2017年07月16日

嘘のニュース:あなたの目にはまだ何も入ってこない。 嘘の出来事を音声やビデオでもっともらしく作る。

Fake news: you ain’t seen nothing yet
Generating convincing audio and video of fake events
Jul 1st 2017

嘘のニュース:あなたの目にはまだ何も入ってこない。
嘘の出来事を音声やビデオでもっともらしく作る。



EARLIER this year Francoise Hardy, a French musician, appeared in a YouTube video (see link). She is asked, by a presenter off-screen, why President Donald Trump sent his press secretary, Sean Spicer, to lie about the size of the inauguration crowd. First, Ms Hardy argues. Then she says Mr Spicer “gave alternative facts to that”. It’s all a little odd, not least because Francoise Hardy (pictured), who is now 73, looks only 20, and the voice coming out of her mouth belongs to Kellyanne Conway, an adviser to Mr Trump.

alternative facts:代わりの[代替的(な)]事実、オルタナティブ・ファクト、欺瞞  “うそ”の言い換え表現。2017年1月20日にドナルド・トランプ氏が第45代アメリカ大統領に就任した後の数週間にトランプ政権の上級顧問や報道官などによって多用された表現

The video, called “Alternative Face v1.1”, is the work of Mario Klingemann, a German artist. It plays audio from an NBC interview with Ms Conway through the mouth of Ms Hardy’s digital ghost. The video is wobbly and pixelated; a competent visual-effects shop could do much better. But Mr Klingemann did not fiddle with editing software to make it. Instead, he took only a few days to create the clip on a desktop computer using a generative adversarial network (GAN), a type of machine-learning algorithm. His computer spat it out automatically after being force fed old music videos of Ms Hardy. It is a recording of something that never happened. 

wobbly :不安定な
pixelated:モザイクを入れてぼかす
fiddle:勝手にいじる
spit it out:白状する
fed :与える

generative adversarial network:GANではgeneratorとdiscriminatorという2つのネットワークが登場します。Generatorは訓練データと同じようなデータを生成しようとします。一方、discriminatorはデータが訓練データから来たものか、それとも生成モデルから来たものかを識別します。 この関係は紙幣の偽造者と警察の関係によく例えられます。偽造者は本物の紙幣とできるだけ似ている偽造紙幣を造ります。警察は本物の紙幣と偽造紙幣を見分けようとします。 次第に警察の能力が上がり、本物の紙幣と偽造紙幣をうまく見分けられるようになったとします。すると偽造者は偽造紙幣を使えなくなってしまうため、更に本物に近い偽造紙幣を造るようになります。警察は本物と偽造紙幣を見分けられるようにさらに改善し…という風に繰り返していくと、最終的には偽造者は本物と区別が付かない偽造紙幣を製造できるようになるでしょう。 GANではこれと同じ仕組みで、generatorとdiscriminatorの学習が進んでいきます。最終的には、generatorは訓練データと同じようなデータを生成できるようになることが期待されます。このような状態では、訓練データと生成データを見分けることができなくなるため、discriminatorの正答率は50%になります。
Generative:生成力のある

Mr Klingemann’s experiment foreshadows a new battlefield between falsehood and veracity. Faith in written information is under attack in some quarters by the spread of what is loosely known as “fake news”. But images and sound recordings retain for many an inherent trustworthiness. GANs are part of a technological wave that threatens this credibility. 

foreshadows:予見する
falsehood:うそ
veracity:真実
inherent:本質的に
trustworthiness:信頼性

Audio is easier to fake. Normally, computers generate speech by linking lots of short recorded speech fragments to create a sentence. That is how the voice of Siri, Apple’s digital assistant, is generated. But digital voices like this are limited by the range of fragments they have memorised. They only sound truly realistic when speaking a specific batch of phrases. 

Generative audio works differently, using neural networks to learn the statistical properties of the audio source in question, then reproducing those properties directly in any context, modelling how speech changes not just second-by-second, but millisecond-by-millisecond. Putting words into the mouth of Mr Trump, say, or of any other public figure, is a matter of feeding recordings of his speeches into the algorithmic hopper and then telling the trained software what you want that person to say. Alphabet’s DeepMind in Britain, Baidu’s Institute of Deep Learning in Silicon Valley and the Montreal Institute for Learning Algorithms (MILA) have all published highly realistic text-to-speech algorithms along these lines in the past year. Currently, these algorithms require levels of computing power only available to large technology companies, but that will change. 

statistical:統計上の
properties:特性・属性
in question:話題にしている・疑わしい
algorithmic:アルゴリズムの
hopper:アイデアなどの検討の対象となって

Generating images is harder. GANs were introduced in 2014 by Ian Goodfellow, then a student at MILA under Yoshua Bengio, one of the founding fathers of the machine-learning technique known as deep learning. Mr Goodfellow observed that, although deep learning allowed machines to discriminate marvellously well between different sorts of data (a picture of a cat v one of a dog, say), software that tried to generate pictures of dogs or cats was nothing like as good. It was hard for a computer to work through a large number of training images in a database and then create a meaningful picture from them. 

discriminate :識別する
marvellously:驚くほどよく
nothing like as good:足元にも及ばない

トランプが嘘の情報を流すのが得意のようだが、こうした嘘の音声とか映像を作る技術が進歩してきている。現在はまだそうした技術を使って嘘のニュースを流してはいないが、今後見分けの付かない偽の音声とか映像が作り出されるようになる。メアリーアン・コンウェイの嘘のニュースは彼女がただ嘘をついただけなのだが、今後はまことしやかな嘘のニュースが流される危険がありそうだ。

月曜日。今日は海の日だ。ではまた明日。

swingby_blog at 21:27コメント(0) 

コメントする

名前:
URL:
  情報を記憶: 評価:  顔   星
 
 
 
livedoor プロフィール
プロフィール

海野 恵一
1948年1月14日生

学歴:東京大学経済学部卒業

スウィングバイ株式会社
代表取締役社長

アクセンチュア株式会社代表取締役(2001-2002)
Swingby 最新イベント情報
海野塾のイベントはFacebookのTeamSwingbyを参照ください。 またスウィングバイは以下のところに引っ越しました。 スウィングバイ株式会社 〒108-0023 東京都港区芝浦4丁目2−22東京ベイビュウ803号 Tel: 080-9558-4352 Fax: 03-3452-6690 E-mail: clyde.unno@swingby.jp Facebook: https://www.facebook.com/clyde.unno 海野塾: https://www.facebook.com TeamSwingby
講演・メディア出演

最新記事
月別アーカイブ
Recent Comments
記事検索
ご訪問者数
  • 今日:
  • 累計:

   ご訪問ありがとうございます。


社長ブログ ブログランキングへ
メールマガジン登録
最新のセミナー情報を配信します。
登録はこちらのフォームから↓