¿Jennifer Buscemi o Steve Lawrence? ‘DeepFake’, escalofriante futuro en desinformación

Si hay una vertiente tecnológica que se esté convirtiendo en tremendamente aterradora por momentos, más allá de los robots de Boston Dynamics, esa es la de los DeepFakes.

Este término se refiere al contenido audiovisual que combina la inteligencia artificial o aprendizaje profundo para crear una obra que bien podría ser real pero que, al contrario de lo que parece, es rotundamente falsa.

Lo hemos visto aplicado ya en diversas ocasiones con políticos que emitían mensajes de lo más rocambolescos o con actrices cuyos rostros eran cambiados por los de estrellas del porno.

Ahora un nuevo vídeo fusiona el cuerpo y voz de Jennifer Lawrence con la cara de Steve Buscemi y, si bien queda claro que no se trata de un intento de confundir a los espectadores dado lo cómico del resultado, evidencia el alto nivel de implementación de este tipo de tecnología para poder realizar modificaciones con un alto grado de realismo.

Mientras que estos videos pueden parecer obras con un enfoque exclusivo al divertimento, la realidad es son numerosas las alertas que comienzan a elevarse por parte de grupos de expertos que ven esto como una potencial amenaza para la veracidad de la información en momentos clave como las elecciones.

La suplantación de la identidad de candidatos políticos para tergiversar mensajes y poner en su boca comunicados que nunca han ocurrido se posiciona como uno de los grandes retos a la hora de luchar contra la desinformación en el futuro más próximo.

Para elevar el nivel de preocupación, el creador del video de Jennifer Lawrence y Steve Buscemi ha revelado en Reddit que lo ha hecho mediante una herramienta gratuita y guiándose con videos de YouTube.

No hace falta un gran despliegue de recursos, por tanto, para poner en marcha campañas de desinformación que se propaguen como la pólvora por la Red.

Es solo el principio de un futuro aterrador donde discernir la realidad de la ficción será cada vez más complicado.

Fuente: Hipertextual