Facebook publica 100 mil deepfakes para enseñar a la Inteligencia Artificial a detectarlos

Facebook publica 100 mil deepfakes para enseñar a la Inteligencia Artificial a detectarlos

La red social busca prevenir cualquier intento de desinformación o manipulación con deepfakes, utilizando la Inteligencia Artificial para detectarlos.

Con la finalidad de mejorar la labor de la Inteligencia Artificial, Facebook publicó una base de datos de 100 mil deepfakes.

El deepfake, o ultrafalso en castellano, es una técnica de Inteligencia Artificial para editar videos falsos de personas.

Estos rostros aparentemente son reales pero, como su nombre lo indica, son profundamente falsos.

Pero de acuerdo con el portal Technology Review, del MIT, el temor es que estos rostros falsos sean utilizados para difundir información falsa.

Tan sencillo como esto, y más aún en tiempos como los actuales.

 

¿Cómo usar los deepfakes para desestabilizar?

Los políticos pueden colocar palabras manipuladas a estos rostros, coloca el Technology Review como ejemplo.

El ojo humano puede detectar con relativa facilidad un deepfake, sin embargo es más difícil si los números siguen aumentando.

Un informe de la firma DeepTrace Labs, realizado en octubre del año pasado, explica que en los siete meses previos aumentó la cantidad a casi 15 mil rostros falsos.

 

Prevenir ante todo, el desafío de Facebook

Las compañías de interacción social están conscientes del alto uso de deepfakes, y cuesta detectarlos de forma automática.

Ante esto, Facebook quiere utilizar la Inteligencia Artificial para detectarlos y luchar contra videos manipulados.

Para ello ha publicado la más alta cantidad de datos sobre el tema, más de 100 mil videos con 3.426 actores modificando sus rostros.

“Hasta ahora no es un gran problema”, indica Mike Schroepfer, directivo de la red social.

“Pero la lección que hemos aprendido es que en un par de años no sabemos cómo cambiará todo”.

“Queremos estar preparados para lo que pueda ocurrir”.

Facebook realizó un reto para escoger al mejor detector de deepfakes, y lo ganó un modelo realizado por Selim Seferbekov.

Ente casi 35 mil modelos enviados por 2.114 participantes, el modelo de Seferbekov tuvo un 65% de eficiencia sobre 10 mil videos.