આ દિવસોમાં ડીપફેક (Deepfake) ટેક્નોલોજી વિશે ઘણી ચર્ચા થઈ રહી છે. આ એ જ AI ડીપફેક ટેક્નોલોજી છે, જેની મદદથી એક બ્રિટિશ મોડેલ ઝારા પટેલના અંતરંગ વિડિયો પર ભારતીય અભિનેત્રી રશ્મિકા મંદાનાનો ચહેરો લગાવવામાં આવ્યો હતો. આ વિડિયો પછીથી ઘણો વાયરલ થયો હતો અને રશ્મિકા મંદાનાએ પોતે સામે આવીને આ વિશેનું સત્ય જણાવ્યું હતું.
રશ્મિકા મંદાનાનો આ ફેક વિડિયો વાયરલ થયા પછીથી ‘ડીપફેક’ શબ્દ ઘણો ચર્ચામાં આવ્યો છે. ડીપફેક વાસ્તવમાં આર્ટિફિશિયલ ઇન્ટેલીજન્સ (AI) પર આધારિત એક એવી ટેક્નોલોજી છે, જેની મદદથી કોઈ એક વ્યક્તિનો ચહેરો કોઈ બીજા વ્યક્તિના ચહેરા પર લગાવી દેવામાં આવે છે. આ ટેકનિકની મદદથી અનેક ફેક ફોટા, ઓડિયો અને વિડિયો બનાવવામાં આવે છે.
ડીપફેક ટેક્નોલોજીનો ઉપયોગ મોટાભાગે નકલી પોર્ન વિડિયો બનાવવા માટે થાય છે. આ ટેક્નોલોજીની મદદથી પોપ્યુલર મહિલા હસ્તીઓના નકલી પોર્ન વિડિયો બનાવવામાં આવ્યા છે, આ ટેકનિકનો સૌથી વધારે ઉપયોગ આવા કામ કરવા માટે થાય છે.
ક્યાંથી આવ્યું ડીપફેક, કઈ રીતે કરે છે કામ?
ડીપફેકને બાબતે ‘ધ ગાર્ડીયન’ના એક લેખમાં જાણકારી આપવામાં આવી છે કે આ ટેક્નોલોજી સૌથી પહેલાં સોશિયલ મીડિયા એપ રેડિટ (Reddit) પર સામે આવી હતી. ત્યારે એક ડીપફેક નામના યુઝરે ટેલર સ્વિફ્ટ, ગેલ ગેટોડ જેવી અભિનેત્રીઓની નકલી પોર્ન ક્લિપ્સ અપલોડ કરી હતી. પછીથી આવા વિડિયો અપલોડ કરવાની માત્રા વધી ગઈ હતી.
ડીપફેક ટેક્નોલોજીનો ઉપયોગ કરીને વિડિયો બનાવવો એ એક લાંબી પ્રક્રિયા છે. સૌપ્રથમ જે બે લોકોના ચહેરાની અદલાબદલી કરવાની છે, તેના હજારો ફોટા અને વિડિયો ‘એનકોડર’ નામના એક AI આધારિત પ્રોગ્રામ પર ચલાવવામાં આવે છે. આ ટેક્નોલોજી આ બંને ચહેરાઓ વચ્ચેની સમાનતાનું પરીક્ષણ કરે છે. આ પછી આ ટેક્નોલોજી બંને ચહેરાઓને સમાનતાના આધારે સીમિત કરે છે, એટલે કે બંનેમાંથી સમાનતા શોધી લે છે. ત્યારબાદ બંનેને મિશ્ર કરીને એક કમ્પ્રેસ્ડ ઈમેજ બનાવે છે.
આ પછી, અન્ય એક AI ટેક્નોલોજી ‘ડીકોડર’ને ચહેરો ડિટેક્ટ કરવા માટે કહેવામાં આવે છે. જો સરળ ભાષામાં સમજીએ તો એનકોડરને ‘A’નો ચહેરો રીડ કરવા માટે અને ડીકોડરને ‘B’નો ચહેરો રીડ કરવા માટે તૈયાર કરવામાં આવે છે. આ પછી બંને પ્રોગ્રામ્સને આ ચહેરો ક્રિએટ કરવાનું કહેવામાં આવે છે, પરંતુ આ કિસ્સામાં એનકોડરને Bનો ચહેરો અને ડીકોડરને Aનો ચહેરો બનાવવા માટે કહેવામાં આવે છે. આવી સ્થિતિમાં ધારો કે B તે ફોટામાં રડી રહ્યો છે, તો નવા ફોટામાં A રડતો જોવા મળશે.
આ સિવાય અન્ય એક ‘જનરેટિવ એડવર્સરિયલ નેટવર્ક’ (GAN) નામની ટેક્નોલોજી છે. જેની મદદથી પણ આવા ફોટા બનાવવામાં આવે છે. તેમાં એક અયોગ્ય ફોટો અને એક યોગ્ય ફોટો નાખવામાં આવે છે. AI ટેક્નોલોજી આ બંને કોડને ડીકોડ કરે છે અને ફોટાને એકસાથે મિક્સ કરે છે. આ પ્રક્રિયામાં ઘણો સમય લાગે છે.
શું તેને ઓળખવું અશક્ય છે?
ડીપફેકથી બનાવેલા ફોટાની ઓળખ સામાન્ય રીતે થઈ શકતી નથી, આમ છતાં તેની ઓળખનો આધાર ફોટા બનાવનારની કુશળતા પર હોય છે. જોકે, તે વિડિયોને ધ્યાનથી જોયા પછી બોલતી વખતે હોઠનું હલનચલન, હાથ-પગની હિલચાલ અને ચહેરાના અન્ય હાવભાવ જોઈને તે વિડિયો સાચો છે કે ખોટો તે ઓળખી શકાય છે.
સમસ્યા એ છે કે હવે ટેક્નોલોજી એટલી મજબૂત બની રહી છે કે, ઘણા વિડિયો સામાન્ય લોકોની પકડમાં નથી આવી રહ્યા. તેને ખૂબ જ ઉચ્ચ ક્ષમતાના કોમ્પ્યુટર અને આધુનિક ટેક્નોલોજી સાથે લાંબી મહેનત બાદ બનાવવામાં આવે છે. મોટી-મોટી યુનિવર્સિટીઓ સહિત ઘણી કંપનીઓ ડીપફેકની સમસ્યા સામે લડવા માટે સતત સંશોધન કરી રહી છે. તેની ખામીઓ શોધવા માટે સતત પ્રયત્નો કરવામાં આવી રહ્યા છે જેથી લોકો જાણી શકે કે કોઈ વિડિયો નકલી છે કે નહીં.
