รูปที่คุณเห็นอยู่นี้ ไม่ใช่คนจริงๆ
โพสเรื่อง Game Theory ของผมเมื่อสัปดาห์ก่อนได้รับความสนใจเยอะมาก เลยอยากจะเอาเทคนิค AI ที่เอา Game Theory มาเล่าสู่กันฟัง
มีเทคนิคทาง Machine Learning ตัวนึงที่ได้รับความนิยมมากในปีที่ผ่านมาชื่อว่า GAN (Generative Adversarial Networks) เป็นอัลกอริทึ่มในการสร้าง "ของปลอม" เลียนแบบ "ของจริง"
เช่น สร้างหน้าคนปลอมๆ ที่ถอดแบบมาจากตัวอย่างหน้าคนจริงๆ นับล้านๆ หน้า
หรือ สร้างกราฟหุ้นปลอมๆ สร้างวิวปลอมๆ สร้างเพลง สร้างนิยาย ฯลฯ
ของปลอมที่ถูกสร้างขึ้นนี้ จะมีลักษณะคล้ายของจริงจนคุณแทบจะแยกไม่ออก (ดูรูปตัวอย่างในโพส)
หลักการทำงานของ GAN ใช้เทคนิคทาง Game Theory เข้ามาช่วย เริ่มจาก GAN จะมีผู้เล่นสองตัว (agent) ตัวแรกคือ Generator ตัวที่สองคือ Discriminator
ยกตัวอย่างการสร้างหน้าคนปลอม
เกมของ GAN จะเป็น zero-sum non cooperative game หมายถึง ผู้เล่นจะไม่มีการได้ประโยชน์ร่วมกันแบบ win-win (คนนึงได้ คนนึงต้องเสีย)
เริ่มจาก Generator จะถูกฝึกด้วยการให้เรียนรู้หน้าคนเป็นจำนวนล้านๆ หน้า แล้วหลังจากนั้นลองสุ่มสร้างหน้าคนแบบมั่วๆ ขึ้นมา แล้วให้ Discriminator จับผิด ว่านี่เป็นของปลอมหรือของจริง
Discriminator ก็จะถูกฝึกด้วยการให้เรียนรู้หน้าคนจำนวนมากเช่นกัน แล้วมาจับผิด Generator หาก Discriminator จับผิดสำเร็จ Generator จะกลับไปสุ่มสร้างภาพใหม่แล้วให้ Discriminator จับผิดใหม่อีกรอบ วนแบบนี้ไปเรื่อยๆ
เกมจะจบก็เมื่อถึงจุดหนึ่งที่ Discriminator จับผิด Generator ไม่สำเร็จ
(ในทางทฤษฏีเกมก็คือ Nash Equilibrium นั่นเอง คือ action ของผู้เล่นหนึ่ง ไม่ทำให้อีกผู้เล่นเปลี่ยน action นั่นคือจุดสมดุลของเกม)
ด้วย GAN ทำให้เกิดนวัตกรรมที่น่าตื่นตาตื่นใจ ไม่ว่าจะเป็น Deepfake คือการเอาหน้าคนนึงไปแทนที่หน้าของอีกคน ที่ถูกนำไปใช้ตัดต่อคลิปโป้ดาราบ้าง ตัดต่อคลิปทรัมป์พูด speech ปลอมๆ บ้าง
ใครสนใจลองเข้าไปเล่นเว็บนี้ดู หน้าคนทุกหน้าที่เกิดจากเว็บนี้ ไม่มีตัวตนจริงๆ ทั้งสิ้น เป็นหน้าที่ถูก GAN สร้างขึ้นมา https://www.thispersondoesnotexist.com
ในอนาคตเราจะเห็น GAN รวมถึงวิวัฒนาการใหม่ๆ ที่ต่อยอดจาก GAN สร้างนวัตกรรมออกมาอีกมาก ทั้งดีและร้าย
และนี่เป็นอีกตัวอย่างของการใช้ทฤษฏีเกมในการสร้างสรรค์นวัตกรรมครับ