KELOMPOK RISET DI FACEBOOK. INI MENGIDENTIFIKASI WAJAH MANUSIA DALAM GAMBAR DIGITAL. INI
MENGGUNAKAN JARINGAN SARAF SEMBILAN LAPIS DENGAN LEBIH DARI 120 JUTA BOBOT KONEKSI,
DIORGANISASIKAN SEBAGAI JARINGAN SIAM, DAN DILATIH PADA EMPAT JUTA GAMBAR YANG
DIUNGGAH OLEH PENGGUNA FACEBOOK. [1] [2] TIM PENELITIAN FACEBOOK TELAH MENYATAKAN
BAHWA METODE DEEPFACE MENCAPAI AKURASI 97,35% [3], DIBANDINGKAN DENGAN 85% UNTUK
SISTEM IDENTIFIKASI GENERASI SELANJUTNYA FBI. [4] SALAH SATU PENCIPTA PERANGKAT LUNAK,
YANIV TAIGMAN, DATANG KE FACEBOOK MELALUI AKUISISI MEREKA PADA FACE.COM 2007. [5]
TEKNOLOGI FACIAL RECOGNITION BUKAN SESUATU YANG ASING LAGI DI ERA SEKARANG. TEKNOLOGI
INI TELAH DITERAPKAN HAMPIR DI MANA SAJA: JALANAN, TEMPAT BELANJA, BANDARA, HINGGA
GAWAI. DENGAN DETEKSI WAJAH, SETIAP ORANG DAPAT DIVERIFIKASI IDENTITASNYA UNTUK TUJUAN
KEAMANAN: APAKAH KITA TERMASUK KRIMINAL ATAU TIDAK.
PADA DASARNYA, PENDETEKSIAN WAJAH SAMA SEPERTI HALNYA TEKNOLOGI PENCOCOKAN SIDIK JARI,
PEMINDAIAN RETINA, SAMPAI PENGENALAN SUARA YANG DILAKUKAN UNTUK MEMBEDAKAN ANTARA
KONDISI FISIK SESEORANG YANG SATU DENGAN LAINNYA. SEMUA SISTEM TERSEBUT MENGAMBIL DATA
DARI ORANG YANG TIDAK DIKENAL, MENGANALISIS DATA DALAM INPUT, SERTA BARU DICOCOKAN
DENGAN ENTRI YANG ADA DI DATABASE.
KETIKA SEBUAH GAMBAR BERHASIL DITANGKAP, PERANGKAT LUNAK DALAM KOMPUTER AKAN
MENGANALISISNYA UNTUK DIIDENTIFIKASI DI MANA WAJAH-WAJAH TERSEBUT BERADA. SETELAH
WAJAH BERHASIL DIIDENTIFIKASI, SISTEM FACIAL RECOGNITION AKAN MEMPROSES LEBIH DEKAT
GAMBAR YANG LANTAS DITUANGKAN DALAM BENTUK FACEPRINT. SAMA HALNYA SIDIK JARI,
FACEPRINT MERUPAKAN KARAKTERISTIK YANG DIGUNAKAN UNTUK MENGIDENTIFIKASI SECARA
KHUSUS WAJAH SESEORANG.
PERKEMBANGAN
PENELITI FACEBOOK TELAH MENERBITKAN SEBUAH MAKALAH TENTANG SISTEM PENGENALAN WAJAH YANG BARU DIRANCANG DENGAN AKURASI 97,25 PERSEN - HANYA 0,28 PERSEN LEBIH
SEDIKIT DARIPADA MANUSIA. PROYEK, YANG DISEBUT DEEPFACE, BERKINERJA LEBIH BAIK DARIPADA KEBANYAKAN SISTEM PENGENALAN WAJAH KETIKA DIUKUR TERHADAP KUMPULAN DATA
YANG BIASA DIGUNAKAN UNTUK MENILAI EFEKTIVITAS SISTEM INI.
PERTAMA KALI DILAPORKAN OLEH MIT TECHNOLOGY REVIEW, PENGEMBANGAN DEEPFACE MEWAKILI KEMAJUAN YANG SIGNIFIKAN DIBANDINGKAN SISTEM PENGENALAN WAJAH
SEBELUMNYA. HAL INI DISEBABKAN OLEH PENDEKATAN BARU TERHADAP KECERDASAN BUATAN YANG DIKENAL SEBAGAI "PEMBELAJARAN MENDALAM," DI MANA JARINGAN NEURON YANG
DISIMULASIKAN BELAJAR MENGENALI POLA DALAM SEJUMLAH BESAR DATA.
BERITA TREN
MESKIPUN KONSEP PEMBELAJARAN YANG DALAM SUDAH BERUSIA PULUHAN TAHUN, KOMPUTER BARU SAJA MENJADI CUKUP KUAT UNTUK PERHITUNGAN MATEMATIS YANG DIPERLUKAN
UNTUK MEMBUAT LEBIH BANYAK LAPISAN NEURON VIRTUAL. DENGAN KEDALAMAN YANG LEBIH BESAR INI, MUNCUL KEMAJUAN BESAR DALAM PIDATO DAN PENGENALAN GAMBAR, DAN
PERUSAHAAN WEB SEPERTI FACEBOOK, GOOGLE, PINTEREST, DAN NETFLIX IKUT MENGUANGKAN.
ALASAN MENGAPA PERUSAHAAN TEKNOLOGI BEGITU PANAS UNTUK SISTEM INI - MEMUNGKINKAN PENGAKUAN YANG LEBIH BESAR TERHADAP OBJEK DALAM SISTEM DAN MENGANALISIS
BAHASA, TANPA PENGAWASAN MANUSIA. MULAI DARI MENGIKLANKAN DATA HINGGA MENGIDENTIFIKASI TEMAN YANG TIDAK DITANDAI DALAM FOTO, SISTEM INI PADA AKHIRNYA
DIHARAPKAN MEMBANTU MENCIPTAKAN JEJARING SOSIAL YANG LEBIH BAIK.
TEKNOLOGI INI BEKERJA DALAM EMPAT TAHAP: MENDETEKSI, MELURUSKAN, MEWAKILI, DAN MENGKLASIFIKASIKAN. INTINYA, KECERDASAN BUATAN ADALAH MENGENALI FITUR-FITUR KECIL
YANG MEMBENTUK SUATU OBJEK ATAU SEPOTONG TEKS DAN KEMUDIAN MENYATUKANNYA UNTUK MEMBUAT PETA DARI KESELURUHAN HAL ITU. DEEPFACE MELAKUKAN PENYELARASAN DAN
MEWAKILI TAHAPAN SATU LANGKAH LEBIH JAUH.
MENGGUNAKAN MODEL TIGA DIMENSI MANUSIA RATA-RATA, PERANGKAT LUNAK MEMPOSISIKAN WAJAH UNTUK MELIHAT KE DEPAN. KEMUDIAN, DESKRIPSI NUMERIK WAJAH TERORIENTASI
DIHITUNG MENGGUNAKAN JARINGAN SARAF TIRUAN. JIKA DEEPFACE HADIR DENGAN DESKRIPSI YANG CUKUP MIRIP DARI DUA GAMBAR BERBEDA, ITU HARUS MENUNJUKKAN WAJAH YANG
SAMA, MENURUT MIT TECHNOLOGY REVIEW.
PARA PENELITI FACEBOOK MELATIH SISTEM DEEPFACE DENGAN MEMANFAATKAN DATA GAMBAR PENGGUNA PERUSAHAAN - EMPAT JUTA GAMBAR WAJAH MILIK HAMPIR 4.000 ORANG.
SETIAP ORANG MEMILIKI RATA-RATA HAMPIR 1.000 GAMBAR.
PARA PENELITI BERENCANA UNTUK MEMPRESENTASIKAN HASIL KERJA DI KONFERENSI IEEE TENTANG VISI KOMPUTER DAN PENGENALAN POLA PADA BULAN JUNI
PERKEMBANGAN
FACE DETECTION
EMOTION ANALYSIS
VERIFICATION
FACE ATTRIBUTES & ANALYSIS
PERKEMBANGAN
PENGENALAN WAJAH DERMALOG DIKENAL DENGAN AKURASI DAN KECEPATAN TERTINGGI: SEKITAR 1
MILIAR KECOCOKAN PER DETIK PADA SATU BLADE.
SELANJUTNYA MODUL UNTUK DETEKSI SPOOF DAPAT DIBELI. INI AKAN MENDETEKSI SERANGAN
SPOOF MENGGUNAKAN FOTO ATAU TOPENG.
Pada bulan Mei 2019, pembicara Dewan Perwakilan Rakyat Amerika Serikat
Nancy Pelosi menjadi subjek dari dua video viral, salah satunya memiliki
kecepatan melambat hingga 75 persen, dan yang lainnya menyunting bagian-
bagian pidatonya pada konferensi pers. untuk segmen Fox News, Lou Dobbs
Tonight, yang keduanya dimaksudkan untuk membuat Pelosi tampak seolah-olah
sedang mengutarakan pidatonya. Presiden Donald Trump membagikan video
terakhir di Twitter, dengan judul video "PELOSI STAMMERS THROUGH NEWS
CONFERENCE".
Video-video ini disebut sebagai deepfake oleh banyak outlet berita utama, yang
membuat deepfake menjadi perhatian Komite Intelijen Rumah Amerika Serikat;
Namun, ketua Komite, Adam Schiff, mengklarifikasi dalam sebuah wawancara
dengan CNN bahwa video yang melambat itu sebenarnya bukan suatu kesalahan
besar, sebaliknya menyebutnya sebagai video "palsu murahan" dan
menggambarkannya sebagai "sangat mudah dibuat, sangat sederhana untuk
dibuat, konten nyata baru saja dirawat
INGAT TUJUAN ANDA