Sanasto

Deepfake

Mikä on Deepfake?

Deepfake on tekoälyllä luotu tai muokattu kuva, video tai äänitallenne, joka näyttää vakuuttavasti oikeiden ihmisten sanovan tai tekevän asioita, joita ei ole koskaan tapahtunut. Elokuvan tai dubbauksen kaltaisten oikeutettujen käyttötarkoitusten lisäksi deepfakeja käytetään disinformaatioon, maineen vahingoittamiseen ja petoksiin – esimerkiksi väärissä puheluissa, joissa esiintyy esihenkilö ja pyytää tilisiirtoa. Suojautumiskeinoja ovat takaisinsoitto tunnettuja kanavia pitkin, selkeät hyväksyntäprosessit ja tekoälyn tuottaman sisällön merkitseminen.

Aiheet

disinformaatio
petokset
generatiivinen tekoäly

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Generatiivinen kilpaileva verkko (GAN)

Generatiivinen kilpaileva verkko (GAN) koostuu kahdesta neuroverkosta, joita koulutetaan toisiaan vastaan: generaattori luo keinotekoista dataa, kuten kuvia, ja diskriminaattori yrittää erottaa ne oikeista. Tämän kilpailun myötä tulokset muuttuvat yhä realistisemmiksi. GAN-verkot esiteltiin vuonna 2014, ja ne muovasivat kuvanluontia ennen kuin diffuusiomallit yleistyivät; niitä käytetään esimerkiksi synteettisen koulutusdatan tuottamiseen tai kuvien parantamiseen.

Neuroverkot
kuvanluonti
+1

generatiivinen tekoäly

Generatiivinen tekoäly tarkoittaa tekoälyjärjestelmiä, jotka luovat uutta sisältöä – tekstiä, kuvia, ääntä, videota tai ohjelmakoodia – sen sijaan, että ne vain lajittelisivat tai arvioisivat olemassa olevaa dataa. Ne perustuvat malleihin, jotka oppivat kuvioita suurista datamääristä ja käyttävät niitä uskottavien uusien tulosteiden tuottamiseen. Liiketoiminnassa sitä käytetään esimerkiksi sähköpostien, tiivistelmien, tuotekuvausten tai kuvaideoiden luonnosteluun. Tulokset voivat sisältää virheitä, ja ne tulee tarkistaa ennen käyttöä.

peruskäsite
sisällöntuotanto
+1

Tekoälyetiikka

Tekoälyetiikka käsittelee tekoälyn kehittämiseen ja käyttöön liittyviä moraalikysymyksiä: reiluutta ja syrjintää, läpinäkyvyyttä ja selitettävyyttä, tietosuojaa, vastuuta virheistä, turvallisuutta sekä vaikutuksia työhön ja yhteiskuntaan. Organisaatioille se konkretisoituu ohjeistuksina, riskinarviointeina, inhimillisenä valvontana ja avoimena viestintänä tekoälyn rajoituksista. Esimerkki: ennen ansioluettelojen seulontatyökalun käyttöönottoa tarkistetaan, asettaako se tietyt ryhmät epäedulliseen asemaan.

etiikka
Vastuu
+1

Petosten tunnistus

Petosten tunnistus kattaa menetelmät, jotka tunnistavat epäilyttävät maksutapahtumat, tilaukset, tilit tai hakemukset varhaisessa vaiheessa. Säännöt ja oppivat mallit etsivät varoitusmerkkejä, kuten toisistaan poikkeavia toimitus- ja laskutusosoitteita, epätavallisia määriä, silmiinpistävää aikapainetta tai kertakäyttöisiä sähköpostiosoitteita. Sitä käytetään verkkokaupassa, pankkitoiminnassa, vakuutusalalla ja maksupalveluissa. Koska väärät hälytykset voivat koskea aitoja asiakkaita, ihmisten tulee tarkistaa osumat sen sijaan, että ne hylättäisiin automaattisesti.

Petosten ehkäisy
Riskienhallinta
+1

Malli