Facebook正在制作自己的深陷费用，并提供检测它们的奖品

 
由深度学习或所谓的“深度学习”驱动的图像和视频操作代表了一个充满希望的新领域的奇怪和可怕的方面。如果我们要打击这些令人毛骨悚然的创作，我们就需要用火来灭火; Facebook，微软和许多其他公司联合起来帮助使机器学习能够检测到深度漏洞 – 他们希望您提供帮助。
虽然这种现象仍然是新的，但我们仍处于军备竞赛中，其探测方法与创造方法竞争。越来越有说服力的假货经常出现，虽然它们经常是良性的，但是你的面孔完美地被嫁接到一个妥协的位置的可能性非常大 – 很多名人已经对它们做过了。
作为与微软联盟，人工智能合作伙伴关系以及包括牛津大学，伯克利大学和麻省理工学院在内的多所大学的联盟的一部分，Facebook正致力于通过更好的检测技术赋予好的一面。
昨天在媒体电话会议上，Facebook首席技术官Mike Schroepfer表示，人工智能的最有趣的进展发生在数据集上有明确的基准来撰写论文时。用于对象识别的数据集可能是数百万普通对象的图像，而用于语音转录的数据集将是数小时的不同类型的语音。但是没有这样的深刻基础。
我们在今年早些时候的机器人和人工智能活动中讨论了这个挑战，我认为这是一个非常有趣的讨论：
幸运的是，Facebook计划投入大约1000万美元的资源来实现Deepfake Detection Challenge。
“创建这些数据集可能具有挑战性，因为您希望确保参与其中的每个人都清楚并给予同意，这样他们就不会对其使用感到惊讶，”Schroepfer继续说道。而且由于大多数深度伪造都是在未经任何同意的情况下制作的，因此在学术背景下使用它们并不是真正允许的。
因此，Facebook和它的合作伙伴正在制作一些深刻的内容，他说。 “您需要一个源视频数据集，然后是一个可以映射到其上的个性数据集。然后，我们花费工程时间实施最新的最先进的深度伪造技术，以生成改变的视频作为数据集的一部分。“
虽然你完全有理由不知道，不，他们没有使用Facebook数据来做到这一点。他们有付费演员。
该数据集将提供给感兴趣的各方，他们将能够构建解决方案并对其进行测试，并将结果放在排行榜上。在某些时候会有现金奖励，但细节还有很长的路要走。幸运的是，这将激发学者和研究人员之间的激烈竞争。
“我们需要研究界充分参与开放的环境，以开发可以检测和减轻操纵多媒体不良影响的方法和系统，”马里兰大学的Rama Chellappa在新闻发布会上表示。 “通过提供大量真实和受操纵的媒体，拟议的挑战将激发并使研究界能够共同解决这一迫在眉睫的危机。”