Galler Prensesi Kate Middleton’ın Videosuyla Tekrar Gündeme Gelen ‘Deepfake Tespit Araçları’ Nasıl Çalışıyor?
Çığ üzere büyüyen temelsiz savlar sonrası toplumsal medya, bir deepfake söylentisiyle daha karşımızda. Lakin bu sefer, bu meçhullüğü ortadan kaldıran araçların nasıl çalıştığına bakacağız.
Galler Prensesi Kate Middleton, karın ameliyatı olmasının akabinde ortalıkta görünmeyince telaşlar artmıştı. Kendisinden haftalarca haber alınamaması, kaygılar artınca manipüle edilmiş fotoğraflarının gerçek diye servis edilmesi ve son olarak da gerçekliği sorgulanan bir görüntünün “Prenses güzel durumda.” diye paylaşılması komplo teorilerini tetiklemişti. Neyse ki Catherine dışarıda görüntülenince herkes rahatladı.
Fakat olaylar bitmedi. Kate Middleton, Galler Prensi ve Prensesi’nin resmî toplumsal medya hesaplarından bir açıklama yaptı ve kendisine kanser teşhisi konulduğunu belirtti. Söylediğine nazaran Catherine, kemoterapi tedavisinin daha erken evrelerinde. Ama toplumsal medyada dönen söylentiler, bu görüntünün deepfake olduğu ve yapay zekâ ile yapıldığı tarafındaydı.
Deepfake tespit siteleri ise görüntünün orjinal olduğunu gösterdi. Güzel de bu siteler neye nazaran karar veriyor?
Bu siteler ortasında en tanınan olan elbet Deepware. Farklı modeller kullanarak kelam konusu görüntüye deepfake skoru atayan uygulama, kelam konusu Kate Middleton görüntüsünde Deepfake olmadığını öne sürdü. Bu sonucu dayandırdığı 4 başka model var. Bunlar; Avatarify, Deepware, Seferbekov ve Ensemble olarak geçiyor. Bunun haricinde sonuç ekranına baktığımızda hem görüntü hem de ses ayrıntılarını görebiliyoruz.
Avatarify, ironik formda aslında deepfake görüntüler oluşturmanızı sağlıyor. Uygulama, makine tahsili kullanarak kendisine verdiğiniz bir fotoğrafa animasyon ve ses ekliyor ve onu canlandırıyor. En büyük kolaylığı ise görüntüleri bulutta değil, direkt taşınabilir aygıt üzerinde işliyor olması. Deepfake alanındaki birikimi, Deepware üzerindeki deepfake tespitinde de kullanılıyor.
2018’den beri kullanılan Deepware Scanner ise daima farklı teknikleri araştırmasıyla biliniyor.
Evrişimsel hudut ağları mimarisinden EfficientNet-B7 modeli üzerinde çalışan Deepware Scanner, az kaynak kullanımıyla yüksek doğruluk oranı sunuyor. Ayrıyeten kendisi, içinde 120.000 görüntü verisi bulunduran CFDC bilgi setini kullanıyor. Bu görüntüler ortasında 4chan Real, Celeb-DF, YouTube ve öteki birçok farklı platformdan örnekler yer alıyor. Bu bağlamda hem organik hem de canlı görüntülerden beslendiği için deepfake olanları ayırt etmesi kolaylaşıyor.
Seferbekov ve Ensemble’a da göz atalım.
Selim Seferbekov tarafından geliştirilen Seferbekov, görüntüleri kare kare inceleyerek kıymetlendiriyor. 3 evreli hudut ağlarından oluşan MTCNN yüz tanıma sistemi, Seferbekov’un modelinde bulunuyor. Bu sistemle Seferbekov, görüntülerde yüzleri kutu içine alıyor, görüntülerden çıkarıyor, yüzün ana çizgilerini belirliyor, daha sonra karşılaştırma için SSIM maskeleri çıkarıyor ve karşılaştırmaları gerçekleştiriyor. Seferbekov’un kıymetlerini kullanan Deepware, kendi sonuçlarını üretip sunuyor.
Ensemble ise sitede yer alan bilgiye nazaran Deepware’ın tarayıcısıyla Seferbekov’un tarayıcısının güçlerini birleştiriyor.
Tek paydada toplayalım.
Sistemler ve sundukları tahliller farklılık gösterse de en tesirli olanın, gerçek imajları uydurma olanlardan ayırmaya yarayan evrişimsel hudut ağları olduğu belirtiliyor. Bunun haricinde sistemlerde kullanılan teknikler farklılaşabilse de özünde hepsinin derin öğrenmeden yararlandığını belirtelim. Deepfake ise makine tahsiliyle yaratılıyor.
Gözümüze her ne kadar kolay görünse de kelam konusu sistemin gerisinde birbirinden farklı süreçler ve modeller dönüyor. Kuşku duyduğunuz görüntüler için bu linkten Deepware’a ulaşabilirsiniz.
Makine tahsili ve derin öğrenme kavramlarını birbirine karıştıranları şuraya alalım:
“Tamam bu sistemler deepfake’i bu halde anlayabiliyor da biz nasıl anlayacağız?” diye düşünenleri de şöyle alalım:
