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    

推薦する

ディープラーニングにおける次の大きな進歩は機械読み取りでしょうか?

機械読み取りはディープラーニングの次の大きな進歩となるだろう[[184205]] 2016 年を振り...

AI分野におけるNVIDIA NeMoフレームワークの包括的な応用と利点の概要

1. NeMoフレームワークの紹介NVIDIA NeMo は、PyTorch と PyTorch L...

ヴェノムのように変形・修復可能なロボットが登場、1.5mmの亀裂も楽々通過

映画「ヴェノム」を見たことがある友人なら、「シンビオート」が液体の形で現れることを知っているでしょう...

ナレッジグラフから知識推論まで、AIのホットな話題になるのでしょうか?

[[384924]]今日は、ナレッジ グラフに関する記事を書いています。これは、ナレッジ グラフに...

元GitHub CEO:AIプログラミングアシスタントCopilotは価格よりも安く、損失はない

10月13日、元マイクロソフト幹部で元GitHub CEOのナット・フリードマン氏は、10月12日に...

...

Pythonディープラーニングフレームワークの比較の詳細な分析

PyTorch から Mxnet まで、これらの Python ディープラーニング フレームワークを...

...

機械学習アルゴリズムの基礎知識

利用できるアルゴリズムは多数あります。難しいのは、さまざまな種類の方法があり、それらの方法に拡張もあ...

UniPAD: ユニバーサル自動運転事前トレーニングモデル!あらゆる種類の知覚タスクをサポートできます

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

歴史を作ろう!地球からのドローンが火星へ飛び立ち、NASAはこのようにライト兄弟に敬意を表す

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

AIデータサービス業界は「認知戦争」に突入。なぜYunce Dataは業界No.1の座を維持しているのか?

新しいインフラストラクチャにより、AI の実装が加速され、その背後にある「糧」である AI データ ...

Amazon Lexについて

Amazon Lex は、音声とテキストを使用してあらゆるアプリケーションに会話型インターフェースを...