Deepfakes Mattea Renziho a Mattea Salviniho, které v posledních dnech pobláznily sociální sítě, nám ukázaly i sílu těchto falešných videí
Falešné video odvysílané televizní stanicí Striscia la Notizia, v němž se bývalý premiér Matteo Renzi ostře vysmívá mnoha politickým oponentům, rozpoutalo i v Itálii polemiku o tzv. deepfakes. Nejednalo se o imitátora, jak se původně domníval sám Renzi, ale o video zfalšované pomocí softwaru založeného na umělé inteligenci.
Taková videa, zejména v Americe, se objevila v posledních třech letech. Nejznámější je ten, v němž bývalý americký prezident Barack Obama uráží svého nástupce Donalda Trumpa. Další Deepfake, který se zapsal do historie, je ten, ve kterém Mark Zuckerberg přiznává, že Facebook kontroluje data, a tudíž ovládá životy lidí. Obětí zmanipulovaných videí se staly i další celebrity: Taylor Swift, Katy Perry, Gal Gadot, Emma Watson, Scarlett Johansson, Daisy Ridley. Díky aplikacím pro chytré telefony, které si může stáhnout kdokoli, nás dnes může kdokoli přimět říkat ty nejabsurdnější věci: stačí mu k tomu video, ve kterém říkáme něco úplně jiného.
Deepfakes: jak vznikají
V září 2019 byl dokonce zveřejněn "vzdělávací" Deepfake: MIT Technology Review vytvořil falešné video s rozhovorem s Vladimirem Putinem, ve kterém ruský prezident říká Američanům: "Pokud jste idioti, není to moje chyba. Podle vědeckého časopisu mělo video Američanům ukázat, jak snadné je vytvořit Deepfake a přimět lidi uvěřit i těm nejnepravděpodobnějším věcem. K vytvoření Deepfake dnes vlastně stačí použít aplikaci pro chytré telefony, jako je FakeApp nebo Face2Face. Výsledky nejsou srovnatelné s výsledky získanými pomocí složitějšího softwaru, ale jsou v dosahu každého.
Jak se bránit proti Deepfakes
Už to, že mluvíme o Deepfakes, je paradoxně pozitivní věc: vědomí, že vždy existuje možnost, že video, které sledujeme, je zcela falešné, je první způsob, jak se bránit. Existuje také software určený speciálně k rozpoznávání falešných údajů. Například systém XceptionNet byl vyvinut Technickou univerzitou v Mnichově za účelem hledání stop po manipulaci v datech videosouboru. XceptionNet samozřejmě využívá také umělou inteligenci a algoritmy strojového učení k odhalování falešných videí.