TED2018
Supasorn Suwajanakorn: Fake videos of real people -- and how to spot them
Σούπασορν Σουβαγιακόρν: Ψεύτικα βίντεο πραγματικών ανθρώπων -- και πώς να τα εντοπίσετε
Filmed:
Readability: 4.6
1,453,308 views
Πιστεύετε ότι είστε καλοί στο να εντοπίζετε ψεύτικα βίντεο, στα οποία διάσημοι άνθρωποι λένε πράγματα που δεν τα έχουν πει ποτέ στην πραγματική ζωή; Παρακολουθήστε αυτή την καταπληκτική ομιλία και τεχνολογική παρουσίαση για το πώς φτιάχνονται αυτά τα βίντεο. Ο μηχανικός ηλεκτρονικών υπολογιστών Σούπαρσον Σουβαγιακόρν δείχνει πώς, ως μεταπτυχιακός φοιτητής, χρησιμοποίησε τεχνητή νοημοσύνη και τρισδιάστατη μοντελοποίηση για να φτιάξει φωτορεαλιστικά ψεύτικα βίντεο ανθρώπων συγχρονισμένα με ομιλία. Μάθετε περισσότερα για τις ηθικές επιπτώσεις και τις δημιουργικές δυνατότητες της συγκεκριμένης τεχνολογίας και τα μέτρα που λαμβάνονται για την αντιμετώπιση της λανθασμένης χρήσης της.
Supasorn Suwajanakorn - Computer scientist
Supasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos. Full bio
Supasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos. Full bio
Double-click the English transcript below to play the video.
00:12
Look at these images.
0
876
1151
Δείτε αυτές τις εικόνες.
00:14
Now, tell me which Obama here is real.
1
2051
2635
Τώρα, πείτε μου ποιος Ομπάμα
είναι αληθινός.
είναι αληθινός.
(Βίντεο) Μπάρακ Ομπάμα: Να βοηθήσουμε
τις οικογένειες οικονομικά,
τις οικογένειες οικονομικά,
00:16
(Video) Barack Obama: To help families
refinance their homes,
refinance their homes,
2
4710
2861
00:19
to invest in things
like high-tech manufacturing,
like high-tech manufacturing,
3
7595
2647
να επενδύσουμε πχ στην παραγωγή
υψηλής τεχνολογίας,
υψηλής τεχνολογίας,
00:22
clean energy
4
10266
1159
στην καθαρή ενέργεια
00:23
and the infrastructure
that creates good new jobs.
that creates good new jobs.
5
11449
2779
και σε υποδομές που δημιουργούν
καλές νέες θέσεις εργασίας.
καλές νέες θέσεις εργασίας.
Σούπασορν Σουβαγιακόρν: Κάποιος;
00:26
Supasorn Suwajanakorn: Anyone?
6
14647
1484
00:28
The answer is none of them.
7
16155
1874
Η απάντηση είναι κανείς.
00:30
(Laughter)
8
18053
1114
(Γέλια)
00:31
None of these is actually real.
9
19191
1786
Κανείς τους δεν είναι αληθινός.
00:33
So let me tell you how we got here.
10
21001
1840
Αφήστε με να σας πω πώς φτάσαμε εδώ.
00:35
My inspiration for this work
11
23940
1578
Η έμπνευση μου γι' αυτό
00:37
was a project meant to preserve our last
chance for learning about the Holocaust
chance for learning about the Holocaust
12
25542
5411
ήταν ένα πρότζεκτ που ήταν η τελευταία
ελπίδα να μάθουμε για το Ολοκαύτωμα
ελπίδα να μάθουμε για το Ολοκαύτωμα
00:42
from the survivors.
13
30977
1768
από τους επιζήσαντες.
00:44
It's called New Dimensions in Testimony,
14
32769
2627
Λέγεται «Νέες Διαστάσεις στη Μαρτυρία»
00:47
and it allows you to have
interactive conversations
interactive conversations
15
35420
3126
και σου επιτρέπει διαδραστικές συζητήσεις
00:50
with a hologram
of a real Holocaust survivor.
of a real Holocaust survivor.
16
38570
2556
με ένα ολόγραμμα
ενός πραγματικού επιζώντα.
ενός πραγματικού επιζώντα.
(Βίντεο) Άνδρας: Πώς επιβιώσατε
από το Ολοκαύτωμα;
από το Ολοκαύτωμα;
00:53
(Video) Man: How did you
survive the Holocaust?
survive the Holocaust?
17
41793
1966
00:55
(Video) Hologram: How did I survive?
18
43783
1668
Πώς επιβίωσα;
00:57
I survived,
19
45912
1807
Επιβίωσα,
01:00
I believe,
20
48419
1527
πιστεύω,
01:01
because providence watched over me.
21
49970
3023
γιατί με προστάτευε η Θεία Πρόνοια.
01:05
SS: Turns out these answers
were prerecorded in a studio.
were prerecorded in a studio.
22
53573
3454
ΣΣ: Οι απαντήσεις έχουν
προ-ηχογραφηθεί σε στούντιο.
προ-ηχογραφηθεί σε στούντιο.
01:09
Yet the effect is astounding.
23
57051
2452
Ωστόσο, το αποτέλεσμα είναι εκπληκτικό.
01:11
You feel so connected to his story
and to him as a person.
and to him as a person.
24
59527
3619
Νιώθεις τέτοια σύνδεση με την ιστορία
του, αλλά και με τον ίδιο σαν άτομο.
του, αλλά και με τον ίδιο σαν άτομο.
01:16
I think there's something special
about human interaction
about human interaction
25
64011
3301
Νομίζω ότι υπάρχει κάτι μοναδικό
στην ανθρώπινη αλληλεπίδραση
στην ανθρώπινη αλληλεπίδραση
01:19
that makes it much more profound
26
67336
2757
που κάνει ακόμα πιο βαθύ
01:22
and personal
27
70117
2198
και προσωποποιημένο
01:24
than what books or lectures
or movies could ever teach us.
or movies could ever teach us.
28
72339
3485
αυτό που τα βιβλία, οι ομιλίες ή
οι ταινίες θα μπορούσαν να μας διδάξουν.
οι ταινίες θα μπορούσαν να μας διδάξουν.
01:28
So I saw this and began to wonder,
29
76267
2425
Είδα λοιπόν αυτό
και ξεκίνησα να αναρωτιέμαι,
και ξεκίνησα να αναρωτιέμαι,
01:30
can we create a model
like this for anyone?
like this for anyone?
30
78716
2810
μπορούμε να φτιάξουμε ένα μοντέλο
όπως αυτό για τον καθένα;
όπως αυτό για τον καθένα;
01:33
A model that looks, talks
and acts just like them?
and acts just like them?
31
81550
2975
Ένα μοντέλο που θα μοιάζει,
θα μιλάει και θα δρα όπως αυτοί;
θα μιλάει και θα δρα όπως αυτοί;
01:37
So I set out to see if this could be done
32
85573
2007
Ξεκίνησα λοιπόν να δω τι μπορεί να γίνει
01:39
and eventually came up with a new solution
33
87604
2310
και τελικά σκέφτηκα μια νέα λύση
01:41
that can build a model of a person
using nothing but these:
using nothing but these:
34
89938
3220
που μπορεί να φτιάξει το μοντέλο ενός
ανθρώπου χρησιμοποιώντας μόνο αυτά:
ανθρώπου χρησιμοποιώντας μόνο αυτά:
01:45
existing photos and videos of a person.
35
93747
2214
Υπάρχουσες φωτογραφίες και βίντεό του.
01:48
If you can leverage
this kind of passive information,
this kind of passive information,
36
96701
2617
Αν μπορείς να αξιοποιήσεις
τέτοια παθητικά δεδομένα,
τέτοια παθητικά δεδομένα,
01:51
just photos and video that are out there,
37
99342
2007
απλώς φωτογραφίες και βίντεο που υπάρχουν,
01:53
that's the key to scaling to anyone.
38
101373
2056
είναι το κλειδί για να φτάσεις σε όλους.
01:56
By the way, here's Richard Feynman,
39
104119
1777
Παρεμπιπτόντως, ο Ρίτσαρντ Φέιμαν,
01:57
who in addition to being
a Nobel Prize winner in physics
a Nobel Prize winner in physics
40
105920
3413
εκτός από κάτοχος Νόμπελ στη Φυσική
02:01
was also known as a legendary teacher.
41
109357
2453
ήταν γνωστός και ως
ένας θρυλικός δάσκαλος.
ένας θρυλικός δάσκαλος.
02:05
Wouldn't it be great
if we could bring him back
if we could bring him back
42
113080
2198
Δεν θα ήταν υπέροχο να τον φέρναμε πίσω
02:07
to give his lectures
and inspire millions of kids,
and inspire millions of kids,
43
115302
3265
να μιλήσει και να εμπνεύσει
εκατομμύρια παιδιά,
εκατομμύρια παιδιά,
02:10
perhaps not just in English
but in any language?
but in any language?
44
118591
2992
ίσως όχι μόνο στα Αγγλικά,
αλλά σε οποιαδήποτε γλώσσα;
αλλά σε οποιαδήποτε γλώσσα;
02:14
Or if you could ask our grandparents
for advice and hear those comforting words
for advice and hear those comforting words
45
122441
4602
Ή αν ζήταγες τη συμβουλή των παππούδων σου
και άκουγες αυτά τα παρηγορητικά λόγια
και άκουγες αυτά τα παρηγορητικά λόγια
02:19
even if they're no longer with us?
46
127067
1770
ακόμα κι αν δεν είναι πια μαζί μας;
02:21
Or maybe using this tool,
book authors, alive or not,
book authors, alive or not,
47
129683
3396
Ή ίσως με αυτό το εργαλείο
συγγραφείς, εν ζωή ή όχι,
συγγραφείς, εν ζωή ή όχι,
02:25
could read aloud all of their books
for anyone interested.
for anyone interested.
48
133103
2937
να μπορούσαν να διαβάσουν
τα βιβλία τους σε όποιον το ήθελε.
τα βιβλία τους σε όποιον το ήθελε.
02:29
The creative possibilities
here are endless,
here are endless,
49
137199
2437
Οι δημιουργικές δυνατότητες
εδώ είναι απεριόριστες
εδώ είναι απεριόριστες
02:31
and to me, that's very exciting.
50
139660
1713
και για μένα, αυτό είναι συναρπαστικό.
02:34
And here's how it's working so far.
51
142595
2002
Ας δούμε πώς λειτουργεί μέχρι τώρα.
02:36
First, we introduce a new technique
52
144621
1667
Πρώτα εισάγουμε μία νέα μέθοδο
που μπορεί να ανακατασκευάσει
που μπορεί να ανακατασκευάσει
02:38
that can reconstruct a high-detailed
3D face model from any image
3D face model from any image
53
146312
4572
ένα λεπτομερές τρισδιάστατο μοντέλο
προσώπου οποιασδήποτε εικόνας,
προσώπου οποιασδήποτε εικόνας,
02:42
without ever 3D-scanning the person.
54
150908
2119
χωρίς ποτέ να σαρώσει
τρισδιάστατα το άτομο.
τρισδιάστατα το άτομο.
02:45
And here's the same output model
from different views.
from different views.
55
153890
2642
Ορίστε το ίδιο προϊόν-μοντέλο
από διαφορετικές θέσεις.
από διαφορετικές θέσεις.
02:49
This also works on videos,
56
157969
1502
Αυτό λειτουργεί και στα βίντεο,
02:51
by running the same algorithm
on each video frame
on each video frame
57
159495
2852
τρέχοντας τον ίδιο αλγόριθμο
σε κάθε καρέ του βίντεο
σε κάθε καρέ του βίντεο
02:54
and generating a moving 3D model.
58
162371
2222
και δημιουργεί ένα κινούμενο μοντέλο.
02:57
And here's the same
output model from different angles.
output model from different angles.
59
165538
2772
Ορίστε το ίδιο προϊόν-μοντέλο
από διαφορετικές γωνίες.
από διαφορετικές γωνίες.
03:01
It turns out this problem
is very challenging,
is very challenging,
60
169933
2534
Εν τέλει, το πρόβλημα
είναι ιδιαίτερα απαιτητικό,
είναι ιδιαίτερα απαιτητικό,
03:04
but the key trick
is that we are going to analyze
is that we are going to analyze
61
172491
2525
αλλά το κλειδί είναι η ανάλυση
03:07
a large photo collection
of the person beforehand.
of the person beforehand.
62
175040
2966
μίας μεγάλης συλλογής φωτογραφιών
του ατόμου εκ των προτέρων.
του ατόμου εκ των προτέρων.
03:10
For George W. Bush,
we can just search on Google,
we can just search on Google,
63
178650
2539
Για τον Τζωρτζ O. Μπους,
ψάχνουμε στο Google
ψάχνουμε στο Google
03:14
and from that, we are able
to build an average model,
to build an average model,
64
182309
2499
και μπορούμε να φτιάξουμε ένα
συνηθισμένο μοντέλο,
συνηθισμένο μοντέλο,
03:16
an iterative, refined model
to recover the expression
to recover the expression
65
184832
3111
ένα συνεχές, επεξεργασμένο μοντέλο
που αναδομεί την έκφραση
που αναδομεί την έκφραση
03:19
in fine details,
like creases and wrinkles.
like creases and wrinkles.
66
187967
2336
με πολλές λεπτομέρειες,
όπως γραμμές και ρυτίδες.
όπως γραμμές και ρυτίδες.
03:23
What's fascinating about this
67
191326
1403
Το φοβερό με αυτό είναι
03:24
is that the photo collection
can come from your typical photos.
can come from your typical photos.
68
192753
3423
ότι η συλλογή των φωτογραφιών
μπορεί να είναι απλές φωτογραφίες σου.
μπορεί να είναι απλές φωτογραφίες σου.
03:28
It doesn't really matter
what expression you're making
what expression you're making
69
196200
2603
Δεν έχει σημασία τι εκφράσεις έχεις
03:30
or where you took those photos.
70
198827
1885
ή από πού είναι αυτές οι φωτογραφίες.
03:32
What matters is
that there are a lot of them.
that there are a lot of them.
71
200736
2400
Σημασία έχει να είναι πολλές.
03:35
And we are still missing color here,
72
203160
1736
Μας λείπει όμως ακόμα λίγο χρώμα,
03:36
so next, we develop
a new blending technique
a new blending technique
73
204920
2348
γι' αυτό, αναπτύσσουμε
μια νέα μέθοδο ανάμειξης
μια νέα μέθοδο ανάμειξης
03:39
that improves upon
a single averaging method
a single averaging method
74
207292
2836
που βελτιώνει μία συνηθισμένη μέθοδο
03:42
and produces sharp
facial textures and colors.
facial textures and colors.
75
210152
2818
και παράγει πιο ευκρινείς υφές
και χρώματα προσώπου.
και χρώματα προσώπου.
03:45
And this can be done for any expression.
76
213779
2771
Και αυτό μπορεί να γίνει
για όλες τις εκφράσεις.
για όλες τις εκφράσεις.
03:49
Now we have a control
of a model of a person,
of a model of a person,
77
217485
2499
Τώρα ελέγχουμε το μοντέλο
ενός ανθρώπου,
ενός ανθρώπου,
03:52
and the way it's controlled now
is by a sequence of static photos.
is by a sequence of static photos.
78
220008
3795
βάζοντας στην σειρά στατικές φωτογραφίες.
03:55
Notice how the wrinkles come and go,
depending on the expression.
depending on the expression.
79
223827
3126
Παρατηρήστε πως οι ρυτίδες αλλάζουν
ανάλογα την έκφραση.
ανάλογα την έκφραση.
04:00
We can also use a video
to drive the model.
to drive the model.
80
228109
2746
Επίσης μπορούμε να κατευθύνουμε το
μοντέλο με ένα βίντεο.
μοντέλο με ένα βίντεο.
(Βίντεο) Ντάλιελ Γκρεγκ: Σωστά,
αλλά με κάποιο τρόπο,
αλλά με κάποιο τρόπο,
04:02
(Video) Daniel Craig: Right, but somehow,
81
230879
2593
04:05
we've managed to attract
some more amazing people.
some more amazing people.
82
233496
3771
καταφέραμε να προσελκύσουμε
περισσότερους υπέροχους ανθρώπους.
περισσότερους υπέροχους ανθρώπους.
ΣΣ: Να μία άλλη ωραία παρουσίαση.
04:10
SS: And here's another fun demo.
83
238021
1642
04:11
So what you see here
are controllable models
are controllable models
84
239687
2246
Αυτό που βλέπετε εδώ
είναι ελεγχόμενα μοντέλα
είναι ελεγχόμενα μοντέλα
04:13
of people I built
from their internet photos.
from their internet photos.
85
241957
2444
ανθρώπων που έφτιαξα
με εικόνες τους στο διαδίκτυο.
με εικόνες τους στο διαδίκτυο.
04:16
Now, if you transfer
the motion from the input video,
the motion from the input video,
86
244425
2904
Τώρα, αν μεταφέρουμε την κίνηση
από το καταχωρημένο βίντεο,
από το καταχωρημένο βίντεο,
04:19
we can actually drive the entire party.
87
247353
2152
μπορούμε να κατευθύνουμε
ολόκληρη την ομάδα.
ολόκληρη την ομάδα.
04:21
George W. Bush:
It's a difficult bill to pass,
It's a difficult bill to pass,
88
249529
2172
Τζορτζ Ο. Μπους: Είναι ένα δύσκολο
νομοσχέδιο προς ψήφιση,
νομοσχέδιο προς ψήφιση,
04:23
because there's a lot of moving parts,
89
251725
2303
καθώς υπάρχουν πολλά μέρη
μεταφερόμενα κομμάτια
μεταφερόμενα κομμάτια
04:26
and the legislative processes can be ugly.
90
254052
5231
και δύσκολη νομοθετική διαδικασία.
04:31
(Applause)
91
259307
1630
(Χειροκρότημα)
04:32
SS: So coming back a little bit,
92
260961
1837
Επιστρέφοντας λίγο πιο πίσω,
04:34
our ultimate goal, rather,
is to capture their mannerisms
is to capture their mannerisms
93
262822
3191
ο τελικός στόχος μας είναι πιο πολύ
να απαθανατίσουμε το ύφος τους
να απαθανατίσουμε το ύφος τους
04:38
or the unique way each
of these people talks and smiles.
of these people talks and smiles.
94
266037
3045
ή τον μοναδικό τρόπο
με τον οποίο μιλούν και γελάνε.
με τον οποίο μιλούν και γελάνε.
04:41
So to do that, can we
actually teach the computer
actually teach the computer
95
269106
2313
Μπορούμε λοιπόν να διδάξουμε
στον υπολογιστή
στον υπολογιστή
04:43
to imitate the way someone talks
96
271443
2222
να μιμείται τον τρόπο που μιλάει κάποιος
04:45
by only showing it
video footage of the person?
video footage of the person?
97
273689
2420
δείχνοντας του μόνο πλάνα
από βίντεο του ανθρώπου;
από βίντεο του ανθρώπου;
04:48
And what I did exactly was,
I let a computer watch
I let a computer watch
98
276898
2577
Για την ακρίβεια, άφησα
τον υπολογιστή να παρακολουθεί
τον υπολογιστή να παρακολουθεί
04:51
14 hours of pure Barack Obama
giving addresses.
giving addresses.
99
279499
3277
14 ώρες ομιλίες μόνο του Μπάρακ Ομπάμα.
04:55
And here's what we can produce
given only his audio.
given only his audio.
100
283443
3516
Ορίστε τι μπορούμε να φτιάξουμε
μόνο από το ακουστικό υλικό.
μόνο από το ακουστικό υλικό.
(Βίντεο) ΜΟ: Τα αποτελέσματα είναι εμφανή.
04:58
(Video) BO: The results are clear.
101
286983
1777
05:00
America's businesses have created
14.5 million new jobs
14.5 million new jobs
102
288784
4349
Οι αμερικάνικες επιχειρήσεις έχουν
δημιουργήσει 14.5 εκ. νέες θέσεις εργασίας
δημιουργήσει 14.5 εκ. νέες θέσεις εργασίας
05:05
over 75 straight months.
103
293157
2774
σε περισσότερο από 75 μήνες.
05:07
SS: So what's being synthesized here
is only the mouth region,
is only the mouth region,
104
295955
2905
ΣΣ: Εδώ επεξεργάστηκε
μόνο η περιοχή του στόματος
μόνο η περιοχή του στόματος
05:10
and here's how we do it.
105
298884
1540
και ορίστε πώς το κάνουμε.
05:12
Our pipeline uses a neural network
106
300764
1826
Γίνεται χρήση ενός νευρολογικού δικτύου
05:14
to convert and input audio
into these mouth points.
into these mouth points.
107
302614
2936
που μετατρέπει και εισάγει
τον ήχο στα σημεία του στόματος.
τον ήχο στα σημεία του στόματος.
05:18
(Video) BO: We get it through our job
or through Medicare or Medicaid.
or through Medicare or Medicaid.
108
306547
4225
(Βίντεο) ΜΟ: Το αποκτούμε μέσω της
εργασίας ή του Medicare ή Medicaid.
εργασίας ή του Medicare ή Medicaid.
05:22
SS: Then we synthesize the texture,
enhance details and teeth,
enhance details and teeth,
109
310796
3420
ΣΣ: Μετά επεξεργαζόμαστε την υφή,
βελτιώνουμε λεπτομέρειες και δόντια
βελτιώνουμε λεπτομέρειες και δόντια
05:26
and blend it into the head
and background from a source video.
and background from a source video.
110
314240
3074
και τα συνδυάζουμε με το κεφάλι
και το φόντο του βίντεο.
και το φόντο του βίντεο.
(Βίντεο) ΜΟ: Οι γυναίκες
δικαιούνται δωρεάν τσεκάπ
δικαιούνται δωρεάν τσεκάπ
05:29
(Video) BO: Women can get free checkups,
111
317338
1905
05:31
and you can't get charged more
just for being a woman.
just for being a woman.
112
319267
2968
και δεν χρεώνεστε παραπάνω
απλώς γιατί είστε γυναίκες.
απλώς γιατί είστε γυναίκες.
05:34
Young people can stay
on a parent's plan until they turn 26.
on a parent's plan until they turn 26.
113
322973
3306
Οι νέοι μπορούν να παραμείνουν
στο πρόγραμμα ενός γονέα μέχρι τα 26.
στο πρόγραμμα ενός γονέα μέχρι τα 26.
ΣΣ: Νομίζω τα αποτελέσματα είναι
πολύ ρεαλιστικά και ενδιαφέροντα,
πολύ ρεαλιστικά και ενδιαφέροντα,
05:39
SS: I think these results
seem very realistic and intriguing,
seem very realistic and intriguing,
114
327267
2952
05:42
but at the same time
frightening, even to me.
frightening, even to me.
115
330243
3173
αλλά ταυτόχρονα τρομακτικά,
ακόμα και για εμένα.
ακόμα και για εμένα.
05:45
Our goal was to build an accurate model
of a person, not to misrepresent them.
of a person, not to misrepresent them.
116
333440
4015
Στόχος μας είναι να φτιάξουμε ένα ακριβές
μοντέλο για όλους, όχι να παραποιήσουμε.
μοντέλο για όλους, όχι να παραποιήσουμε.
05:49
But one thing that concerns me
is its potential for misuse.
is its potential for misuse.
117
337956
3111
Όμως, αυτό που με ανησυχεί είναι
η πιθανότητα της κατάχρησης.
η πιθανότητα της κατάχρησης.
05:53
People have been thinking
about this problem for a long time,
about this problem for a long time,
118
341958
2971
Οι άνθρωποι το σκέφτονται
εδώ και πολύ καιρό,
εδώ και πολύ καιρό,
05:56
since the days when Photoshop
first hit the market.
first hit the market.
119
344953
2381
από τότε που εμφανίστηκε
το Photoshop στην αγορά.
το Photoshop στην αγορά.
05:59
As a researcher, I'm also working
on countermeasure technology,
on countermeasure technology,
120
347862
3801
Ως ερευνητής, δουλεύω επίσης πάνω
στην αντισταθμιστική τεχνολογία
στην αντισταθμιστική τεχνολογία
και σε μια συνεχή προσπάθεια
του Οργανισμού Τεχνητής Νοημοσύνης
του Οργανισμού Τεχνητής Νοημοσύνης
06:03
and I'm part of an ongoing
effort at AI Foundation,
effort at AI Foundation,
121
351687
2942
06:06
which uses a combination
of machine learning and human moderators
of machine learning and human moderators
122
354653
3397
που συνδυάζει τη μηχανική μάθηση
και ανθρώπους συντονιστές
και ανθρώπους συντονιστές
06:10
to detect fake images and videos,
123
358074
2144
για να εντοπίζει ψεύτικες
εικόνες και βίντεο,
εικόνες και βίντεο,
06:12
fighting against my own work.
124
360242
1514
καταπολεμώντας τη δουλειά μου.
06:14
And one of the tools we plan to release
is called Reality Defender,
is called Reality Defender,
125
362675
3190
Ένα από τα εργαλεία που θα διαθέσουμε
ονομάζεται Reality Defender,
ονομάζεται Reality Defender,
06:17
which is a web-browser plug-in
that can flag potentially fake content
that can flag potentially fake content
126
365889
4039
είναι ένα πρόσθετο στον φυλλομετρητή
που εντοπίζει πιθανό ψεύτικο περιεχόμενο
που εντοπίζει πιθανό ψεύτικο περιεχόμενο
06:21
automatically, right in the browser.
127
369952
2533
αυτόματα, μέσα στον φυλλομετρητή.
06:24
(Applause)
128
372509
4228
(Χειροκρότημα)
06:28
Despite all this, though,
129
376761
1453
Παρόλα αυτά,
06:30
fake videos could do a lot of damage,
130
378238
1840
τα ψεύτικα βίντεο μπορούν να βλάψουν,
06:32
even before anyone has a chance to verify,
131
380102
3294
πριν προλάβει κάποιος να τα επαληθεύσει,
06:35
so it's very important
that we make everyone aware
that we make everyone aware
132
383420
2722
γι' αυτό είναι πολύ σημαντικό
να ενημερώσουμε όλους
να ενημερώσουμε όλους
06:38
of what's currently possible
133
386166
2007
για το τι είναι προς το παρόν εφικτό,
06:40
so we can have the right assumption
and be critical about what we see.
and be critical about what we see.
134
388197
3369
ώστε να κάνουμε σωστές υποθέσεις
και να ξέρουμε τι βλέπουμε.
και να ξέρουμε τι βλέπουμε.
06:44
There's still a long way to go before
we can fully model individual people
we can fully model individual people
135
392423
5007
Πρέπει να γίνουν πολλά πριν φτάσουμε
να μοντελοποιήσουμε πλήρως τους ανθρώπους
να μοντελοποιήσουμε πλήρως τους ανθρώπους
06:49
and before we can ensure
the safety of this technology.
the safety of this technology.
136
397454
2786
και πριν να διασφαλίσουμε
την προστασία αυτής της τεχνολογίας.
την προστασία αυτής της τεχνολογίας.
06:53
But I'm excited and hopeful,
137
401097
1587
Όμως ενθουσιάζομαι και αισιοδοξώ,
06:54
because if we use it right and carefully,
138
402708
3539
γιατί αν το χρησιμοποιήσουμε
σωστά και προσεκτικά,
σωστά και προσεκτικά,
06:58
this tool can allow any individual's
positive impact on the world
positive impact on the world
139
406271
4309
αυτό το εργαλείο μπορεί να επιτρέψει
η θετική επίδραση κάθε ατόμου στον κόσμο
η θετική επίδραση κάθε ατόμου στον κόσμο
07:02
to be massively scaled
140
410604
2190
να μεγιστοποιηθεί μαζικά
07:04
and really help shape our future
the way we want it to be.
the way we want it to be.
141
412818
2742
και να βοηθήσει να φτιάξουμε
το μέλλον μας όπως θέλουμε.
το μέλλον μας όπως θέλουμε.
07:07
Thank you.
142
415584
1151
Σας ευχαριστώ.
07:08
(Applause)
143
416759
5090
(Χειροκρότημα)
ABOUT THE SPEAKER
Supasorn Suwajanakorn - Computer scientistSupasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos.
Why you should listen
Can we create a digital avatar that looks, acts and talks just like our sweet grandma? This question has inspired Supasorn Suwajanakorn, a recent PhD graduate from the University of Washington, to spend years developing new tools to make it a reality. He has developed a set of algorithms that can build a moving 3D face model of anyone from just photos, which was awarded the Innovation of the Year in 2016. He then introduced the first system that can replicate a person's speech and produce a realistic CG-animation by only analyzing their existing video footage -- all without ever bringing in the person to a Hollywood capture studio.
Suwajanakorn is working in the field of machine learning and computer vision. His goal is to bring vision algorithms out of the lab and make them work in the wild.
Supasorn Suwajanakorn | Speaker | TED.com