Kan du berätta vem som är verklig eller falsk bara från en bild?

Idag kan människor enkelt förbättra sina egna foton i realtid och i handflatan. Applikationer som Facetune, Instagram och till och med Snapchat har drivit fenomenet "super-selfies" eller selfies som är självredigerade, vanligtvis för att få en att se mer attraktiv ut. Men dessa bilder kan ofta lätt identifieras som förändrade.

Men teknikföretag skapar nu fotografier av "falska" människor som är bedrägligt svåra att skilja från riktiga människor. Den programvara för artificiell intelligens (AI) som används för att skapa sådana ansikten är fritt tillgänglig och förbättras snabbt, vilket möjliggör skapande av likheter som är tillräckligt övertygande för att lura det mänskliga ögat. För att hjälpa till att identifiera det verkliga från det falska är det bra att förstå tekniken som skapar dessa bilder, den potentiella användningen av dessa bilder och nyanserna i hur man undersöker bilder för tecken på tillverkning.

Skapandet av dessa falska bilder har bara blivit möjligt de senaste åren tack vare en ny typ av artificiell intelligens som kallas ett Generative Adversarial Network (GAN). Denna teknik fungerar när du matar in ett datorprogram med foton av riktiga människor och tränar på massiva databaser med faktiska ansikten och sedan försöker replikera deras funktioner i nya mönster. Programmeringen har en ”fram och tillbaka” med sig själv så att den kommer med sina egna foton av människor medan den andra delen av systemet försöker upptäcka vilka av dessa bilder som är falska. Denna metod för kontroll och balans gör slutprodukten mer och mer urskiljbar.

Sedan starten av denna teknik har AI-start-up uppstått som säljer datorgenererade ansikten som ser ut som den verkliga saken. På webbplatsen Generated.Photos kan du faktiskt köpa bilder av en falsk person för cirka $ 3. Webbplatsen tillåter vem som helst att filtrera falska foton baserat på ålder, etnicitet, kön, ögonfärg, hårlängd och till och med känslomässiga uttryck. En annan webbplats, ThisPersonDoesNotExist.com, erbjuder samma teknik gratis utan möjlighet att göra så detaljerade justeringar.

Ändå använder företagen dessa genererade foton för att marknadsföra sin mångfald i sina annonser utan att behöva faktiska människor eller till och med för chatbots för att hjälpa till att humanisera en mängd olika kundupplevelser. En oroande tillämpning av denna teknik är användningen av automatiserade fotografier för att skapa falska sociala medieprofiler.

Hur bra är vi med att bestämma det verkliga från det falska? Studier har visat att vi kan identifiera de riktiga ungefär 60% av tiden vid första försöket och upp till 75% med övning, vilket tyder på att förfalskningarna inte är felfria. Ta följande bilder till exempel där bara ett fotografi är riktigt:

Av de fyra bilderna är endast bild 3 en riktig person. Medan en kort blick på bilderna gör det svårt att skilja, avslöjar noggrann inspektion flera oegentligheter. Till exempel, i bild 1 är glasögonens tempel bara synliga till höger och verkar obefintliga till vänster. På samma sätt, i bild 2, verkar inte örhängen desamma. Dessa finesser framhäver att modeaccessoarer kan orsaka problem för programvaran och bildkonstruktionen. Ett annat intressant resultat är att datorsimulerade ansiktsbilder (utan tillbehör) tenderar att ha nästan perfekt symmetri i ansiktsdrag, vilket är ganska sällsynt i allmänheten.

Den nya trenden med datorgenererade ansikten är ganska anmärkningsvärd i dess förmåga att skapa realistiska bilder. Även om det finns några till synes ofarliga tillämpningar av denna teknik, bör potentialen för missbruk och bedrägeri inte förbises.Genom att förstå programvaran som har hjälpt till att utveckla dessa bilder, deras potentiella användningsområden och förkunnande tecken på bedrägeri, kan vi finslipa våra färdigheter för att bättre identifiera det verkliga från det falska.