De deepfakes av Matteo Renzi och Matteo Salvini som har blivit galna på sociala medier de senaste dagarna har också visat oss kraften hos dessa falska videor
Den falska videon som sändes av Striscia la Notizia, där den före detta premiärministern Matteo Renzi hånar många politiska motståndare, har även i Italien väckt kontroverser om så kallade "Deepfakes". Det var inte en imitatör, som Renzi själv först trodde, utan en video som förfalskats med hjälp av mjukvara baserad på artificiell intelligens.
Sådana videor har setts under de senaste tre åren, särskilt i USA. Den mest kända är den där USA:s tidigare president Barack Obama förolämpar sin efterträdare Donald Trump. En annan Deepfake som har gått till historien är den där Mark Zuckerberg erkänner att Facebook kontrollerar data och därmed kontrollerar människors liv. Andra kändisar har i sin tur fallit offer för manipulerade videor: Taylor Swift, Katy Perry, Gal Gadot, Emma Watson, Scarlett Johansson och Daisy Ridley. I dag kan vem som helst, tack vare smartphoneappar som alla kan ladda ner, få oss att säga de mest absurda saker: allt de behöver är en video där vi säger något helt annat.
Deepfakes: hur de görs
I september 2019 publicerades till och med en "pedagogisk" Deepfake: MIT Technology Review gjorde en falsk videointervju med Vladimir Putin, där den ryske presidenten säger till amerikanerna: "Om ni är idioter, är det inte mitt fel". Enligt den vetenskapliga tidskriften var syftet med videon att visa amerikanerna hur lätt det är att skapa en Deepfake och få folk att tro på även de mest osannolika saker. För att skapa en Deepfake räcker det idag att använda en smartphone-app som FakeApp eller Face2Face. Resultaten är inte jämförbara med dem som erhålls med mer komplexa programvaror, men är inom räckhåll för alla.
Hur man försvarar sig mot Deepfakes
Det faktum att vi talar om Deepfakes är paradoxalt nog positivt: att veta att det alltid finns en möjlighet att videon vi tittar på är helt falsk är det första sättet att försvara oss. Det finns också programvara som är särskilt utformad för att känna igen Deepfakes. XceptionNet har till exempel utvecklats av Münchens tekniska universitet för att leta efter spår av manipulering i videofilens data. XceptionNet använder naturligtvis också artificiell intelligens och algoritmer för maskininlärning för att avslöja falska videor.