ডিপফেক টেকনোলজী কি ? এর কাজ কি কি? | What is Deep Fake technology ?

 ডিপফেক টেকনোলজি সম্পর্কে আপনি কী জানেন?

“ডিপফেক টেকনোলজি”

এই প্রযুক্তি আর্টিফিশিয়াল ইনটেলিজেন্স এর মাধ্যমে ছবি থেকে চেহারা হুবুহু নকল করতে সক্ষম। দুর্ভাগ্যজনভাবে এই প্রযুক্তি এখন খারাপ লোকদের হাতে। Deep Fake technology দিয়ে এখনো পর্যন্ত যতগুলো কাজ হয়েছে তার ৯৬% ই পর্ণোগ্রাফি। আপনার একটি ছবি ব্যবহার করে তারা কোন নগ্ন মানুষের মুখের সাথে একেবারে নিখুঁত ভাবে প্রতিস্থাপন করতে পারবে । এটি এখনো পর্যন্ত ১ লক্ষের অধিক মেয়ের জীবন ধ্বংস করেছে।

তাই যারা এখনো নিজের ছবি ফেসবুক-ইন্সাগ্রাম এ দিয়ে রেখেছেন তারা দ্রুত ছবিগুলো সড়িয়ে নিন কোন ক্ষতি হয়ে যাওয়ার আগে। যারা এ ব্যাপারে জানেনা তাদের জানিয়ে দিন।

ফটোশপ ও অন্যান্য কিছু সফটওয়্যার আসার পর থেকে ইচ্ছামতো ও নিখুঁতভাবে নকল ছবি তৈরি করা যায়। তবে নকল ভিডিও বানানো অতটা সহজ ছিল না। ছবিতে একজনের মাথা কেটে অন্য জায়গায় বসানো যতটা সহজ, ভিডিওর ক্ষেত্রে তা ততটা সহজ নয়। কারণ মানুষের গলার আওয়াজ, অভিব্যক্তি, তাকানোর ধরন ইত্যাদি হুবহু নকল করা যেত না। এটি অসম্ভব ছিল একটি নতুন প্রযুক্তি আসার আগ পর্যন্ত।

নকল ভিডিও বানানোর এই প্রযুক্তির নাম ডিপফেক বা ডিপফেক টেকনোলজি। এই প্রযুক্তি ব্যবহার করে যেকোনো মানুষের হুবহু নকল ভিডিও বানানো সম্ভব। মেশিন লার্নিংয়ের প্রয়োগ ঘটানোর মাধ্যমে দিন দিন এই অভিশপ্ত প্রযুক্তিটি আরো নিখুঁতভাবে নকল ভিডিও তৈরি করতে সক্ষম হচ্ছে।

ডিপফেক আসলে কীভাবে কাজ করে?

ডিপফেক বলতে নকল ভিডিও বা অডিওকে বোঝায়। আপাতদৃষ্টিতে তা দেখতে আসল মনে হলেও তা মোটেই আসল নয়। ডিপফেক নামটির মাঝেই এর সংজ্ঞা নিহিত রয়েছে। ডিপ মানে গভীর এবং ফেক মানে নকল। অর্থাৎ ডিপফেক বলতে এমন কিছুকে বোঝায় যা খুবই গভীরভাবে নকল করা হয়েছে। মেশিন লার্নিং হলো ডিপফেক ভিডিও বানানোর প্রধান অস্ত্র। মেশিন লার্নিংয়ের একটি কৌশলের নাম “জেনারেল অ্যাডভারসেরিয়াল নেটওয়ার্ক” (GAN)। এর মাধ্যমে প্রথমে একজন ব্যক্তির বিভিন্ন অভিব্যক্তির হাজারখানেক ছবি সংগ্রহ করা হয়। এরপর সেই ছবিগুলো মেশিন লার্নিংয়ের মাধ্যমে প্রক্রিয়া করে তার মুখের সব ধরনের অভিব্যক্তির একটি সিমুলেশন তৈরি করা যায়। কৃত্রিম বুদ্ধিমত্তার উত্তরোত্তর উন্নতির ফলে ব্যক্তির গলার আওয়াজও হুবুহু নকল করা সম্ভব। এসব ভিডিও ও অডিও নানাভাবে প্রক্রিয়া করে এমন একটি নকল ভিডিও তৈরি করা হয় যা খালি চোখে শনাক্ত করা অনেক কঠিন।

আমাদের দৃষ্টিসীমার পর্যায়কাল ০.১ সেকেন্ড। অর্থাৎ ১০০ মিলি সেকেন্ডের কম সময়ে ঘটে যাওয়া কোনো দৃশ্য আমাদের চোখে বাঁধবে না। কৃত্রিম বুদ্ধিমত্তা দিয়ে তৈরি করা ভিডিওগুলোতে নানা ধরনের রূপান্তর ঘটে এর থেকেও কম সময়ে। তাই খালি চোখের পক্ষে আসল-নকলের যাচাই করা সম্ভব হয় না।