เทคโนโลยี “DeepFake” ได้ถูกนิยามในปี พ.ศ. 2560 เมื่อนักวิจัยได้เริ่มนำโครงข่ายประสาทเทียมเชิงลึก (Deep Neural Networks) ซึ่งเป็นเทคโนโลยีทางปัญญาประดิษฐ์สมัยใหม่มาปรับใช้กับการตกแต่งรูปภาพหรือวีดิโอใบหน้าเพื่อเปลี่ยนแปลงการแสดงสีหน้า ท่าทาง หรือแม้แต่คำพูด ในปัจจุบันเทคโนโลยี DeepFake ได้ถูกพัฒนาไปอย่างรวดเร็วจนทำให้ระบบมีความยืดหยุ่นและสามารถตัดต่อรูปภาพและวีดีโอใบหน้าได้โดยง่าย โดยที่ DeepFake สมัยใหม่นั้นต้องการเพียงแค่รูปภาพใบหน้าตรงเพียง 1 ภาพในการดัดแปลงรูปภาพและตัดต่อวีดิโอ และแม้แต่แอปพลิเคชันบนโทรศัพท์มือถือก็สามารถทำได้ โดยวิดีโอที่ถูกดัดแปลงนั้นยังมีความสมจริงจนทำให้การตรวจสอบความถูกต้องของวิดีโอนั้นเป็นไปได้ยาก ซึ่งความสมจริงของวีดิโอเหล่านี้ทำให้เกิดความกังวลต่อความน่าเชื่อถือของสื่อดิจิทัลมากขึ้น
โดยเฉพาะในยุคปัจจุบันที่มีกลุ่มมิจฉาชีพได้พยายามหลอกหลวงประชาชนด้วยรูปแบบต่าง ๆ เราอาจได้เห็นข่าวที่มิจฉาชีพเริ่มนำเอาเทคโนโลยี DeepFake มาปลอมเป็นตำรวจเพื่อหลอกให้เหยื่อโอนเงินมากขึ้น ดังนั้นการตระหนักและรู้เท่าทันถึงความก้าวหน้าของเทคโนโลยี DeepFake จึงเป็นสิ่งที่มีความสำคัญอย่างมากในยุคปัจจุบัน
ทีมวิจัยจาก mit meadia lab ได้ตั้งข้อเสนอแนะสำหรับเทคนิคในการสังเกตรูปภาพหรือวิดีโอที่ถูกดัดแปลงด้วยเทคโนโลยี DeepFake ไว้ดังนี้
- สังเกตความเรียบและรอยเหี่ยวย่นบริเวณแก้มและหน้าผากว่ามีความสัมพันธ์กันทั้งหมดและมีความสอดคล้องกับลักษณะผิวพรรณอื่นนอกจากใบหน้าหรือไม่ เพราะว่า DeepFake มักไม่ใส่ใจในรายละเอียดความสัมพันธ์ระหว่างตำแหน่งในวิดีโอที่อยู่ห่างไกลกัน
- สังเกตความสอดคล้องกันของการเคลื่อนไหวของดวงตาและคิ้ว
- ลักษณะของแสงเงาว่ามีความสอดคล้องกับพื้นผิวอื่นในวิดีโอหรือไม่ เพราะปกติ DeepFake มักจะไม่สามารถเข้าใจความสัมพันธ์ทางกายภาพของแสงและเงาได้ทั้งหมด
- ในกรณีที่วิดีโอสวมใส่แว่น เราสามารถสังเกตการสะท้อนแสงของแว่นว่ามีความสัมพันธ์กันของทิศทางของแสงในวิดีโอหรือไม่
- สังเกตุลักษณะของผม คิ้ว ว่ามีความสมจริงตามหลักฟิสิกส์หรือไม่เพราะข้อมูลเหล่านี้มักจะถูกทำให้ดูเสมือนจริงด้วย DeepFake ได้ยาก
- สังเกตการกระพริบตาว่าดูสมจริงและมีอัตราการกระพริบตาที่มากหรือน้อยเกินไปหรือไม่ เพราะว่า DeepFake มักไม่ได้ใส่ใจรายละเอียดของการกระพริบตาและรูปภาพ (ต้นแบบมักถูกถ่ายหรือนำเข้าจากรูปภาพที่เปิดตา)
- สังเกตการขยับของริมฝีปากว่ามีความสอดคล้องกับเสียงในวีดิโอหรือไม่ โดยที่ควรสังเกตว่าลักษณะของปากตรงกับการเปล่งเสียงและการเคลื่อนไหวของปากนั้นดูสมจริงหรือไม่
- ในกรณีที่ได้รับวิดีโอคอลเราสามารถขอให้ผู้ที่อยู่ในสายขยับตำแหน่งของใบหน้า เพื่อยืนยันว่าเป็นวิดีโอจริงได้ เช่น ขอให้ผู้ร่วมสนทนาหันซ้าย หันขวา หรือเคลื่อนย้ายออกจากวิดิโอ เป็นต้น
นอกจากข้อสังเกตเหล่านี้แล้ว นักวิจัยทั่วโลกเองก็ยังได้ให้ความสนใจกับการพัฒนาเทคโนโลยีทางปัญญาประดิษฐ์เพื่อตรวจสอบความถูกต้องของข้อมูลรูปภาพและวิดีโอมากขึ้น ยกตัวอย่างเช่น เราสามารถใช้แอปพลิเคชันของ deepware ซึ่งเป็นเว็บแอปพลิเคชันแบบฟรีสำหรับการตรวจสอบวิดีโอ DeepFake เบื้องต้นได้อีกด้วย อย่างไรก็ตามความสามารถของการตรวจสอบข้อมูลวิดีโอ DeepFake แบบอัตโนมัติด้วยแบบจำลองทางปัญญาประดิษฐ์เองก็ยังมีข้อจำกัด จากผลการทดสอบของแบบจำลองกว่า 35,000 ชิ้นปรากฎว่าแบบจำลองที่ดีที่สุดสามารถทำนายผลความถูกต้องของข้อมูลวิดีโอ DeepFake ได้เพียงแค่ 65 % บนชุดข้อมูลขนาดใหญ่ของ Deepfake Detection Challenge (DFDC) ในปี 2562
เนื้อหาโดย อาจารย์ ดร.กฤตภาส สงศรีอินทร์
ตรวจทานและปรับปรุงโดย ดวงใจ จิตคงชื่น
Kritaphat Songsri-in
Lecturer at the department of Computer Science, faculty of Science and Technology, Nakhon Si Thammarat Rajabhat University
Vice President, Manpower Development Division at Big Data Institute (Public Organization), BDI
