ഈ ലോകത്ത് ഒരിക്കലും ജീവിക്കാത്ത, പൂർണമായും കാല്പനികമായ മുഖങ്ങൾ നിർമിക്കുന്ന എന്ന സേവനത്തെക്കുറിച്ച് കേട്ടിട്ടില്ലേ? നിർമിത ബുദ്ധിയുടെ കുടക്കീഴിൽ വരുന്ന Generative Adversarial Network (GAN) എന്ന സാങ്കേതിക വിദ്യ ഉപയോഗിച്ച് നിർമിക്കുന്ന മുഖങ്ങളാണ് ഈ സേവനം നമ്മുടെ സ്ക്രീനിൽ കാണിക്കുന്നത്. പഠിപ്പിക്കാൻ ഉപയോഗിച്ച ഡാറ്റയിൽ അതിഷ്ഠിതമായി ഒറിജിനലിനെ വെല്ലുന്ന ഫേക്ക് നിർമിക്കാൻ കഴിയുന്ന സംവിധാനമാണ് ജിഎഎൻ. ഈ സൈറ്റിൽ ഓരോ പ്രാവശ്യം പേജ് റിഫ്രഷ് ചെയ്‌യുമ്പോളും പുതിയ ഒരു മുഖം നിങ്ങളുടെ സ്ക്രീനിൽ തെളിയും. ഓരോന്നും പുതിയവ. ഇതെങ്ങിനെ സാധിക്കുന്നു എന്നറിയുമോ? നിരവധി മുഖങ്ങൾ കണ്ട് പഠിച്ച് ആണ് ഈ സേവനം ഇല്ലാ-മുഖങ്ങൾ നിർമ്മിക്കുന്നത്.
ഈ സാങ്കേതിക വിദ്യ ഉപയോഗിച്ച് മനുഷ്യ മുഖങ്ങൾ മാത്രമല്ല നിർമിക്കാൻ സാധിക്കുന്നത്. ഇല്ലാത്ത പൂച്ചകളെ നിർമ്മിക്കാൻ കഴിയുന്ന , കുതിരകളുടെ ചിത്രങ്ങൾ നിർമ്മിക്കാൻ കഴിയുന്ന (ഇത് അത്ര പോര), രസതന്ത്ര മോളിക്യൂളുകൾ നിർമ്മിക്കാൻ കഴിയുന്ന ഒക്കെ ഇത്തരത്തിലുള്ള മറ്റു സേവനങ്ങളാണ്. ഇന്നിപ്പോൾ സിനിമയിലും, പരസ്യങ്ങളിലും ഒക്കെ ഈ മുഖങ്ങൾ സ്ഥാനം പിടിക്കാൻ തുടങ്ങിയിരിക്കുന്നു.
ഇല്ലാ മുഖങ്ങളിൽ നിന്ന് ആരുടെയൊക്കെ മുഖങ്ങൾ കൂട്ടിക്കലർത്തിയാണ് ഓരോ മുഖവും നിർമിച്ചത് എന്ന് കണ്ടെത്താൻ കഴിയുമോ? ഈ ലോകത്ത് തന്നെ ജീവിച്ചിരിക്കാത്ത, ഒരിക്കലും ജീവിച്ചിരുന്നിട്ടില്ലാത്തവരുടെ മുഖങ്ങൾ നിർമിക്കുന്ന ഈ സേവനം കണ്ട് പഠിച്ച മുഖങ്ങൾ കണ്ടെത്താൻ മാർഗമുണ്ടോ? ഇല്ലാ എന്നായിരുന്നു പൊതു ധാരണ.
എന്നാൽ സാധിക്കുമെന്നാണ് എന്ന പേരിൽ വന്ന ഒരു പ്രബന്ധം പറയുന്നത്. ഇല്ലാമുഖങ്ങളുടെ പിന്നിലെ മുഖങ്ങളെ കണ്ടെത്തി സ്വകാര്യതയിലേക്കുള്ള നുഴഞ്ഞു കയറ്റം സാധ്യമല്ലേ എന്ന് ഗവേഷകർ ചോദിക്കുന്നു. ന്യായമായ ചോദ്യം. ഇത്തരം ഒരു ന്യൂറൽ നെറ്റവർക്ക് സംവിധാനത്തെ പഠിപ്പിക്കാൻ ഉപയോഗിച്ച ഡാറ്റ പൊളിച്ചടുക്കാൻ കഴിയില്ലായെന്നുള്ള വാദം ഈ പ്രബന്ധത്തിന്റെ വരവോടെ ഖണ്ഡിക്കപ്പെടുകയാണ്.
ഫ്രാൻസിലെ കയേൻ നോർമാണ്ടി സർവ്വകലാശാലയിലെ ഗവേഷകർ മെമ്പർഷിപ്പ് അറ്റാക്ക് എന്ന പേരിൽ അറിയപ്പെടുന്ന ഒരു വിദ്യയാണ് ഈ ഗവേഷണത്തിനായി ഉപയോഗിച്ചത്. ഒരു ഡാറ്റ ന്യൂറൽ നെറ്റ്വർക്ക് മോഡലിനെ പഠിപ്പിക്കാൻ ഉപയോഗിച്ചിട്ടുണ്ടോ എന്ന് കണ്ടെത്തിയാണ് ഇവർ ഇല്ലാ മുഖങ്ങളുടെ പിന്നിലെ യഥാർത്ഥ മുഖങ്ങളെ തിരിച്ചറിഞ്ഞത്.
മെമ്പർഷിപ്പ് അറ്റാക്ക് ഉപയോഗം മൂലം മുഖങ്ങളെ തിരിച്ചറിഞ്ഞാൽ എന്താ കുഴപ്പം എന്നാവും നിങ്ങളുടെ ചോദ്യം. ഇത്തരം ട്രെയിൻ ചെയ്‌യപ്പെട്ട ഏതൊരു സംവിധാനത്തിലെയും ഡാറ്റ ഇടകീറി തിരയാൻ ഈ വിദ്യയ്‍ക്ക് സാധിക്കും. മെഡിക്കൽ വിവരങ്ങൾ ഉപയോഗിച്ച് ഒരു സംവിധാനത്തെ പഠിപ്പിച്ചിട്ടുണ്ടെന്നു കരുതുക. എന്നാൽ അതിൽ ഉപയോഗിച്ചിട്ടുള്ള ട്രെയിനിങ് ഡാറ്റയിൽ തങ്ങളുടെ പക്കലുള്ള ആരുടെയെങ്കിലും വിവരം ഉണ്ടോയെന്ന് ഇങ്ങനെ കണ്ടെത്താൻ സാധിക്കും.
മെഡിക്കൽ ഡാറ്റയാകാം, ബയോമെട്രിക്ക് ഡാറ്റയാകാം. മെമ്പർഷിപ്പ് അറ്റാക്ക് ഉപയോഗിച്ച് അതെല്ലാം സൂക്ഷ്മായി വീക്ഷിക്കാൻ സാധിക്കുമെന്ന് മനസ്സിലായല്ലോ. ഇത് കൂടാതെ ഒരാളുടെ വിവരം thispersondoensotexist.com/ പോലെയുള്ള സേവനങ്ങൾ സമ്മതമില്ലാതെ ഉപയോഗിച്ചിട്ടുണ്ടോയെന്നും ഈ വിദ്യയിലൂടെ കണ്ടെത്താൻ സാധിക്കും. തിരിച്ചു ചിന്തിച്ചാൽ, ഒരു ഡാറ്റാസെറ്റിൽ ഉപയോഗിച്ച ഓരോ ഡാറ്റയും പുറത്ത് അറിയാൻ സാധ്യതയുണ്ടോ എന്ന് നോക്കി, പഴുതുകൾ അടയ്‍ക്കാനും മെമ്പർഷിപ്പ് അറ്റാക്കിന്റെ സഹായം തേടാൻ കഴിയും എന്നത് മറ്റൊരു വശം.
നിർമിത ബുദ്ധിയുടെ പഠനാവശ്യത്തിനുപയോഗിച്ച ഡാറ്റ സെറ്റിലേക്ക് നോക്കാൻ ഈ ഫ്രഞ്ച് മോഡൽ മാത്രമല്ല. ചിപ്പ് കമ്പനിയായ എൻവിഡിയ നിർമ്മിച്ച ഒരു അൽഗോരിതം thispersondoensotexist.com മുഖങ്ങൾ നിർമിക്കുന്ന പ്രക്രിയ എതിർ ദിശയിൽ ചലിപ്പിച്ച് ചിത്രത്തിലടങ്ങിയ യഥാർത്ഥ മുഖങ്ങളെ പുറത്ത് കാണിക്കുന്നു.
നിർമിത ബുദ്ധി അധിഷ്ഠിത സംവിധാനങ്ങൾ അതിന്റെ പഠനാവശ്യത്തിനായുള്ള ഡാറ്റ സീറ്റുകളുടെ ഊരും പേരും പുറത്ത് വിട്ടില്ല, എല്ലാം ഒരു ബ്ളാക്ക് ബോക്സ് പോലെയുള്ള കലവറയാണെന്ന വിശ്വാസം ഇല്ലാതായിരിക്കുന്നു.
Content Highlights: this person does not exist identity membership attacks against GAN generated faces
