Разберись в ИИ и нейросетях: как они работают, где помогают и где ошибаются - Анастасия Зарубина

С помощью этой технологии любой может стать героем любимого фильма, увидеть себя в старости или даже оживить детские рисунки – ведь такой ИИ умеет работать не только с лицами. На рис. 4.8 представлены основные сферы применения дипфейков. Они могут быть вполне легальными, например при съемке фильмов или локализации их на другой язык, в создании рекламного контента, в образовании, в развлекательных целях и так далее. Везде, где происходит генерация не реального человека или реального, но с его явного согласия, дипфейки остаются в рамках закона и морали. Но также широко распространено их использование для мошенничества, вымогательства, шантажа – эксплуатация лица и голоса человека делает фантазию злоумышленников практически безграничной. Я не буду перечислять известные сейчас прецеденты, ведь почти ежедневно появляются новые.

Рис. 4.8. Использование дипфейков

В морально-этическом плане отношение у популярных людей к дипфейкам очень спорное. Кто-то использует их в своих целях, кто-то вовсе не приветствует их использование. Не нужно просить автограф на фото, сгенерированном ИИ, или выкладывать в интернет любой подобный материал, будь то фото, видео или аудио (да, даже если «В лесу родилась елочка» в исполнении Тилля Линдермана у вас получилась на славу). Бóльшая часть ИИ сейчас даже откажется генерировать подобное, ссылаясь на запрет использования материалов с публичными личностями, но, если у вас каким-то чудом получилось, пусть это греет душу только вам.

Чтобы уменьшить вероятность создания дипфейка:

♦ ограничьте публичные фото/видео: меньше качественного материала → сложнее создать дипфейк. Установите настройки приватности в соцсетях;

♦ варьируйте внешность: разные прически, макияж, очки;

♦ будьте осторожны с биометрией: не загружайте высококачественные селфи и длинные аудио/видео в сомнительные приложения.

2.3.1. Как распознать на видео

Дипфейки все еще сильно отличаются от реальных людей. Конечно, речь не о тех случаях, когда кто-то способен вложить в разработку баснословные суммы и огромное количество ресурсов. У мошенников, которые обычно общаются с несколькими жертвами, сейчас попросту нет возможности сделать крайне реалистичный дипфейк – затраты превысят вероятный «доход». Поэтому всегда обращайте внимание на:

♦ естественность движений – насколько они соответствуют человеку, которого вы знаете, физиологично ли выглядят его мелкие движения, моргает ли он;

♦ как падает свет. На дипфейке могут появляться нереалистичные тени;

♦ четкость видео. Видео с дипфейками обычно заведомо ниже качеством;

♦ артефакты по краям силуэта. Размытые пиксели, дрожание, задержка – что угодно;

♦ несоответствие эмоций лица и голоса, «пустой» взгляд;

♦ для маскировки этих признаков часто используется низкое качество изображения;

♦ и, конечно, задумывайтесь о реалистичности происходящего. Например, был случай, когда «известный исполнитель из Южной Кореи» созванивался с российской женщиной из небольшого городка и просил у нее денег. Случай грустный, но вопросы имеются. Не верьте всему, что видите.

2.3.2. Как распознать на фото

Фото сейчас можно сделать достаточно высокого качества, поэтому в случае сомнений рекомендуется использовать дополнительные сервисы:

♦ Image Edited;

♦ KaiCatch;

♦ Truepic;

♦ Deepware;

♦ Forensically.

ПРИЗНАКИ МОШЕННИЧЕСТВА С ДИПФЕЙКОМ

ƒ Шокирующий контент.

ƒ Требует срочных действий.

ƒ Из неизвестного источника.

ƒ «Слишком хорошо/плохо, чтобы быть правдой».

ƒ Видеозвонок «руководителя» с просьбой перевести деньги.

Перезвоните по известному номеру!

Проверьте через другой канал связи!

Создайте с близкими кодовое слово, о котором будете знать только вы!

Глава 3 Экологический след

К этому моменту мы уже рассмотрели как впечатляющие возможности ИИ, так и потенциальные риски для человека. Но есть еще одна, менее очевидная, но серьезная проблема: экологический след ИИ.

Обучение и эксплуатация современных нейросетей требуют колоссальных ресурсов, производят огромное количество выбросов углекислого газа и потребляют невероятные объемы воды. ИИ может помогать решать экологические проблемы, но при этом сам создает новые.

3.1. Энергопотребление

Создание большой языковой модели – это не просто написание кода. Это месяцы непрерывных вычислений на тысячах мощнейших процессоров, работающих одновременно.

Например, обучение GPT‐3 потребовало около 1287 МВт·ч электроэнергии. Для сравнения: трансатлантический перелет Нью-Йорк – Лондон на одного пассажира ≈ 1,5 МВт·ч, получается, что обучение GPT‐3 ≈ 858 трансатлантических перелетов, или количество энергии, достаточное для зарядки смартфона каждый день в течение 120 лет.

Однако дело не только в обучении. Каждый запрос к любой ИИ-системе также требует энергии. Один запрос к ChatGPT: потребляет в 4–5 раз больше энергии, чем обычный поисковый запрос в Google, а ведь в день он обрабатывает более 100 миллионов запросов. В год это примерно 44–106 ГВт·ч – энергопотребление города с населением 40–100 тысяч человек.

3.2. Углеродный след

Энергия не возникает из воздуха – для ее производства сжигается топливо, что приводит к выбросам CO2. Для примера возьмет ту же модель GPT‐3. Ее обучение привело к выбросу ≈ 500–550 тонн CO2, это примерно эквивалентно пяти годам вождения среднего автомобиля.

Конечно, углеродный след сильно зависит от того, где обучается модель, и источника энергии. Обучение одной и той же модели в Китае, где используется уголь, создаст в 10–13 раз больше выбросов CO2, чем во Франции, где для этих же целей можно использовать атомную энергию.

По оценкам исследователей, глобальная индустрия ИИ производит около 3 % мировых выбросов CO2 от электроники и ИКТ-сектора. Если текущие тенденции сохранятся, к 2030 году доля ИИ может вырасти до 5 % мировых выбросов.

3.3. Водопотребление

Мощные серверы выделяют огромное количество тепла, и их нужно охлаждать. Во многих дата-центрах для этого используется вода, значительная часть которой безвозвратно теряется (испаряется).

Обучение GPT‐3 потребовало около 700 000 литров воды, а это эквивалентно годовому потреблению воды 5–7 человек. Средний дата-центр сейчас потребляет от 1 до 5 миллионов литров воды в день, и проблема эта усугубляется в прямой зависимости от повышения мощности ИИ.

Но ведь воды на нашей планете достаточно – можно возразить. Все немного сложнее, ведь дата-центры используют питьевую воду, а не техническую из-за требований к чистоте: примеси могут повредить оборудование, а строятся они, как правило, в регионах с дефицитом пресной воды из соображений экономии,