Las tendencias tecnológicas a corto plazo pasan por atender al Hype Cycle de Gartner, una representación gráfica de la madurez, la adopción y la forma en cómo las tecnologías emergentes son potencialmente relevantes para resolver problemas comerciales reales.
La Inteligencia Artificial generativa es una de las tendencias tecnológicas estratégicas de Gartner para 2022 y años posteriores.
La IA generativa se puede utilizar para una variedad de actividades, como la creación de código de software, la facilitación del desarrollo de medicamentos y el marketing dirigido, pero también se usa mal para estafas, fraude, desinformación política, identidades falsificadas y más.
Para 2025, Gartner espera que la IA generativa represente el 10% de todos los datos producidos, frente a menos del 1% actual.
GAN, la imaginación de las máquinas al poder
La inteligencia artificial ha dado pasos de gigante a la hora de ser capaz de identificar objetos en una imagen. ¿Necesitamos, por ejemplo, procesar miles de fotos de mascotas para que identifique en cuál de ellas aparecen gatos? Ya es posible.
La IA también es capaz, por ejemplo, de desentrañar las reglas de un juego a fuerza de jugar miles de veces contra ella misma.
Si hay un tópico que prevalece en la mayoría de los retratos de la Inteligencia Artificial (IA) en la ficción, es que las máquinas carecen por completo de imaginación. Cuando a una IA le pedimos que cree algo nuevo, algo que no existía antes, no lo hacía. Porque la IA podía simular nuestra inteligencia, pero no nuestra imaginación. Pero si hay algo que nos está demostrando el progreso de la tecnología es que es nuestra imaginación la que se queda corta a la hora de predecir el futuro: precisamente esta cualidad, la imaginación, ya está al alcance de las máquinas gracias a un novedoso tipo de algoritmo llamado Red Generativa Antagónica (GAN, por sus siglas en inglés).
Redes Generativas Antagónicas: la inteligencia artificial ahora piensa
En el blog de Juan Carlos Ayuso, hemos visto un interesante post al respecto y lo queremos citar aquí. Las personas que aparecen en estas fotos, ni existen ni han existido nunca… ¿Un truco de Photoshop? No exactamente.
Los avances que se están produciendo en Inteligencia Artificial (IA), son tan increíbles, que a día de hoy es posible generar fotos de caras humanas, -aparentemente reales como las que puedes ver-, de forma automática, sin ningún tipo de supervisión. La proeza se llama GAN.
GAN es el acrónimo de Generative Adversarial Networks o Redes Generativas Antagónicas. Gracias a la maravillosa mente de Ian Goodfellow, quién junto a otros siete compañeros de la Universidad de Montreal en 2014, escribieron el primer paper sobre Generative Adversal Networks, hoy en día conocemos estas redes neuronales basadas en deep lerning.
Las GAN han servido para crear vídeos que simulan el futuro de una escena, cambiar día por noche o verano por invierno en vídeos de paisajes, rellenar huecos vacíos en imágenes o envejecer rostros, entre otras muchas espectaculares demostraciones.
Entre las aplicaciones de esta tecnología no puede pasar inadvertida la posibilidad de poner cara al avance que representa este hallazgo. Pueden generar y desarrollar rostros humanos falsos, como, por ejemplo, el que desarrolló Nvidia: DCGAN. Gracias a este se pueden desarrollar rostros casi hiperrealistas que no se corresponden con ninguna persona real.
Por otro lado, también hay que mencionar que existen otros generadores web que no solo fabrican caras, sino que pueden desarrollar personajes manga, habitaciones o gatos. En cuanto a los gatos, hay que destacar que es el experimento con más fallos, dada su pose corporal.
En la red se pueden encontrar herramientas con esta tecnología al alcance de muchos como la web thispersondoesnotexist.com, que crea caras de personas que no existen gracias a un algoritmo disponible en GitHub.
Otro ejemplo más reciente ocurrió el verano de 2019, con el auge de #FaceAppChallenge: una app que permitía simular qué aspecto podría tener una persona en el futuro en la vejez. Esta app se hizo viral pese a muchas advertencias en diferentes medios off/online sobre el posible «peligro» existente en la privacidad del usuario al aceptar las condiciones en la descarga de la aplicación. Sin embargo, pese a ello, hemos podido ver como se ha hecho de nuevo viral este verano. En esta ocasión, con simulaciones de cómo sería una persona cambiando de sexo, es decir, ver cómo se vería una mujer si fuese hombre o un hombre si fuese mujer.
Como funcionan las GAN
Las GANs funcionan con dos redes neuronales: una “generadora” y otra “discriminadora”. Ambas compiten en un constante juego de suma cero donde lo que una red gana, la otra pierde. En otras palabras, la ganancia o pérdida de una de las redes se compensa con la ganancia o pérdida de la opuesta. Desarrollamos un poco más esta idea.
La red generadora necesita la discriminadora para saber cómo crear una imitación tan realista que la segunda no logre distinguir de una imagen real.
La red neuronal «generadora» produce muestras de aquello que queremos crear (ej. imágenes, textos, sonidos…) con el objetivo de engañar a la red «discriminadora» para que crea que son reales. A su vez, el objetivo de la red «discriminadora» es detectar las falsificaciones analizando el material producido por la red «generadora» y determinando si se ajusta a lo que está buscando.
Es decir, identifica si cada instancia de datos que revisa pertenece o no al conjunto de datos de entrenamiento. En palabras de Ian Goodfellow, «es un proceso donde cada una de las redes va mejorando y aprende de su oponente».
Generative Adversarial Networks, la tecnología que permite la generación de imágenes «deep fakes»
Pero la utilidad de los GANs no se acota solo al campo multimedia de la imagen, sino que también se pueden utilizar en los vídeos. De hecho, esta es la tecnología responsable de los polémicos deepfakes.
Las GANs son una nueva forma para combinar dos redes neuronales profundas. En ella, la discriminadora ayuda a la generadora a ofrecer resultados más certeros y tan similares a una imagen real que no se pueden diferenciar.
Deep Fake es un concepto relativamente nuevo y que está compuesto por los términos: deep learning y fake. Esto es «aprendizaje profundo», una de las ramas de la Inteligencia Artificial, y la palabra, «falso».
El nombre le viene perfecto, ya que de lo que os estamos hablando es de una tecnología basada en la Inteligencia Artificial que consigue superponer el rostro de una persona en el de otra y falsificar sus gestos para hacernos creer que están haciendo o diciendo algo que no ha pasado en realidad.
Este concepto es bastante acertado ya que la tecnología que genera estos rostros hiperrealistas (o casi hiperrealistas) que no se corresponden con una persona real ya que falsifica (fake) su voz y sus gestos, son modelos de deep learning basados en Redes Neuronales Generativas Adversarias (GAN).
Videos falsos muy creíbles
Con el paso del tiempo, esta tecnología ha ido evolucionando y sus resultados son cada vez más sorprendentes (y preocupantes), hasta tal punto que se han conseguido crear vídeos de los principales líderes del mundo dando un discurso completamente falso. Este vídeo de Donald Trump, Angela Merkel y Vladimir Putin cantando una canción de John Lennon es un sencillo ejemplo que empieza con la advertencia de que se trata de un contenido falso, pero y si algún día no nos avisan, ¿cómo sabremos que estamos ante una imagen falsa?
Actualmente existen apps centradas en el «Deep fake» que permiten jugar con imágenes y/o audiovisuales de tal forma que cualquier persona, con tan solo descargarla, pueda tener a su disposición esta manipulación de imágenes. Uno de los primeros ejemplos más famosos de «deep fake» es un vídeo de con imágenes que «falseaba» ser Obama:
Un algoritmo empezó a jugar con imágenes de Obama, y ahí nació la propaganda del futuro: los vídeos manipulados que intentarán alterar (aún más) la realidad.
Deep fake: así será la evolución más temible de las fake news. pic.twitter.com/ltlYbu7Ont
— PAPEL (@Papel_EM) May 8, 2019
Esto plantea un serio peligro. Lo que antes requería de cientos de horas de edición, con equipos y profesionales expertos trabajando en ello, ahora con un software en pocas horas cualquiera puede crear un vídeo falso pero muy creíble.
Ya es bastante difícil controlar las fake news o noticias falsas que corren por la red, sobre todo en épocas electorales, como para encima sumarles ahora este tipo de engaños.
En resumen, las GANs son una nueva forma para combinar dos redes neuronales profundas. En ella, la discriminadora ayuda a la generadora a ofrecer resultados más certeros y tan similares a una imagen real que no se pueden diferenciar.
El concepto de las GAN nació apenas en 2014 y en un inicio apenas eran capaces de generar imágenes de máximo 1024 píxeles. Es una cuestión probablemente de solo tiempo, cuando gigantes como Google y Facebook también están desarrollando sus propios algoritmos y mejorando la técnica.
