人生を狂わせるレベルの「ディープフェイク画像」を他人のSNS投稿から制作できるGoogleのAI技術 | AppBank
つい最近まで、フェイク画像を作る方法は、写真を切り貼りするか、フォトショップを使いこなして合成するしかありませんでした。しかし現在では、写真のようなリアルなディープフェイクが、誰でも出来る時代に入り始めています。 この画像生成AIによるディープフェイクの精度と危険性を、テック系メディア「Ars Technica」が実験を通して解説しています。 *Category:テクノロジー Technology *Source：Ars Technica ,@natanielruizg(Twitter) ,@MikaelThalen(Twitter) 画像生成AIが「たった数枚のSNS画像」からディープフェイクを生成 今回の「Ars Technica」の実験で、フェイク画像の対象となったのは「ジョン」というこちらの男性。 もちろん彼は実在する人物ではなく、AIが合成した架空の人物です。「Ars Techn
図とコードで必ず分かるニューラルネットワークの逆伝播
連載目次 本稿は、ニューラルネットワーク（以下、ニューラルネット）の仕組みや挙動を、数学理論からではなくPythonコードから学ぶことを目標とした連載（基礎編）の第2回です。「難しい高校以降の数学は苦手だけど、コードを読んでロジックを理解するのは得意！」という方にはピッタリの記事です。 前回の第1回では、本連載の目的や特徴を示した後で、「ニューラルネットの訓練（学習）処理を実現するために必要なこと」として、 ステップ（1）順伝播： forward_prop()関数として実装（前回） ステップ（2）逆伝播： back_prop()関数として実装（今回） ステップ（3）パラメーター（重みとバイアス）の更新： update_params()関数として実装（次回）。これによりモデルが最適化される という3大ステップを示しました。前回はこのうちの「ステップ（1）順伝播」まで実装が完了しています。今回
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
