ความรวดเร็วของอินเทอร์เน็ตช่วยย่อส่วนโลกให้เล็กลง ทุกวันนี้คุณสามารถเชื่อมต่อกับผู้คนจากทุกมุมของโลกได้ทันทีผ่านโซเชียลมีเดียที่มีอยู่หลายแพลตฟอร์ม ทั้งยังติดตามข้อมูลข่าวสารได้ด้วยเพียงนิ้วสัมผัส
แต่คุณจะมั่นใจได้อย่างไรว่าคนที่คุยอยู่ หรือแม้แต่เหตุการณ์ที่เห็นตรงหน้าจะเป็นความจริง
ช่วงเวลาเพียงไม่กี่ปีที่ผ่านมา เทคโนโลยี Deepfake ก้าวหน้าขึ้นอย่างก้าวกระโดด แม้ว่าจะมีคนนำไปใช้ในเชิงบวก โดยเฉพาะในวงการบันเทิงและการศึกษา แต่อันตรายของมันก็มีอยู่มากมาย ตั้งแต่การเป็นเครื่องมือของอาชญากรไซเบอร์ที่นำไปใช้ในการหลอกเอาเงินและข้อมูลจากเหยื่อ ไปจนถึงการนำไปใช้แทรกแซงการเมืองระหว่างประเทศ
Deepfake คืออะไร และมีที่มาอย่างไร?
แหล่งกำเนิดของ Deepfake น่าจะมีจุดเริ่มต้นในปี 2017 จากผู้ใช้ Reddit ชื่อว่า Deepfake ได้โพสต์คลิปโป๊ที่นำภาพของผู้หญิงที่มีชื่อเสียง อาทิ กัล กาดอต (Gal Gadot) และ เทย์เลอร์ สวิฟต์ (Taylor Swift) เข้าแปะมาแทนที่ภาพของใบหน้าของดาราหนังโป๊
ศุภศรณ์ สุวจนกรณ์ อธิบายการทำงานของ Deep Learning ในการสังเคราะห์การเคลื่อนไหวของคนขึ้นมาใหม่ (ที่มา: TED)
ผู้เชี่ยวชาญบางคนเชื่อว่าคำว่า Deepfake เป็นการผสมระหว่างคำว่า Fake (ปลอม) เข้ากับคำว่า Deep Learning ซึ่งเป็นปัญญาประดิษฐ์ที่มีความสามารถเรียนรู้ด้วยตัวมันเองในการวิเคราะห์ชุดข้อมูลบนเครือข่ายออนไลน์ โดยอาศัยระบบประสาทสังเคราะห์ (Neural Network) ที่ทำงานเลียนแบบสมองมนุษย์ในการหาแบบแผนจากชุดข้อมูลที่มีอยู่
ยิ่งชุดข้อมูลมีขนาดใหญ่และมีคุณภาพมากเท่าไหร่ สิ่งที่ Deepfake สังเคราะห์ขึ้นมาก็จะสมจริงมากขึ้นเท่านั้น
ผลที่ได้ถูกนำไปใช้ดัดแปลงภาพ วีดิโอ หรือแม้แต่เสียง อย่างการทำให้ใบหน้าของคนที่อยู่ในวีดิโอขยับตามใบหน้าของอีกคนหนึ่ง หรือซ้อนภาพหน้าคนอื่นเข้าไปแทนภาพหน้าของคนในคลิปวีดิโอ โดยอาศัยชุดข้อมูลภาพและวีดิโอใบหน้าของคนที่มีอยู่มหาศาลบนโลกออนไลน์ในการคาดเดารูปแบบและทิศทางการเคลื่อนไหวของใบหน้าและท่าทางของมนุษย์ ไปจนถึงรายละเอียดเล็ก ๆ น้อย ๆ บนใบหน้า ตั้งแต่รอยย่นบนผิวหนัง ไปจนถึงการกะพริบตา
สมมติว่าเราต้องการใช้ Deepfake สร้างใบหน้าของนักการเมืองคนหนึ่งที่เคลื่อนไหวตามที่เราต้องการ ตัว Deepfake ก็จะค้นหาแบบแผนการเคลื่อนไหวใบหน้าของนักการเมืองคนดังกล่าวจากคลังภาพและวีดิโอที่มีภาพใบหน้าที่มีอยู่อย่างมหาศาลบนโลกอินเทอร์เน็ต
เมื่อเราควบคุมใบหน้านี้ด้วยการเคลื่อนไหวของเราหรือบุคคลอื่น ก็จะดูเหมือนว่านักการเมืองคนนี้เคลื่อนไหวหรือพูดอยู่จริง ๆ
Deepfake ยังสามารถใช้ชุดข้อมูลที่มีอยู่ในการสังเคราะห์ภาพหรือวีดิโอขึ้นมาใหม่ทั้งหมดจนสร้างเป็นสิ่งที่ไม่เคยมีมาก่อนได้
รูปแบบของการใช้ Deepfake ในปัจจุบัน
แง่ดีของ Deepfake สามารถสร้างประโยชน์ให้แก่วงการต่าง ๆ ได้มากมาย ตั้งในวงการบันเทิง ไปจนถึงงานของหน่วยงานความมั่นคง
ใบหน้าของ เจมส์ ดีน (James Dean) ดาราผู้ล่วงลับ จะถูกนำมาใช้ในภาพยนตร์ Finding Jack ที่จะฉายในอนาคต (ที่มา: CBS)
วงการภาพยนตร์นำ Deepfake มาใช้ในการสร้างความเยาว์วัยให้กับใบหน้านักแสดง เพื่อเสริมการเล่นบทบาทในวัยหนุ่มสาว หรือแก่กว่าปัจจุบัน ซึ่งสมจริงกว่าการใช้นักแสดงแทน ทำให้การขยับของปากของนักแสดงสอดคล้องกับเสียงพากย์ภาษาต่างประเทศ หรือแม้แต่คืนชีพให้กับนักแสดงที่เสียชีวิตไปแล้ว
ภาพเทียบระหว่างใบหน้าของ Luke Skywalker ของต้นฉบับจากซีรีส์ Mandalorian กับเวอร์ชัน Deepfake ที่ Shamook ทำขึ้น (ที่มา: Shamook)
ไม่นานมานี้ Shamook ยูทูบเบอร์ที่แสดงผลงานการใช้ Deepfake เพื่อแก้ไขใบหน้าของตัวละครในภาพยนตร์และซีรีส์จากแฟรนไชส์ Star Wars ได้อย่างสมจริงจน Lucas Films จ้างมาแล้ว
นอกจากนี้ รัฐบาลของแต่ละประเทศอาจนำ Deepfake ไปใช้สร้างโปรไฟล์ปลอมเพื่อแทรกซึมเข้าไปยังองค์กรอาชญากรรมหรือองค์กรก่อการร้ายต่าง ๆ เพื่อจับกุมและทลายแผนการ
Deepfake ยังสามารถนำไปสังเคราะห์เสียงให้กับผู้ที่สูญเสียความสามารถในการพูด การนำไปใช้ในวงการศิลปะและพิพิธภัณฑ์ให้ชิ้นงานมีชีวิตขึ้นมา
ด้านมืดของ Deepfake
แต่ในทางลบ Deepfake ถูกนำไปใช้ดัดแปลงวีดิโอของคนมีชื่อเสียง ตั้งแต่ นักแสดง นักธุรกิจ ไปจนถึง นักการเมืองระดับโลก ให้พูดสิ่งที่พวกเขาไม่ได้พูด ทำในสิ่งที่พวกเขาไม่ได้ทำ
คลิป Deepfake ของมาร์ก ซักเคอร์เบิร์ก (ที่มา: Larry Yaeger)
อย่างการดัดแปลงคลิปของ มาร์ก ซักเคอร์เบิร์ก (Mark Zuckerberg) ผู้ร่วมก่อตั้งและประธาน Meta เจ้าของ Facebook และ Instagram ให้ดูเหมือนว่าเขากำลังยอมรับว่าได้ “ควบคุมข้อมูลของผู้คนนับล้าน” หรืออย่างคลิปที่ บารัก โอบามา (Barack Obama) อดีตประธานาธิบดีสหรัฐอเมริกาออกมาด่าทอ โดนัล ทรัมป์ (Donald Trump) ประธานาธิบดีในขณะนั้นด้วยถ้อยคำหยาบคาย
จอร์แดน พีล (Jordan Peele) (ขวา) กำลังบังคับใบหน้าของโอบามา (ซ้าย) ให้ขยับและพูดตามเขา (ที่มา: Buzzfeed)
Deepfake ยังสามารถสร้างบุคคลที่ไม่มีอยู่จริงได้ กรณีที่เห็นได้ชัดคือ เมซี คินสลีย์ (Maisy Kinsley) และ เคธี โจนส์ (Katie Jones) ที่มีโปรไฟล์อยู่บนโซเชียลมีเดีย เชื่อกันว่ามีผู้ใช้ Deepfake สร้างภาพโปรไฟล์เหล่านี้ขึ้นมาเพื่อสอดแนมรัฐบาลต่างประเทศ วิธีนี้ถือว่ามีประสิทธิภาพกว่าการนำภาพของบุคคลจริงที่มีอยู่แล้วมาสวมรอย เพราะตรวจจับได้ยากกว่า
ส่วนใหญ่แล้ว Deepfake ถูกนำไปใช้ตัดต่อภาพดาราคนดังเข้าไปใส่ในคลิปโป๊ ในเดือนกันยายน ปี 2019 Deeptrace บริษัทด้านปัญญาประดิษฐ์ พบว่ามีวีดิโอที่ตัดต่อโดยใช้ Deepfake บนโลกออนไลน์อยู่ราว 15,000 คลิป แทบทั้งหมด (ร้อยละ 96) เป็นคลิปโป๊ที่นำภาพใบหน้าของสตรีคนดังเข้าไปแทนที่ใบหน้าของดาราหนังผู้ใหญ่
คุณสามารถแยกภาพจริงกับภาพที่ใช้ Deepfake ได้หรือไม่ (ที่มา: University of Washington/CNN)
ความน่าขนลุกอยู่ที่แม้การใช้ Deepfake ส่วนใหญ่จะเป็นไปในเชิงเสียดสีล้อเลียน หรือสร้างเป็นอุทาหรณ์เตือนให้ระวังถึงภัยของมัน แต่ในบางกรณีก็เลยเถิดไปถึงขั้นจงใจให้ดูเหมือนว่าเป็นเรื่องจริง เราสามารถพบเห็นการนำ Deepfake ไปใช้ประโยชน์ในการเมืองระหว่างประเทศ ผ่านการบิดเบือนข้อมูลเกี่ยวกับการเมือง เศรษฐกิจ หรือเหตุการณ์ในประเทศต่าง ๆ
คลิป Deepfake การประกาศยอมจำนนของเซเลนสกีย์ (ที่มา: The Telegraph)
ในระหว่างที่สงครามรัสเซีย – ยูเครนเริ่มรุนแรงขึ้น มีผู้ไม่หวังดีใช้ Deepfake สร้างวีดิโอที่ โวโลดีมีร์ เซเลนสกีย์ (Volodymyr Zelenskyy) ประธานาธิบดียูเครน ประกาศยอมจำนนต่อผู้รุกราน เพื่อตั้งใจให้กองทัพยูเครนวางอาวุธ แม้ว่าจะไม่ได้
ผลมากนัก แต่ก็สะท้อนถึงความอันตรายของการบิดเบือนข้อมูลในสภาวะสงครามที่การรับข่าวสารที่ถูกต้องในพื้นที่สู้รบเป็นไปได้ยาก
นอกจากนี้ ยังพบการใช้ Deepfake ในการกลั่นแกล้งคนบนโลกออนไลน์ ปลอมแปลงเอกสารหรือสร้างหลักฐานเท็จในคดีอาชญากรรม และสวมรอยเป็นบุคคลอื่นด้วย
ประวัติศาสตร์ปลอม
ทุกวันนี้ คุณภาพในการสังเคราะห์ภาพหรือวีดิโอของ Deepfake ไปไกลมาก มีการนำ GAN (Generative Adversarial Network) หรือระบบที่มี Neural Network จำนวน 2 โครงข่ายที่ตรวจสอบซึ่งกันและกัน โดยปราศจากความช่วยเหลือของมนุษย์ มาใช้ในการสังเคราะห์ภาพ
จุดเด่นสำคัญของ GAN คือความสามารถแก้จุดบกพร่องของภาพสังเคราะห์ได้ด้วยการใช้ Neural Networks ที่มีความซับซ้อนสูงได้ด้วยตัวมันเอง มันสามารถปิดจุดอ่อนที่เคยมีคนพบแล้วได้อย่างรวดเร็ว ยิ่งทำให้แยก Deepfake ออกจากความเป็นจริงยากขึ้นไปอีก
ผู้เชี่ยวชาญหลายคนออกมาเตือนว่า Deepfake อาจพัฒนาขึ้นไปจนถึงขนาดสร้างสื่อเทียม (Synthetic Media) ที่ปลอมขึ้นด้วยปัญญาประดิษฐ์ทั้งหมด หรือล้ำไปจนขนาดสร้างเหตุการณ์ประวัติศาสตร์เทียม (Synthetic History) ที่ไม่เคยเกิดขึ้นมาหลอกคนมหาศาลได้อย่างแนบเนียนจนคนทั่วไปหลงเชื่อ และเกิดความโกลาหลคร้้งใหญ่ได้
มีการประเมินว่าภายในปี 2026 เนื้อหาออนไลน์มากถึงร้อยละ 90 อาจเป็นเนื้อหาที่สังเคราะห์ขึ้นทั้งหมด
คนทั่วไปยังอาจได้รับผลกระทบจาก Deepfake ในอนาคตอันใกล้ เอริก ฮอร์วิตซ์ (Eric Horvitz) ประธานเจ้าหน้าที่ฝ่ายวิทยาศาสตร์ของ Microsoft เพิ่งจะออกมาคาดการณ์ไว้ว่า Deepfake อาจพัฒนาไปไกลถึงขั้นปลอมภาพหรือวิดีโอแบบเรียลไทม์ได้ ผู้ไม่หวังดีอาจใช้ Deepfake ในการปลอมตัวเป็นคนที่เรารู้จักมาหลอกขอเงินหรือข้อมูลส่วนตัวของเรา
สิ่งที่น่ากลัวอีกอย่างหนึ่งคือการที่ผู้คนจำนวนมากไม่รู้ถึงการมีตัวตนอยู่ของ Deepfake ยิ่งทำให้การรู้เท่าทันนั้นเป็นไปได้ยากมาก ผู้ที่รู้ก็อาจเสียความเชื่อมั่นต่อโลกความเป็นจริง เกิดความรู้สึกที่ไม่มั่นใจว่าสิ่งที่เห็นเป็นของจริงหรือปลอมกันแน่
นักการเมืองหรือผู้ทรงอิทธิพลทั่วโลกอาจใช้ Deepfake เป็นข้ออ้างเพื่อปฏิเสธที่ตัวเองทำหรือพูดไปแล้ว ซึ่งจะเพิ่มความสับสนให้คนในประเทศต่าง ๆ
เจ้าหน้าที่ตำรวจหรือหน่วยงานด้านความมั่นคงก็อาจตัดสินใจผิด ๆ เมื่อไม่รู้ว่าเหตุการณ์ที่เห็นบนโลกออนไลน์เป็นของจริงหรือไม่ หรือองค์กรในกระบวนการยุติธรรมก็อาจหลงเชื่อหลักฐานภาพและเสียงที่เป็นของปลอม นำไปสู่การตัดสินคดีที่ผิดพลาด ความน่าเชื่อถือหล่นหาย
แต่ก็อย่าเพิ่งหมดหวัง ผู้เชี่ยวชาญจากทั่วโลกต่างก็เอาจริงเอาจังในการตรวจจับ Deepfake เพิ่มมากขึ้นทุกวัน
วิธีเอาชนะ Deepfake
ปัจจุบันมีวิธีที่สามารถแยกแยะความเป็นจริงออกจากคลิปที่ใช้ Deepfake ได้ เราสามารถใช้ตาเปล่าในการสังเกตจากความไม่เป็นเนื้อเดียวกันของการเคลื่อนไหวของใบหน้า อาทิ การขยับของปากไม่ตรงกับคำพูด การไม่กะพริบตา เงาสะท้อนในดวงตา สีผิวของบุคคลในคลิปไม่สม่ำเสมอจนเห็นได้ชัด
นอกจากนี้ ยังสามารถสังเกตได้จากคุณภาพของวีดิโอ อย่างขอบใบหน้าที่เบลอหรือไม่กลมกลืนกับพื้นหลัง ไปจนถึงการสังเกตคุณภาพของวัตถุที่มีความละเอียดสูงอย่างเส้นผม แผลเป็น หรือเส้นเลือด
ตัวอย่างการตรวจจับ Deepfake ด้วยตาเปล่า (ที่มา: GAO/DARPA)
รัฐบาล สถาบันการศึกษา และบริษัทเทคโนโลยีในหลายประเทศต่างทุ่มทุนวิจัยเพื่อพยายามวิเคราะห์ Deepfake โดยในปี 2020 สามค่ายเทคโนโลยียักษ์ใหญ่ ได้แก่ Microsoft, Meta และ Amazon ได้ร่วมทุนกันสนับสนุนโครงการที่รวมตัวทีมนักวิจัยจากทั่วโลกมาร่วมแข่งขันความเป็นเจ้าในการตรวจจับ Deepfake
หากสังเกตดี ๆ จะเห็นความไม่สม่ำเสมอที่พื้นหลังของภาพทางด้านขวาซึ่งใช้ Deepfake สร้างขึ้น (ที่มา: Gizmodo)
มีเครื่องมือมากมายที่ได้รับการพัฒนาขึ้นมาเพื่อตรวจจับ Deepfake โดยอัตโนมัติ เครื่องมือเหล่านี้สามารถตรวจพบความผิดปกติของผิวหนัง ลักษณะการเคลื่อนไหวที่มีความเฉพาะตัวของแต่ละบุคคล ไปจนถึงความไม่สอดคล้องกันของเสียงและใบหน้า
สำหรับการป้องกันการจารกรรมตัวตน ทางด้าน Innovation Lab ของ Europol แนะนำให้ใช้ระบบการยืนยันตัวตนที่ผสมระหว่างการใช้เสียงและภาพ ในขณะที่เมื่อต้องติดต่อกับผู้อื่นก็ต้องขอให้คุยกันแบบวีดิโอคอล และขอให้คน ๆ นั้นทำในสิ่งที่จะเห็นจุดบกพร่องของ Deepfake อย่างการยกมือขึ้นมาบนหน้า
ในขณะเดียวกัน ผู้ให้บริการแพลตฟอร์มโซเชียลมีเดียต่างก็พยายามจำกัดการเผยแพร่สื่อที่สังเคราะห์ขึ้นด้วย Deepfake อย่าง Meta, Reddit, TikTok และ YouTube ต่างก็ออกกฎป้องกันไม่ให้มีการนำ Deepfake ไปใช้สร้างความเข้าใจผิดต่อผู้ใช้งานอย่างน้อยตั้งแต่ปี 2020
แต่ในท้ายที่สุดแล้ว แม้ว่าเราจะสามารถเอาชนะ Deepfake ได้ แต่การมีอยู่ของมันอาจสร้างความสับสนให้กับผู้คนจำนวนมาก ทำให้เราเริ่มไม่มั่นใจว่าข้อมูลที่เราได้รับ ภาพที่เราได้เห็น หรือเสียงที่เราได้ยิน เป็นของจริงหรือไม่ แม้แต่คนใกล้ตัว ก็ยังอาจไม่แน่ว่าเป็นตัวจริง
ที่มา The Guardian, Bleeping Computer, IndieWire, CNN, Europol, U.S. GAO
บทความโดย จตุรวิทย์ เครือวาณิชกิจ
————————————————————————————————————————-
ที่มา : Beartai / วันที่เผยแพร่ 4 ต.ค. 65
Link : https://www.beartai.com/article/tech-article/1157821
