El nombre de deepfake viene de Deep Learning, traducido como aprendizaje profundo, una de las corrientes de la Inteligencia Artificial. En este caso, es el aprendizaje con inteligencia artificial que se utiliza con la intención de crear contenido falso. En la mayoría de los casos, esto se basa en manipulaciones de video en las que el software analiza el material de origen y extrae parte de él, luego lo inserta y lo adapta en otro video. Los llamados intercambios de caras o deep video portraits son la forma más común de los Fake.

Cada vez parece más difícil detectar lo que es real y lo que no. Esto no significa que sea imposible, incluso los DeepFakes mejor trabajadas pueden ser dectados por especialistas en técnicas del style transfer. En una entrevista con el diario El País, el especialista en Inteligencia Artificial Jorge Muñoz asegura que “ el mayor problema de estas técnicas es que requieren una gran cantidad de datos para poder entrenarlas, por lo que hoy en día únicamente veremos contenidos así sobre personas famosas de las que se pueden encontrar millones de horas de vídeo de alta calidad en Internet”.

¿Cómo detectar los DeepFakes?

Pero si no eres especialista, todavía puedes detectar esas caras encubiertas con algunos de estos consejos:

El parpadeo

Los humanos solemos parpadear una vez cada 2-8 segundos durando cada parpadeo entre 1 y 4 décimas de segundo. Si quieres saber si estás ante una DeepFake, fíjate en el número de veces que parpadea, te darás cuenta de que lo hace mucho menos que una persona real.El algoritmo de los DeepFake no puede parpadear a la misma velocidad que un humano.

Cara y cuello

¿El cuerpo se ajusta a la cara o la postura coincide con la expresión facial? La mayoría de los DeepFake son principalmente sustituciones faciales: los cambios en el cuerpo solo pueden implementarse con gran esfuerzo. Si el cuerpo de la persona a la que se le aplica un rostro tiene otras características que no coinciden (por ejemplo, tatuajes, músculos pronunciados o un color de piel diferente) también indica una falsificación.

Clips cortos

Aunque la tecnología ya es muy fácil de usar, los procesos de aprendizaje para hacer falsificaciones están muy trabajados. Por lo tanto, la mayoría de los DeepFakes que se comparten tienen solo unos segundos de duración. Entonces, si se debe verificar un clip muy corto de contenido inverosímil y no hay una razón obvia por la que la grabación sea tan breve,a menudo es porque es un Fake.

Fuente de la grabación

En este contexto, buscar la fuente de la grabación, a la persona que cuenta que primero compartió el video, también ayuda. A menudo, esto ayuda a averiguar el contexto de la publicación y a comprobar si el material de origen fue más detallado después de todo.

Sonido para grabación

No solo la imagen expone a una DeepFake sino también el sonido. El software a menudo se limita a cambiar la imagen, pero no para ajustar el sonido. Entonces, si el sonido no está presente o no coincide con la imagen, por ejemplo, con una sincronización de labios mal implementada, esto indica una falsificación.

Los detalles

Ten en cuenta los detalles. Al verificar el contenido del video, también es útil dejar que se reproduzca a la mitad de la velocidad. Por ejemplo, pequeñas discrepancias en el fondo de una persona o cambios repentinos en la imagen que se notan enseguida.

Interior de la boca

El software para crear DeepFakes ha sido capaz de transferir caras bastante bien hasta ahora, pero el demonio está en los detalles. Por ejemplo, un cierto desenfoque en el interior de la boca es otra señal de que podría ser una imagen falsa. La Inteligencia Artificial todavía está luchando para representar correctamente los dientes, la lengua y la cavidad bucal cuando habla.

A medida que la Inteligencia Artificial evoluciona, las especializaciones en este sector crecen cada vez más. Las empresas buscan profesionales actualizados en el sector, si quieres trabajar para formar parte del cambio, apúntate al Postgrado en Inteligencia Artificial y Machine Learning

Postgrado en Inteligencia Artificial y Machine Learning

Aprende sobre Big Data, Machine Learning y Deep Learning

¡Quiero apuntarme!

Comparte y comenta este artículo!

Fuente