انتشرت في الأيام الأخيرة على مواقع التواصل الاجتماعي حزمة برامج تسمى Deep-Live-Cam، تسمح بتطبيق تقنيات التزييف العميق في الوقت الفعلي خلال فيديو مباشر عبر كاميرا الويب، بعد استخراج وجه شخص من صورة واحدة، مع القدرة على متابعة الوضع والإضاءة والتعبيرات التي يقوم بها الشخص على كاميرا الويب.
وفي حين أن النتائج ليست مثالية، فإن البرنامج يُظهر مدى سرعة تطور التكنولوجيا، وكيف أصبحت القدرة على خداع الآخرين عن بُعد أسهل بشكل كبير بمرور الوقت، وفق موقع arstechnica.
كان مشروع برنامج Deep-Live-Cam قيد التنفيذ منذ أواخر العام الماضي، لكن مقاطع الفيديو النموذجية التي تُظهر شخصاً يقلد الملياردير إيلون ماسك والمرشح الجمهوري لمنصب نائب الرئيس جيه دي فانس، وآخرين في الوقت الفعلي انتشرت عبر الإنترنت، ما أدى إلى زيادة رواج البرنامج، ووصوله إلى المركز الأول في قائمة الأكثر تحميلاً ضمن متجر Github للتطبيقات، خاصة أن تحميله يتم مجاناً.
تقنية تبديل الوجوه عبر ما يعرف بـ”التزييف العميق” ليست جديدة وإنما ظهرت في عام 2017، لكنها كانت في ذلك الوقت باهظة الثمن وبطيئة ولا تعمل بصورة مباشرة (في الوقت الفعلي)، إلا أن برامج مثل Deep-Live-Cam، أصبحت تسهل على أي شخص استخدام هذه التكنولوجيا في المنزل باستخدام جهاز كمبيوتر عادي وبرامج مجانية.
وكان للتزييف العميق مخاطر كبيرة مثل حوادث احتيال وسرقة، وقد تزداد حالات الاحتيال بالفيديو عن بُعد مع توفر برامج التزييف العميق في الوقت الفعلي بسهولة، وليس المشاهير أو الساسة فقط هم الذين قد يتأثرون.
باستخدام برنامج تبديل الوجه، يمكن لأي شخص أن يلتقط صورة لك من مواقع التواصل الاجتماعي، وينتحل شخصيتك عبر برامج التزييف العميق. كما أن هناك تقنيات لاستنساخ جوانب المظهر والصوت باستخدام استنساخ الصوت وتوليف الذكاء الاصطناعي من صورة إلى صورة، ولكنها لم تصل بعد إلى تطبيقات واقعية موثوقة في الوقت الفعلي. ولكن مع مرور الوقت، من المرجح أن تصبح هذه التكنولوجيا متاحة بسهولة وسهلة الاستخدام.
كيف يعمل Deep-Live-Cam؟
مثل العديد من مشاريع GitHub مفتوحة المصدر، يجمع Deep-Live-Cam بين العديد من حزم البرامج الموجودة تحت واجهة جديدة، وهو في حد ذاته فرع من مشروع سابق يسمى roop.
وتتمثل آلية عمله في اكتشاف الوجوه في كل من الصور الأصلية والهيئة الجديدة، ويستخدم بعد ذلك نموذج الذكاء الاصطناعي المدرب مسبقاً والذي يسمى inswapper لإجراء عملية تبديل الوجه الفعلية، ونموذج آخر يسمى GFPGAN لتحسين جودة الوجوه المبدلة، من خلال تحسين التفاصيل وتصحيح الأخطاء التي تحدث أثناء عملية تبديل الوجه.
ويمكن لنموذج inswapper، الذي طوره مشروع يسمى InsightFace، تخمين شكل الشخص باستخدام تعبيرات مختلفة ومن زوايا مختلفة؛ إذ تم تدريبه على مجموعة بيانات ضخمة تحتوي على ملايين صور الوجوه لآلاف الأفراد الملتقطة من زوايا مختلفة، وفي ظل ظروف إضاءة مختلفة، وبتعبيرات متنوعة.
أثناء التدريب، طورت الشبكة العصبية التي تقوم عليها نموذج inswapper، فهماً لهياكل الوجه وديناميكياتها في ظل ظروف مختلفة، بما في ذلك تعلم القدرة على استنتاج البنية ثلاثية الأبعاد للوجه من صورة ثنائية الأبعاد. كما أصبح قادراً على فصل السمات الخاصة بالهوية، والتي تظل ثابتة عبر صور مختلفة لنفس الشخص، عن السمات الخاصة بالوضعية والتي تتغير مع الزاوية والتعبير. يسمح هذا الفصل للنموذج بإنشاء صور وجه جديدة تجمع بين هوية وجه واحد ووضعية وتعبير وإضاءة وجه آخر.
Deep-Live-Cam ليس مشروع البرمجيات الوحيد لتبادل الوجوه، إذ يستخدم مشروع آخر على GitHub، يسمى facefusion، نفس نموذج الذكاء الاصطناعي لتبادل الوجوه مع واجهة مختلفة.
وتعتمد أغلب تلك المشروعات على شبكة متداخلة من لغة البرمجة Python ومكتبات التعلم العميق مثل PyTorch، لذلك فإن Deep-Live-Cam ليس سهلاً في التثبيت، حتى الآن، لكن من المرجح أن يصبح هذا النوع من قدرة تبادل الوجوه أسهل في التثبيت بمرور الوقت.
