Blockdit Logo (Mobile)
Antfield
•
15 ส.ค. 2019 เวลา 14:51 • วิทยาศาสตร์ & เทคโนโลยี
มาทำความรู้จักกับ Generative Adversarial Networks เทคโนโลยีที่อยู่เบื้องหลัง DeepFake และ FaceApp 😥
Cr: metamorworks/iStock
ทำไมผมถึงเหงื่อตก อ่านไปเดี๋ยวจะได้รู้ครับ 😰
เมื่อเดือนที่แล้วคงจำไม่ได้กับข่าว FaceApp ตอนแรกเล่นสนุกทำหน้าแก่กัน ตามมาด้วยดราม่าเรื่อง ความเป็นส่วนตัวของข้อมูล
แต่นั่นเป็นเพียงประเด็นรอง ยังมีเรื่องน่ากังวลเกี่ยวกับความสามารถของเทคโนโลยีในการสร้างภาพถ่าย ที่ปัจจุบันแยกไม่ออกแล้วว่าของจริงหรือของปลอม 😱
ถ้าคุณค้นหาข้อมูลในอินเทอร์เน็ตจะพบว่า Generative Adversarial Networks หรือ GANs มีข้อมูลย้อนหลังไปไม่ถึง 10 ปี แต่อะไรที่ทำให้เทคโนโลยีตัวนี้เป็นที่สนใจของผู้คน และทำไมคุณถึงควรรู้จัก GANs ได้แล้ว
เมื่อพูดถึง GANs จะมีคำที่เกี่ยวข้องกับ AI, Machine Learning หรือ Deep Learning เข้ามาเกี่ยวข้องอยู่เสมอ ทำให้เมื่อพูดถึง GANs แล้วจะกลายเป็นเรื่องที่กว้างมาก
GANs คือการสร้างภาพแบบที่เราเห็น CG ในภาพยนตร์ โดยใช้ AI ผ่านเทคนิค Deep Learning ซึ่งภาพที่ได้ทั้งหมดเป็นการสร้างขึ้นใหม่เองทั้งหมดโดยโปรแกรมเอง หาใช่มนุษย์ เขียนกำหนดเหมือนการทำ CG ในภาพยนตร์ 😲
รูปบุคคลในรูปทั้งหมดนี้ ไม่มีตัวตนอยู่จริงในโลกนี้หากแต่เป็นภาพที่ถูก AI สร้างขึ้นมาทั้งนั้น
แล้ว GANs สร้างภาพเหล่านี้ขึ้นมาได้ยังไง?
ก็เหมือนกับการสอนเด็ก เราจะให้ข้อมูลเก่าเป็นตัวอย่าง เช่น ข้อมูลรูปถ่ายจำนวนมากเพื่อให้โปรแกรมศึกษาด้วยตัวมันเอง หรือที่รู้จักกันว่าการทำ Machine Learning นั่นเอง
ที่นี้พอปล่อยให้ AI สร้างภาพขึ้นมาเองคำถามคือ แล้วว่าอันไหนดีเทียบเคียงของจริงมากพอที่เราจะเอาไปใช้งานได้?
ในการนี้จึงต้องมีการสร้าง Discriminative network หรือ Discriminator มาคอยแยกแยะว่ารูปไหนเป็นรูปที่ทำขึ้นโดย AI และรูปไหนเป็นรูปจริง
หลักการทำงานของ GANs และการแข่งขันกันระหว่างผู้สร้างและผู้ตรวจสอบ
นั่นคือเป็นการแข่งกันระหว่างโปรแกรมที่คอยสร้างรูปกับโปรแกรมที่คอยจับผิดรูป
วีดีโอด้านล่างนี้อธิบาย GANs ได้ดีมากครับลองดู
ใครอยากรู้เลยรายละเอียดเพิ่มเติมเกี่ยวกับ GANs สามารถศึกษาเพิ่มได้จาก paper นี้
https://arxiv.org/abs/1406.2661
ซึ่งใน Paper ฉบับนี้กล่าวชัดเจนว่าจุดประสงค์ของการพัฒนา GANs คือการสร้างรูปบุคคลที่สามารถหลอก Discriminator ได้ว่านี่คือรูปคนจริงๆ
เนียนแค่ไหนถามใจคุณดู ว่าจะแยกออกไหมว่าอันไหนรูปปลอมทำขึ้น
หากลองพิจารณาจากรูปด้านบนแล้ว คงได้ตระหนักกันแล้วใช่ไหมครับ ว่านี่มันเรื่องใหญ่แค่ไหน ตกลงรูปให้เราเห็นอยู่ในอินเทอร์เน็ต บุคคลเหล่านั้นมีตัวตนจริงหรือเปล่า เราจะเชื่อได้อย่างไร?
ผู้ที่อยู่เบื้องหลังการพัฒนา GANs ไม่ใช่ใครที่ไหนก็คือ NVIDIA ยักษ์ใหญ่แห่งวงการการ์ดจอนั่นเอง
รายละเอียดของโปรเจคสามารถอ่านได้ตามลิงค์ด้านล่างนี้ครับ
https://arxiv.org/pdf/1812.04948.pdf
พัฒนาการของ GANs
ทีมวิจัยของ NVIDIA ใช้เวลา 8 สัปดาห์ในการสอน GANs ให้สร้างภาพด้วยตนเอง โดยใช้พลังประมวลผลจากชิปเทสล่าจำนวน 8 ตัว
ปัญหาเรื่องความละเอียดของรูปที่สร้างขึ้นถูกแก้ไขได้ด้วยพลังประมวลผลของชิปประมวลผลใหม่ของ NVIDIA
ปัจจุบันโครงการสามารถพัฒนา GANs จนมีศักยภาพศักยภาพดังที่เห็นจากรูปก่อนหน้า และทีมงานยังมีเป้าในการพัฒนาศักยภาพ ให้สามารถสร้างภาพที่ได้เหมือนจริงมากยิ่งขึ้นโดยใช้พลังงานการประมวลผลน้อยลง
การ์ดประมวลผล NVIDIA TESLA ที่ใช้ในโครงการ Cr: NVIDIA
จากข่าวการสร้างรูปโดย AI ที่เหมือนจริงมากๆเมื่อปลายปีที่ผ่านมาได้สร้างความกังวลให้กับสังคมเป็นอย่างมาก
http://www.openculture.com/2018/12/artificial-intelligence-creates-realistic-photos-of-people-none-of-whom-actually-exist.html
หลักฐานรูปถ่ายจะยังใช้ได้ในกระบวนการยุติธรรมอีกหรือไม่???
นี่เป็นประเด็นที่ต้องคิดพิจารณาอย่างละเอียดรอบคอบเป็นอย่างมาก ซึ่งปัจจุบันยังไม่มีข้อสรุป
** การประยุกต์ใช้ GANs **
1. การสร้างรูปถ่ายบุคคลเมื่อมีอายุมากขึ้นหรือครั้งยังเป็นเด็ก หลายคนคงรู้กันแล้วจากที่เป็นข่าวฮือฮาเมื่อเดือนก่อนกับ FaceApp
ทำได้เนียนมากๆเลยครับ เมื่อเราจะแก่แล้วจะดูเป็นยังไง, Cr: Faceapp
2. อย่างที่คุยกันข้างต้น ใช้ในการสร้างรูปบุคคลที่ไม่เคยมีตัวตนอยู่บนโลกนี้มาก่อนเลย
3. สร้างรูปสีขึ้นมาจากรูปขาวดำเดิมที่มีอยู่ ในหลายโพสต์ท่านจะเห็นรูปสมัยสงครามโลกครั้งที่ 2 หรือเก่ากว่าที่เป็นรูปสี แต่รู้ไหมครับหลายรูปนั้นต้นฉบับเป็นรูปขาวดำ แต่ GANs สามารถสร้างโลกที่มีสีสรรให้กับภาพถ่ายเหล่านั้นได้ 😲
4. เพิ่มความละเอียด (Resolution) ให้กับภาพ ภาพเล็กไม่ละเอียดไฟล์จิ๋ว ไม่เป็นไรเดี๋ยว GANs จัดให้ อยากให้รูปละเอียดใหญ่โตเอาไปติดป้ายโฆษณาริมทางด่วนก็ไม่มีปัญหา 😉
ช่วงนี้เห็นข่าวกันรัว ๆ ใช่ไหมครับ AI วาดรูป AI แต่งเพลง และผลงานอีกมากมายจาก AI เทคโนโลยีในบทความนี้ก็เป็นเบื้องหลังส่วนหนึ่ง
การประยุกต์ใช้ Machine Learning ให้เรียนรู้ ในแต่ละเรื่อง
เป็นอีกบทความที่ผมเขียนไปขนลุกไป ทั้งทึ่งและกังวล ถึงเวลาที่เราควรจะกลัวเทคโนโลยีกันบ้างแล้วหรือยัง?? 😥
โฆษณา