Den siste trenden på nettsamfunnet Reddit er å lage pornovideoer der skuespillerens ansikt er byttet ut med ansiktet til en kjendis. Teknologien bak er utviklet av en anonym Reddit-bruker, og vi har testet hvordan det faktisk fungerer.
Bilder av Hollywood-stjerner som Emma Watson, Scarlett Johansson og Natalie Portman blir misbrukt til å skape falske pornofilmer, takket være avanserte maskinlæringsteknikker.
Den anonyme Reddit-brukeren, som går under navnet deepfakes, har siden desember sluppet regelmessige videoer der han bytter ut ansiktet til pornostjerner med ansiktet til kjente og kjære Hollywood-stjerner.
Teknologien, som først ble omtalt av Motherboard i desember, er en slags avansert og svært virkelighetstro variant av filterfunksjonaliteten som finnes i apper som Snapchat og Facebook Messenger, og lar deg bytte ut et ansikt i en video med et annet.
Kvaliteten er det som gjør denne teknologien litt foruroligende: Tidligere varianter av samme teknologi har ikke klart å skape naturtro forfalskninger. I en video postet på Reddit er ansiktet til Emma Watson manipulert inn i en pornografisk hjemmevideo. Hvis man hadde vært uvitende om denne teknologien, ville det vært vanskelig å avskrive videoen som manipulert.
Verken Emma Watson eller noen av de andre kvinnene som er manipulert inn i videoene har gitt samtykke til å bli brukt i denne sammenhengen.
Da Motherboard først omtalte denne saken, var ikke denne teknologien noe mannen i gata kunne bruke. For å gjøre det litt enklere, har deepfakes laget Windows-applikasjonen FakeApp, som eksponerer den ganske så avanserte teknologien i et overkommelig brukergrensesnitt.
Clik here to view.
Med programmet, litt teknisk kompetanse og et par videoer av den du vil ha inn i den manipulerte videoen, kan angivelig hvem som helst lage ganske realistiske forfalskninger.
Men fungerer det?
Da vi kom over noen av disse eksemplene, tenkte vi at det kunne være interessant å teste teknologien på noe annet enn pornografisk materiale.
Hvis denne teknologien fungerer på et bredt utvalg bildemateriale, er det ikke usannsynlig at vi kommer til å se en stor vekst i produksjon av falske nyhetsvideoer. Med mediebrillene på er det ikke vanskelig å se de potensielt sett store konsekvensene dette kan få for samfunnet.
Se for deg at noen iscenesetter at en politiker går til fysisk angrep på et annet individ, ved å spille inn en hjemmevideo og i etterkant legge politikerens ansikt på videoen.
Vår første test var med to offentlige personer som det eksisterer mange bilder av: Donald Trump og vår egen kringkastingssjef, Thor Gjermund Eriksen.
FakeApp fungerer ved at du viser systemet en stor mengde bilder av personen du vil manipulere inn i videoen. Etter en stund blir systemet flinkere til å forstå hvordan ansiktet til vedkommende ser ut.
I dette tilfellet hentet vi en rekke stillbilder fra videointervjuer og taler fra både Trump og Eriksen inn i systemet. Vi trente systemet på omtrent 4000 bilder av Trump, og 1000 bilder av Eriksen, noe som ifølge utvikleren burde være tilstrekkelig for å få et godt resultat.
Clik here to view.
Når systemet trenes, tar det enkeltbilder av ansikter og manipulerer dem littegrann: I en variant kan munnen til Trump være større enn i originalen, i en annen variant litt mindre. Dette gjør systemet for å ha et enda større treningsgrunnlag for å anslå hvordan ansiktet til Trump kan se ut.
Underveis i prosessen får vi et estimat på hvor godt systemet er i stand til å transformere ansiktsuttrykkene til den ene på den andres ansikt. I bildet nedenfor ser vi en matrise der tre og tre bilder er gruppert sammen, hvor systemet forsøker å generere manipulerte varianter av ansiktsuttrykk som stemmer overens med originalen:
Clik here to view.
Etter at systemet hadde stått og gått i et knapt døgn, var det endelig på tide å teste hvorvidt FaceApp kunne skape et troverdig innslag der Trump var gjest i Dagsrevyen:
Resultatet er ikke akkurat spesielt imponerende. Alt for lite av Trumps ansikt er manipulert inn på Eriksens hode, og fargeforskjellene gjør at det er helt uproblematisk å se at dette ikke er en reell video.
Vi kunne ikke gi oss med et såpass trasig resultat. En hypotese var at Eriksen og Trumps ansikter er litt for ulike, og at hudfargen er såpass forskjellig at det rett og slett blir vanskelig å få til et tilfredstillende resultat.
Bjarte flytter inn i Side om side
Hadde det ikke vært flott om alle fra Radioresepsjonen inntok Side om side? Jon Almaas og Bjarte Tjøstheim er ikke så ulike, så vi tenkte at det måtte være mulig å legge Tjøstheims ansikt på Almaas’ karakter i serien, den overlegne og snobbete Christian Kopperud.
Etter et døgn med trening på ulike klipp fra Side om side, Ukens vinner og Presten, spyttet systemet ut noen ganske overbevisende klipp:
Det er absolutt ikke perfekt ennå, og hvis man gransker videoen litt nøye er det enkelt å se sømmene rundt Tjøstheims ansikt, men det begynner iallfall å ligne på noe.
Potensiale i Hollywood
Det er ikke vanskelig å se for seg at denne typen teknologi kan ha mye for seg i Hollywood-produksjoner. En teknologi som kan plassere døde skuespillere i filmer, eller bytte ut skuespillere som har blitt bannlyst fra studioene på en litt mer effektiv måte, har absolutt noe for seg.
En Reddit-bruker har allerede forsøkt å gjenskape en scene fra Star Wars-filmen Rogue One med FaceApp.
I Rogue One ble en scene med en ung utgave av karakteren Princess Leia gjenskapt digitalt av filmstudioet. Den digitale modellen av Princess Leia var absolutt av grei grafisk kvalitet, men en bruker på Reddit mente han kunne gjøre det like godt med FakeApp. Han matet systemet med tusenvis av arkivbilder av Carrie Fisher, som spilte Princess Leia i alle de tidligere Star Wars-filmene, og sluttresultatet er ganske imponerende.
Videoen nedenfor viser originalen fra filmen øverst, og versjonen generert med FakeApp nederst:
Det er mye som tyder på at denne teknologien får implikasjoner for fremtiden, både i positiv og negativ retning, så fremover er det bare å skjerpe den kritiske sansen.
Clik here to view.
Clik here to view.
Clik here to view.
Clik here to view.
Clik here to view.