הגנרטיבית, גם הרשת הדיסקרימינטורית נדרשת לעבור אימון בסיסי בנפרד, כדי שתדע גם היא לזהות פנים אנושיות, וכך הן יהיו יריבות ראויות זו לזו ( 2014 , . Goodfellow et al ) . בשלב הבא מחברים בין הרשתות : מחברים את המוצא של הרשת הגנרטיבית לכניסה של הרשת הדיסקרימינטורית . מחברים לרשת הדיסקרימינטורית כניסה נוספת שלתוכה יוזנו תמונות של אנשים אמיתיים, לא מזויפים . הרשת הדיסקרימינטורית תידרש להבחין בין התמונות האמיתיות לבין התמונות המזויפות שהפיקה הרשת הגנרטיבית . כעת האימון מתחיל . כדי שהרשת הגנרטיבית תפיק תמונה מזויפת, ראשית יש להזין לתוכה מספר אקראי כלשהו . המספר האקראי הזה ישמש גרעין, שעליו יכולה הרשת הגנרטיבית לבנות את הפנים הספציפיות שהיא מציירת, בעזרת הידע שצברה על אודות הקשרים החבויים שבין חלקי הפנים . האקראיות הזו תבטיח שהרשת הגנרטיבית תפיק בכל פעם תמונה חדשה וייחודית . התמונה החדשה הזו תועבר לרשת הדיסקרימינטורית ולצידה תמונה אמיתית, לא מזויפת . הרשת הדיסקרימינטורית תבחן את התמונות ותקבע מי מהן אמיתית ומי מזויפת . אם הרשת הדיסקרימינטורית צדקה, סימן שהרשת הגנרטיבית לא עשתה עבודה טובה מספיק . המערכת תשנה את עוצמת הקשרים בין הנוירונים ברשת הגנרטיבית כדי
|
|