أطلقت جامعة الإمارات العربية المتحدة ضمن فعالياتها المشاركة في المنتدى الدولي للاتصال الحكومي 2022 في دورته الـ11 في مركز إكسبو الشارقة، ابتكاراً لفريق بحثي من أعضاء هيئة التدريس في كلية تقنيات المعلومات، وهو عبارة عن تطبيق تقني حديث بمسمى “التزييف المعمق”، يعتمد مبدأ وضع كلام ونسبه إلى شخص آخر لم يقله، حيث يتمّ أخذ صورة له ومن ثم إدخال معلومات التطبيق بمهارات تقنية وخوارزميات رياضية خاصة، بحيث يتمّ وضع كلام على صورة شخص آخر لايمكن التفريق بين الصورة والصوت الحقيقي وبين الصورة المزيفة التي تحمل نفس تعابير الوجه وحركات الشخص الذي تمّ نسب الكلام له.
وأكد الدكتور عبد القادر نصر الدين بلقاسم، الأستاذ المشارك في قسم هندسة الحاسوب والشبكات بكلية تقنية المعلومات، المشرف على الفريق البحثي، أنه يمكن الاستفادة من هذ التطبيق من قبل وسائل الإعلام التي تقوم بتزييف الحقائق أو الأخبار للتأثير في الرأي العام، كما يمكن الاستفادة منه في تطبيقات التعليم من خلال استحضار أصوات شخصيات بارزة عرفها التاريخ وإضافة الكلام وتعابير الوجه إلى صورها مما يضفي نوعاً من التشويق على العملية التعليمية .
وأضاف أنه في هذا العصر من التقنيات المتسارعة، أظهر الذكاء الاصطناعي نجاحاً هائلاً في العديد من المجالات والتطبيقات التقنية، حيث تعتمد تقنية التزييف العميق ” Deepfake” على خوارزمية ذكاء اصطناعي، يتمّ فيها استبدال شخص واحد في مقطع فيديو موجود بشخص له خصائص وجه مماثلة. تتمثل الفكرة الأساسية للتزييف العميق في إنشاء نموذج تعلم عميق يعتمد على شبكات الخصومة التوليدية (GAN) والمشفرات التلقائية العميقة.
وأوضح أنه يتمّ جمع هذه النماذج وحركات وتعبيرات وجه الشخص وتولّد تعابير واقعية وحركات شخص آخر يمكن خداعها بسهولة، على الرغم من توفر العديد من خوارزميات التزييف العميق. وأشار إلى وجود نقص في تطبيقات “التزييف العميق” المستندة إلى الويب والتي توفر استجابة في الوقت الفعلي للمستخدمين المتفاعلين، لذلك يهدف المشروع إلى تطوير تطبيق مزيف عميق على شبكة الإنترنت لإنشاء مزيفات عميقة في وقت شبه حقيقي يُركز على سكان الإمارات العربية المتحدة.
ومن جهته أشار الطالب عبدالرحمن الكعبي من كلية تقنية المعلومات أنه تمّ تطوير خوارزمية التزييف المعمق باستخدام ثلاث خطوات، أولاً لاستخراج الوجوه من صورة المصدر ومقطع فيديو. في الخطوة الثانية يتمّ استخدام نموذج قائم على التعلم العميق مثل GAN لتدريب المشفر على تحويل وجه إلى آخر. أخيراً، يتمّ إجراء المبادلة حيث يقوم النموذج بإقران الصورة المصدر، وكل إطار من إطار فيديو القيادة ، ويقوم بتنفيذ رسوم متحركة للصورة للكائن المصدر. على عكس نماذج التزييف العميق الأخرى ، فإن النموذج المستخدم في هذا المشروع قادر على نمذجة الحركات المعقدة من خلال استخدام خوارزميات مُحدّدة بطريقة تخضع للإشراف الذاتي. يتعلم النموذج المقترح تمثيلًا كامنًا للحركات في الفيديو ويعيد بناء التزييف العميق من إطار واحد. ويمكن للمستخدمين تحميل الصور ومقاطع الفيديو الخاصة لتطبيق مزيف عميق.
