GoogleはColab上のディープフェイクプロジェクトをひそかに禁止した

GoogleはColab上のディープフェイクプロジェクトをひそかに禁止した

最近、GoogleがColaboratory(Colab)サービス上のディープフェイクプロジェクトをひっそりと禁止したとの報道があり、これはディープフェイク目的でプラットフォームリソースを大規模に利用する時代が終わったことを意味しているかもしれない。

ご存知のとおり、Colab は、研究者がブラウザ経由で直接 Python コードを実行し、GPU などの無料のコンピューティング リソースを使用して独自のプロジェクトをサポートできるオンライン コンピューティング リソース プラットフォームです。 GPU のマルチコア特性により、Colab は Deepfake モデルなどの機械学習プロジェクトやデータ分析の実行に最適です。

ある程度の訓練を経ると、ディープフェイク技術を使ってビデオクリップ内の顔を入れ替えたり、リアルな表情を加えたりできるようになり、本物とほとんど区別がつかなくなる。しかし、この技術はフェイクニュースの拡散、リベンジポルノの作成、娯楽目的で使用されることが多いです。この技術の実際の応用において倫理的な制限がないことは、常に論争の的となってきました。

ディープフェイク禁止

インターネット・アーカイブのウェブサイトarchive.orgの履歴データによると、この禁止は今月初めに行われ、Google Researchはディープフェイクを禁止プロジェクトのリストにひそかに追加したという。

DFL ソフトウェア開発者の「chervonij」が Discord コミュニティ プラットフォームで指摘したように、Colab プラットフォームでディープフェイクのトレーニングを試行するユーザーは、次のようなエラー レポートを受け取ります。

「許可されていないコードを実行している可能性があります。これにより、将来的に Colab を使用できなくなる可能性があります。禁止されている行為の詳細については、FAQ ドキュメントをご覧ください。」

現在、多くのユーザーがColabの事前トレーニング済みモデルを使用して高解像度プロジェクトを開始しているため、アナリストは、この新しい制限がディープフェイクの世界に大きな影響を与えると予想しています。コーディングの経験がない人でも、Colab を使えばプロジェクト プロセスをスムーズに進めることができます。そのため、多くのチュートリアルでは、ユーザーが Google の「無料リソース」プラットフォームを使用して独自の Deepfake プロジェクトを開始することを推奨しています。

資源の不正使用

Google が今回の禁止措置を実施しているのは倫理的な懸念からなのか、プロジェクトで使用されている無料のコンピューティング リソースの不正使用が原因なのかは不明です。

Colab はもともと、科学的目標を達成するために何千ものリソースを必要とする研究者を支援するために設立されました。これは、GPU が不足しているこの時代には特に重要です。

しかし、その逆のことが起こりました。一部のユーザーがプラットフォームの無料リソースを使用して大規模なディープフェイクモデルを作成し、Colabの利用可能なリソースを長期間大量に占有していたことが報告されました。

許可されていないアイテムの完全なリストは次のとおりです。

  • Colab インタラクティブ コンピューティングに関連しないファイル ホスティング、メディア サービス、またはその他の Web サービス製品
  • トレントをダウンロードしたり、ピアツーピアのファイル共有を行う
  • リモートデスクトップまたはSSHの使用
  • リモートエージェントへの接続
  • 暗号通貨マイニング
  • サービス拒否攻撃の実行
  • パスワードクラッキング
  • 複数のアカウントを使用してアクセスまたはリソースの使用制限を解決する
  • ディープフェイクの作成

禁止されたこれらのプロジェクトが、通常の科学研究の基準からは程遠いものであることは容易に理解できる。一部のアイテムはフェアユースに該当しますが、Google ではフェアユースよりも不正使用のケースの方がはるかに多く見られます。

参照元: https://www.bleepingcomputer.com/news/technology/google-quietly-bans-deepfake-training-projects-on-colab/

<<:  医師は偶然、ある秘密を発見しました。DALL-E 2 は独自の言語を作成しましたが、その言語は人間には理解できませんが、特定のイメージを生成することができ、トラブルを引き起こす可能性があります。

>>:  エッジ AI は何ができるのでしょうか?

ブログ    
ブログ    
ブログ    

推薦する

コンピュータービジョン: 画像検出と画像セグメンテーションの違いは何ですか?

人工知能における画像処理人工知能には画像処理のためのさまざまなタスクがあります。この記事では、物体検...

人工知能に関しては 5 つの主要な考え方があります。あなたはどれを支持しますか?

将来の雇用状況は依然としてテクノロジー大手やCEOによって決定されますが、人工知能の将来は依然として...

Python のデータ構造とアルゴリズム - 優先度キュー

[[405132]]序文キュー ライブラリは、マルチスレッド プログラミングに適した先入れ先出し (...

気候変動と戦うには人工知能が重要

気候変動が世界中の環境、社会、政治、経済システムに大きな影響を与えることは否定できません。したがって...

GPT-4を使用すると、成績の悪い生徒は成績の良い生徒よりも有利になる

学生が AI を使用して「不正行為」を行うことが許可された場合、成績分布はどのように変化するでしょう...

データ分析 VS アルゴリズムモデル、どのように作業を分割し、効率的に連携するか?

[[438791]]この記事はWeChat公式アカウント「地道学院」から転載したもので、著者は地道...

200以上の大規模モデル論文の調査と分析、数十人の研究者が1つの論文でRLHFの課題と限界をレビュー

ChatGPTの登場以来、OpenAIが使用するトレーニング方法である人間によるフィードバックによる...

データアーキテクチャはAIと医療の未来を推進する上で重要

COVID-19パンデミックは、医学的発見のスピードの重要性だけでなく、その加速を支援するデータサイ...

この目立たないロボットトラックにユニコーンが登場しました!

人工知能やビッグデータなどの技術の発展に伴い、チャットボットも大きな進歩を遂げています。その応用分野...

「新しいインフラ」に注力 - Powerleader がコンピューティングパワーで人工知能を強化

「新インフラ」の7つの主要分野の一つとして、人工知能は政策推進と産業成熟度の大幅な向上の恩恵を受け、...

好むと好まざるとにかかわらず、AIクラウド運用はやってくる

[51CTO.com クイック翻訳] 私は過去30年間AIに触れてきましたが、AIの能力が過大評価さ...

Huaweiの「ブラックテクノロジー」がついに公開。サイバーバース以外にも重要なニュースがある

8月11日はHuawei Developer Conferenceの3日目であり、カンファレンスの議...

...

シングルトランスフォーマー情報検索、Google は微分可能な検索インデックスでデュアルエンコーダーモデルに勝利

情報検索 (IR) は、インターネットの誕生以来、揺るぎない地位を築いてきました。膨大なデータからユ...

ベイジアンパーソナライズランキングアルゴリズムを1つの記事で理解する

[[260485]] [51CTO.com からのオリジナル記事] 哲学にさまざまな流派があるように...