वाचनासाठी 4 मिनिटे
डीपफेक: खोटे व्हिडिओ लोकांच्या तोंडून न बोललेले शब्द कसे वदवून घेतात?
३० सेकंदांत अर्थ
डीपफेक हा संगणकाने तयार केलेला असा बनावट व्हिडिओ किंवा ऑडिओ असतो, जो एखाद्या खऱ्या व्यक्तीचा चेहरा किंवा आवाज हुबेहूब डिजिटल नक्कल करून बदलून टाकतो. शेकडो जुनी छायाचित्रे आणि व्हिडिओ पाहून संगणक ती व्यक्ती कशी हसते, डोळे कसे मिचकावते आणि कशी बोलते हे शिकून घेतो. त्यानंतर हे सर्व हावभाव एखाद्या अभिनेत्याच्या चेहऱ्यावर बसवून प्रत्यक्षात कधीही न घडलेला प्रसंग खरा असल्यासारखा दाखवला जातो.
डीपफेक म्हणजे काय आणि पडद्यामागे हे तंत्रज्ञान कसे काम करते?
कल्पना करा, तुमच्या व्हॉट्सॲपवर अचानक तुमच्या मुलाचा किंवा भावाचा एक व्हिडिओ मेसेज येतो. तो अत्यंत घाबरलेला दिसतो, त्याच्या आवाजात भीती जाणवते आणि तो सांगतो की हॉस्पिटलच्या तातडीच्या बिलासाठी लगेच पैसे पाठवा. पडद्यावर त्याचाच चेहरा दिसतो, आवाज तंतोतंत त्याचाच वाटतो आणि ओठांची हालचालही प्रत्येक शब्दासोबत अगदी नैसर्गिक वाटते. काही वर्षांपूर्वी असा व्हिडिओ ही प्रसंग खरा असल्याचा पक्का पुरावा मानली गेली असती. पण आज असा व्हिडिओ संगणकावर काही मिनिटांत तयार केलेली एक चलाख डिजिटल क्लृप्ती असू शकते.
डीपफेक हा शब्द सखोल संगणकीय शिक्षण आणि बनावट गोष्ट या दोन संकल्पनांच्या संयोगातून आला आहे. पूर्वी अशा गोष्टी करण्यासाठी माणसांना तासनतास चित्रे काढावी लागायची, पण आता संगणकीय आज्ञावली एखाद्या व्यक्तीच्या हजारो छायाचित्रांचा आणि व्हिडिओंचा अभ्यास करते. हसताना गालांच्या शिरा कशा हलतात, बोलताना डोळ्यांची पापणी कधी लवते आणि विशिष्ट शब्द उच्चारताना ओठ कसे वळतात, हे सर्व काही संगणक अगदी तपशिलासह लक्षात ठेवतो.
रस्त्यावरील नाटक आणि प्रकाशाचा झोत टाकणारा साथीदार
तांत्रिक बडबडीत न अडकता हे तंत्रज्ञान समजून घेण्यासाठी रस्त्यावरील दोन कलाकारांच्या खेळाची कल्पना करा. एका कलाकाराने साधे राखाडी कपडे घातले आहेत आणि तो रंगमंचावर उभा आहे. त्याचा दुसरा साथीदार समोर उभा राहून हातातील एका प्रखर प्रोजेक्टरचा प्रकाश पहिल्या कलाकाराच्या चेहऱ्यावर अचूकपणे फेकत आहे. राखाडी कपडे घातलेला पहिला कलाकार संपूर्ण शारीरिक हालचाली करतो: मंचावर इकडून तिकडे चालतो, मान हलवतो, हातवारे करतो आणि मोठ्याने संवाद बोलतो. त्याच वेळी समोरचा साथीदार तुमच्या चेहऱ्याचे लखलखणारे चित्र थेट त्या पहिल्या कलाकाराच्या चेहऱ्यावर पाडतो.
पहिल्या कलाकाराने डावीकडे मान वळवली की समोरचा साथीदार विजेच्या वेगाने प्रकाशाचा कोन बदलतो, जेणेकरून चेहऱ्याचे चित्र जागेवरून हालत नाही. पहिल्या नटाने तोंड उघडून हसताच पडद्यावर पडणारा तुमचा चेहराही त्या हसण्यासोबत उमलतो. दहा पावले दूर उभा राहून पाहणाऱ्या प्रेक्षकाला रंगमंचावर तुम्हीच उभे आहात असा भास होतो. इथे पहिला कलाकार शरीराच्या हालचाली पुरवतो, तर समोरचा साथीदार त्यावर तुमचा चेहरा चिकटवतो.
संगणकाच्या आत कृत्रिम बुद्धिमत्ता नेमकी याच अथक प्रोजेक्टर चालवणाऱ्या साथीदारासारखे काम करते. तिला केवळ दोन गोष्टी लागतात: ज्या व्यक्तीची नक्कल करायची आहे तिची जुनी छायाचित्रे आणि कॅमेऱ्यासमोर प्रत्यक्षात अभिनय करणाऱ्या खऱ्या माणसाचा व्हिडिओ. संगणक त्या खऱ्या शरीरावर बनावट चेहरा एकामागून एक चित्राच्या चौकटीत रंगवत जातो. शेवटी जो व्हिडिओ तयार होतो, तो डोळ्यांना अगदी खरा वाटतो, पण प्रत्यक्षात तो प्रसंग जगात कधीही घडलेला नसतो.
दैनंदिन जीवनात डीपफेकचा सामना कुठे होतो?
बनावट व्हिडिओ तयार करण्याचे तंत्रज्ञान आता केवळ मोठ्या संशोधन प्रयोगशाळांपुरते मर्यादित राहिलेले नाही, तर ते आपल्या रोजच्या जीवनात सर्वत्र पसरले आहे. याचे काही मनोरंजक उपयोग आहेत, तर काही अत्यंत गंभीर धोकेही आहेत:
- चित्रपटांचे डबिंग आणि भाषांतर: चित्रपट दुसऱ्या भाषेत भाषांतरित करताना पात्रांच्या ओठांची हालचाल नव्या भाषेतील शब्दांशी तंतोतंत जुळवून घेण्यासाठी चित्रपट निर्मिती कंपन्या या तंत्रज्ञानाचा वापर करतात.
- मोबाईलमधील गमतीशीर कॅमेरा फिल्टर्स: तरुण मंडळी आणि मित्रमंडळी आपले चेहरे ऐतिहासिक व्यक्ती, कार्टून किंवा चित्रपट अभिनेत्यांसोबत बदलून सोशल मीडियावर गमतीशीर व्हिडिओ शेअर करण्यासाठी साधी ॲप्स वापरतात.
- कुटुंबातील आणीबाणीच्या नावाखाली आर्थिक फसवणूक: गुन्हेगार सोशल मीडियावरून मुलांचा थोडासा आवाज किंवा व्हिडिओ गोळा करतात आणि त्यांच्या आईवडिलांना फोन करून मुलगा अडचणीत असल्याचे भासवून तातडीने पैसे उकळतात.
- राजकीय अफवा आणि सामाजिक तेढ: निवडणुकांच्या तोंडावर किंवा महत्त्वाच्या घटनांच्या वेळी सामाजिक नेते किंवा राजकारण्यांनी न बोललेली आक्षेपार्ह विधाने त्यांच्या तोंडी दाखवून लोकांमध्ये गैरसमज पसरवले जातात.
स्वतःचा बचाव कसा करावा आणि काय काळजी घ्यावी?
व्हिडिओ बनावट असू शकतात हे समजल्यामुळे घाबरून जाण्याची किंवा प्रत्येक गोष्टीवर अविश्वास दाखवण्याची गरज नाही. याचा साधा अर्थ असा की, भावनांच्या आहारी जाण्यापूर्वी आपण आपल्या सामान्य सारासार विचाराला जागे केले पाहिजे. एखादा धक्कादायक व्हिडिओ पाहून लगेच अस्वस्थ होण्याऐवजी दोन क्षण शांत राहिल्यास फसवणूक टाळता येते.
- दात, पापण्यांची हालचाल आणि कानांकडे बारकाईने पहा: संगणकाला अजूनही तोंडाच्या आतील हालचाली, डोळ्यांमधील नैसर्गिक चमक आणि मान फिरवताना केसांची कडा या गोष्टी अचूकपणे जुळवणे कठीण जाते.
- कुटुंबासाठी एक गुप्त सांकेतिक शब्द ठरवा: तुमच्या घरातील सदस्यांमध्ये असा एक सोपा शब्द किंवा बालपणीची खास आठवण ठरवून ठेवा जी फक्त तुमच्या कुटुंबाला ठाऊक असेल; पैशांची मागणी आल्यास आधी तो शब्द विचारा.
- फोन कट करा आणि स्वतःच्या संपर्कातून परत फोन लावा: कोणीही पैशांची तातडीची मागणी करणारा व्हिडिओ कॉल केला तर घाईगडबडीत पैसे पाठवू नका; कॉल कट करा आणि फोनमधील सेव्ह केलेल्या खऱ्या नंबरवर स्वतः फोन करून खात्री करा.
पडद्यामागची ही चलाखी एकदा नीट लक्षात आली की अनाठायी भीती आपोआप नाहीशी होते. नव्या डिजिटल जगात सुरक्षित राहण्यासाठी मोबाईल स्क्रीनपासून पळून जाण्याची गरज नसते; केवळ डोळे उघडे ठेवून निरीक्षण करणे, शांत डोक्याने विचार करणे आणि कोणत्याही कृतीपूर्वी आपल्या प्रियजनांशी थेट बोलून खात्री करणे पुरेसे ठरते.