Blog

Novosti i trendovi u svijetu umjetne inteligencije i znanosti o podacima

Lucija Jusup

Praćenje novosti u svijetu umjetne inteligencije, ili još uže, u svijetu znanosti o podacima, može biti poprilično izazovan posao. Jako je puno vijesti, trendovi se mijenjaju iz dana u dan, znanstveni članci objavljuju se na dnevnoj bazi te je teško filtrirati sve informacije koje pristižu i odvojiti bitno od manje bitnog. Ovdje ćemo obraditi nekoliko tema o kojima se raspravlja već neko vrijeme, ali sve češće i sve glasnije, kao i neke teme i tehnologije koje se tek probijaju.

Deepfake

Duboka varka (engl. deepfake) je tehnologija o kojoj se već duže vrijeme piše i u posljednje vrijeme razlog je sve više rasprava kako u tehnološkom tako i u svakodnevnom svijetu. Deepfake mediji umjetno su stvorene datoteke, najčešće u slikovnom, audio ili video formatu, u kojima je osoba i/ili njen glas na postojećoj slici, zvučnoj snimci ili videu zamijenjena nečijim drugim likom. Dakako, ovdje ne govorimo o photoshop vještinama i sofisticiranom copy-paste postupku već je riječ o puno kompleksnijim procesima koji se odvijaju u pozadini. Sam čin lažiranja sadržaja star je vjerojatno koliko i sam sadržaj, međutim kod deepfake-a koriste se vrlo moćne tehnike strojnog učenja te se njima manipulira i generira sadržaj. Glavne metode koje se koriste za stvaranje deepfake sadržaja temelje se na dubokom učenju i uključuju treniranje generativnih neuronskih mreža, kao što su autokoderi i generativne suparničke mreže (engl. generative adversarial networks, GANs).

Slika 1. Rezultat primjene deepfake tehnologije umjetno su stvorene
datoteke, u kojima je osoba zamijenjena nečijim drugim likom

Deepfake se smatra jednom od najopasnijih upotreba umjetne inteligencije. Tvrtke za kibernetičku sigurnost vjeruju da će popularnost deepfake-a dodatno porasti u 2022. godini i da je to nešto na što moramo obratiti pozornost. Deepfake tehnologija definitivno je primjer puštanja duha iz boce, te jednom kada je krenuo njen razvoj nema povratka nazad, na prijašnje stanje. Nažalost, većina primjena deepfake-a u stvarnom svijetu ima loše i diskreditirajuće namjere. Jedan od prvih slučajeva koji uključuje zlonamjernu upotrebu deepfake-a dogodio se u Velikoj Britaniji. Kreatori deepfake sadržaja, u ovom slučaju prevaranti, telefonom su nazvali izvršnog direktora jedne energetske tvrtke u Ujedinjenom Kraljevstvu i lažirajući glas njegovog nadređenog u Njemačkoj, naredili mu da prebaci 220,000 eura na bankovni račun treće strane – prevaranata. Deepfake može biti vrlo zlokobno sredstvo u rukama ucjenjivača, ne samo u vidu velikih financijskih gubitaka nego i u vidu ljudskih života.

Deepfake sadržaji nisu zaobišli ni poznate i utjecajne ljude, kao što su glumci, pjevači, političari itd. Mnoge slavne žene postale su žrtve deepfake pornografije. Među njima su bile Scarlett Johansson, Jennifer Lawrence, Emma Watson i Gal Gadot. Tema je zahvatila i žene povezane s čelnicima različitih zemalja, poput Michelle Obame, Ivanke Trump i Kate Middleton. Unazad nekoliko godina pojavile su se i snimke bivšeg predsjednika SAD-a, Barracka Obame kako vrijeđa tadašnjeg predsjednika Donalda Trumpa, dok je recimo u jednom drugom videu prikazano kako Donald Trump ismijava Belgiju zbog njenog članstva u Pariškom sporazumu, a govor američke političarke Nancy Pelosi obrađen je kako bi publika povjerovala da je pijana.

Međutim, nisu sve primjene deepfake tehnologije zlonamjerne. Vjerujem da smo svi u jednom trenutku isprobali barem jednu od aplikacija koje koriste deepfake, bilo da se radi o aplikaciji koja učitava slike i nakon jednog klika pretvori nas u 80-godišnjake ili nam promijeni spol. Snapchat kamera od 2016. ima značajku za zamjenu lica (engl. face swap). TikTok koristi ovu tehniku kako bi omogućio korisnicima zamjenu lica u videozapisima. Disney Research Studios radi na vlastitoj deepfake tehnologiji vizualnih efekata, a u filmu Rogue One: A Star Wars Story, tehnologija deepfake korištena je za rekreiranje lica princeze Leie i Grand Moffa Tarkina. U listopadu prošle godine Adobe je predstavio Project Morpheus, koji je u osnovi video verzija njihove značajke Neural Filters. Radi se o filterima koji koriste strojno učenje za prilagodbu izgleda subjekta, prilagođavajući neke karakteristike poput dobi subjekta, boje kose i izraza lica (primjerice, kako bi promijenili izgled iznenađenja u izgled ljutnje). Morpheus donosi sve te prilagodbe, samo u video sadržaju, uz dodavanje nekoliko novih filtara, poput mogućnosti mijenjanja dlačica na licu i naočala.

Međutim, uz sve zlonamjerne primjene deepfake tehnologije postavlja se pitanje kako ih spriječiti. Nekoliko vodećih tehnoloških tvrtki već razvija vlastita rješenja koja se bore protiv deepfake sadržaja. Microsoft i Google omogućili su skupove podataka pomoću kojih programeri mogu trenirati svoje sustave za otkrivanje deepfake-a. Facebook je skupa s Microsoftom, Amazon Web Services i vodećim sveučilištima širom svijeta objavio DeepFake Detection Challenge (DFDC) za razvoj rješenja za otkrivanje deepfake videozapisa. Skup podataka koji se koristio u natjecanju kreirao je Facebook s plaćenim glumcima koji su sklopili sporazum o korištenju i manipulaciji njihovim sadržajima prilikom kreiranja skupa podataka. Nagrada za pobjednika natjecanja iznosila je 500.000 dolara, a pobjednički model postigao je točnost od 65,18% na black box skupu podataka.

Deepfake je vrlo mlada i perspektivna tehnologija. Čovječanstvo se s njom još uvijek upoznaje i još nije našlo njenu punu primjenu u našem društvu te kao i mnoge druge tehnologije, ima svoje prednosti i nedostatke. Trebat će nam vremena da shvatimo kako je maksimalno iskoristiti u različitim industrijama. S vremenom će postati mnogo kontroliranije, kao što je to slučaj s mnogim drugim inovacijama u prošlosti.

Algoritamska trgovina

Algoritamska trgovina (engl. algorithmic trading) pojam je koji je već dugo vremena u upotrebi, a popularnost mu je značajno porasla od ranih 1980-ih. Algoritamska trgovina je proces izvršavanja naloga automatski putem unaprijed programiranih uputa za trgovanje uzimajući u obzir varijable kao što su cijena, vrijeme i obujam. To su detaljno opisane upute o kupnji i prodaji, a trgovac ili investitor piše kod koji izvršava poslove u ime trgovca ili investitora kada su ispunjeni određeni uvjeti. Ova vrsta trgovanja pokušava iskoristiti brzinu i računske resurse računala u odnosu na ljudske trgovce. Algoritamsko trgovanje koristi složene formule, u kombinaciji s matematičkim modelima i ljudskim nadzorom, za donošenje odluka o kupnji ili prodaji financijskih vrijednosnih papira na burzi. Algoritamski trgovci često koriste tehnologiju visokofrekventnog trgovanja, koja može omogućiti tvrtki da napravi desetke tisuća transakcija u sekundi. Algoritamsko trgovanje također omogućuje brže i lakše izvršenje naloga, što ga čini atraktivnim za razmjene.

Slika 2. Algoritamsko trgovanje koristi složene formule i modele pri donošenju odluka o kupnji ili
prodaji financijskih vrijednosnih papira na burzi

Korištenje algoritama u trgovanju povećalo se nakon što su kompjuterizirani sustavi trgovanja uvedeni na američka financijska tržišta tijekom 1970-ih. U 21. stoljeću, algoritamsko trgovanje dobiva na snazi i kod maloprodajnih i kod institucionalnih trgovaca. Ima široku primjenu u investicijskim bankama, mirovinskim fondovima, investicijskim fondovima i mnogim sličnim financijskim institucijama. Istraživanje iz 2019. godine pokazalo je da je oko 92% trgovanja na Forex tržištu obavljali trgovački algoritmi, a ne ljudi.

Autor Michael Lewis skrenuo je pozornost javnosti na visokofrekventno, algoritamsko trgovanje kada je objavio knjigu Flash Boys, koja je dokumentirala živote trgovaca s Wall Streeta i poduzetnika koji su pomogli u izgradnji tvrtki koje su definirale strukturu elektroničkog trgovanja u Americi. Posljednjih godina raširila se praksa do it yourself algoritamskog trgovanja. Hedge fondovi kao što je na primjer Quantopian, uzimaju algoritme od programera amatera koji se natječu da osvoje provizije za pisanje najprofitabilnijeg koda.

Međutim, iako je brzina izvršenja naloga prednost u uobičajenim okolnostima, s druge strane može postati problem kada se više naloga izvršava istovremeno bez ljudske intervencije. Za Flash Crash 2010. okrivljuje se između ostalog i algoritamsko trgovanje. Još jedan nedostatak algoritamskog trgovanja je taj što likvidnost, koja se stvara brzim nalozima za kupnju i prodaju, može nestati u trenutku, eliminirajući priliku za trgovce da profitiraju na promjenama cijena.

Danas postoji jako puno softvera za algoritamsko trgovanje, od onih jednostavnih pa do vrlo kompleksnih, za profesionalnije korisnike, a jedan od najpopularnijih dostupan trgovcima na malo je MetaTrader 5.

Ithaca

Kada govorimo o predikcijama, predviđanjima, najčešće se misli o predviđanju budućih događaja. Međutim, Ithaca je alat koji predviđa prošlost. Naime, DeepMind je razvio Ithacu, alat za obnavljanje i postavljanje drevnih tekstova u mjesto i vrijeme kojem pripadaju kroz suradnju umjetne inteligencije s povjesničarima. Pisani ostaci ključni su za današnje razumijevanje prošlih civilizacija i svijeta u kojem živimo. Drevne civilizacije počele su pisati na kamenu, keramici, metalu i drugim materijalima kako bi dokumentirali i prenosili znanje. Nažalost, mnogi od tih zapisa nepotpuni su i oštećeni tijekom svih ovih godina ili su premješteni s mjesta gdje su izvorno nastali te je tumačenje takvih zapisa vrlo teško i zahtijeva puno vremena i truda.

Slika 3. Na slici se nalazi jedan primjer povijesnog teksta čiji su dijelovi kroz godine uništeni.
Ithaca je alat koji uz pomoć strojnog učenja prepoznaje tekst koji nedostaje te smješta ovakav
dokument u pripadajuće mjesto i vrijeme. Izvor: Artemidoro, Public domain, via Wikimedia Commons.

U razvoju ovog alata DeepMind je surađivao s Odjelom za humanističke znanosti Sveučilišta Ca’ Foscari u Veneciji, Klasičnim Fakultetom Sveučilišta u Oxfordu i Odjelom za informatiku Ekonomskog sveučilišta u Ateni. Cilj je bio istražiti kako strojno učenje može pomoći povjesničarima u tumačenju nepotpunih povijesnih natpisa i time dati bolje razumijevanje dijelova drevne povijesti i otključati potencijal suradnje umjetne inteligencije i povjesničara.

Alat je predstavljen 10. ožujka 2022. godine u članku objavljenom u časopisu Nature. Ithaca, koja je dobila ime po grčkom otoku, predstavlja duboku neuronsku mrežu koja je osposobljena za istovremeno obavljanje zadataka obnavljanja teksta koji nedostaje na oštećenim natpisima, identificiranja izvorne lokacije dokumenata i pomoći u utvrđivanju datuma kada su stvoreni. Ovo je zapravo nadogradnja na Pythiju, sustav DeepMinda koji se fokusirao na obnovu teksta.

Mreža je trenirana na natpisima napisanima na starogrčkom jeziku, a arhitektura Ithace temelji se na transformerima koristeći mehanizam samopažnje. Pri evaluaciji modela, Ithaca postiže 62% točnosti u zadatku obnavljanja oštećenih tekstova, 71% točnosti u identifikaciji njihove izvorne lokacije i može datirati tekstove u rasponu od 30 godina. Povjesničari već koriste ovaj alat za ponovnu procjenu značajnih razdoblja grčke povijesti. DeepMind je u suradnji s Google Cloudom i Google Arts & Cultureom pokrenuo besplatnu interaktivnu verziju Ithace, te jejavno objavljen kod, predtrenirani model i interaktivnu bilježnicu.

Antička Grčka igra ključnu ulogu u našem razumijevanju povijesti, ali je još uvijek samo jedan dio slike civilizacije. Trenutno se radi na novim verzijama Ithace koji će biti trenirani na drugim drevnim jezicima i povjesničari već mogu koristiti svoje skupove podataka na trenutnoj arhitekturi za proučavanje drugih drevnih sustava pisanja, od akadskog preko demotskog i hebrejskog do majanskog. Ithaca je samo početak razvoja ovakvih alata i ukazuje nam na potencijal suradnje strojnog učenja i humanističkih znanosti.

Reference:

  1. RecFaces, Deepfake: Everything You Need to Know About What It Is & How It Works, dostupno na: https://recfaces.com/articles/what-is-deepfake
  2. Wikipedia, Algorithmic trading, dostupno na: https://en.wikipedia.org/wiki/Algorithmic_trading
  3. Investopedia, Algorithmic trading, dostupno na: https://www.investopedia.com/terms/a/algorithmictrading.asp
  4. Kissell, Robert, Algorithmic Trading Methods
  5. DeepMind, Ithaca, dostupno na: https://deepmind.com/blog/article/Predicting-the-past-with-Ithaca