Nel 2019 il primo convegno italiano in materia di deepfakes, la Polizia Postale accende i riflettori su una realtà che non possiamo più ignorare. L’IA (Intelligenza Artificiale), ML (Machine learning), la rivoluzione digitale sono state, sono e saranno grandi opportunità, ma come tali possono generare controversie importanti se utilizzate impropriamente.

 

Cosa sono i deepfakes? Perchè sono pericolosi?

 

Il deepfake è una tecnica che consiste nella manipolazione di contenuti digitali.

Al contrario delle “fake news”, che sono per definizione notizie redatte con informazioni inventate, ingannevoli o distorte, la tecnica delle “deepfakes” viene usata per combinare e sovrapporre immagini e video realmente esistenti con altri video o immagini che ritraggono i soggetti, tipicamente personaggi noti, in modo da ricreare situazioni in cui il soggetto ha un atteggiamento ambiguo, sconveniente o sta pronunciano frasi fuori luogo. La gravità di queste notizie è dovuta alla tecnologia sottostante: si tratta di manipolazioni talmente ben riuscite da risultare del tutto realistiche per cui la pericolosità delle deepfakes non è tanto il come replicare, ma il come capire che si tratta di una notizia non vera.

La loro creazione si basa sull’uso di intelligenza artificiale e machine learning: grazie a queste si riesce a ricreare il volto o la voce di una persona proprio come se fosse ripresa da una telecamera. La tecnologia è molto complessa, ma gli strumenti di base sono facilmente reperibili, soprattutto in un contesto in cui la condivisione di immagini e audio è ormai indiscreta: con le conoscenze tecniche adeguate possono bastare poche immagini per produrre video deepfake difficili da riconoscere come tali. Tra gli esempi più simpatici di applicazione del deepfake si è ridata virtualmente vita ad Albert Einstein, Salvador Dalì, Marilyn Monroe, Dostoevskij, addirittura, alla Gioconda ritratta da Leonardo da Vinci.

Dal momento che è il non lecito ad attirare più sguardi, neanche a dirlo il primo settore in cui tale tecnica è stata usata è quello della pornografia. Sono, tuttavia, molti i settori (e i pericoli) che possono essere coinvolti. The Economist ha pubblicato un video informativo sul tema (https://www.mishcon.com/news/tv/now-and-next-the-danger-of-deepfakes)

 

Una caratteristica di BNova è la grande curiosità ed attenzione alle novità che vedono coinvolto il nostro settore, siamo pronti ad approfondimenti e allo studio di tecniche che possano contrastare tali fenomeni, forti di esperti in materia informatica e legale ormai parte della nostra famiglia.

Per la rubrica “A proposito di…” parliamo di deepfakes con Giulia e Laura, Data Analyst e Data Scientist del team di Data Science di BNova. In questo podcast proponiamo una breve intervista sul tema. Invitiamo tutti come sempre, qualora interessati, a contattarci per domande o situazioni che vi piacerebbe esporci.

 

New call-to-action


Approfondimenti da BNext:

Da Q&A a Copilot: perché in Power BI conta sempre di più il dato 

Q&A è una funzione che chi usa Power BI conosce bene. Esiste dal 2013 e permette di interrogare i dati scrivendo in linguaggio naturale, per esempio "fatturato per regione nell'ultimo trimestre". Power BI riconosce misure, dimensioni e filtri e restituisce un...

Vendor lock-in AI: il conto arriva quando vuoi cambiare modello 

Quando un'azienda decide di cambiare il modello AI su cui ha costruito una soluzione, scopre che la domanda centrale non è quale modello scegliere, ma quanto costa abbandonare quello attualmente in uso.  Fino a poco tempo fa il tema non si poneva. I modelli...

Come fidarsi dell’AI: audit, tracciabilità e decisioni comprensibili

L’AI entra sempre più spesso nei processi aziendali: classifica richieste, segnala anomalie, supporta gli operatori, sintetizza informazioni e propone azioni. Ma ottenere una risposta o una raccomandazione in pochi secondi non basta a renderla affidabile. Quando...

Dataiku Cobuild: l’agente che trasforma il linguaggio naturale in progetti AI

Negli ultimi tempi abbiamo iniziato a parlare con l’AI in linguaggio naturale: chiediamo a un assistente di “riassumere una mail” o “scrivere una bozza di report” e ci aspettiamo che il sistema si occupi dei passaggi tecnici. Nelle aziende, però, tra una richiesta...

Algoritmi di Machine Learning: come funzionano, tipologie e quali sono

Vi è un momento preciso in cui una macchina smette di limitarsi a eseguire istruzioni e comincia a ricavare regole dall’osservazione: è il momento in cui entra in scena il machine learning. Dietro ogni raccomandazione di acquisto, ogni segnalazione di transazione...

Da ROI percepito ad effettivo: come calcolarlo con Dataiku in compliance con l’AI Act 

La differenza tra ROI percepito e ROI effettivo  In un mercato in cui tutti dichiarano di fare AI, la differenza non la fa chi lancia più velocemente un nuovo assistente, ma chi riesce a dimostrare e documentare il ritorno del proprio progetto nel...

MLOps cos’è: guida alle Machine Learning Operations

Trasformare un modello di machine learning da esperimento di laboratorio a servizio produttivo affidabile rappresenta una delle sfide più sottili che le organizzazioni incontrano quando investono nell'intelligenza artificiale. Molti progetti, pur promettenti nella...

7 domande che ogni CIO dovrebbe farsi sull’AI e le risposte di Dataiku

Se negli anni passati l'AI è stata oggetto di grande curiosità e sperimentazioni, oggi la sua adozione sta diventando sempre più un criterio concreto di valutazione della leadership aziendale. Date le ingenti risorse che negli ultimi mesi le sono state riservate, oggi...

Natural Language Processing (NLP): cos’è, applicazioni aziendali

Qualsiasi tipologia di organizzazione produce, ormai ogni giorno, una mole imponente di parole: e-mail, contratti, recensioni, ticket di assistenza, verbali, conversazioni con i clienti. È un patrimonio informativo enorme che, nella maggioranza dei casi, resta inerte,...

Machine Learning: cos’è, come funziona e casi d’uso

Nel 2026 il mercato globale del machine learning raggiungerà una valutazione che oscilla, a seconda degli istituti di ricerca, fra i 65 e i 120 miliardi di dollari, con previsioni di crescita che proiettano l'industria oltre la soglia del trilione entro il prossimo...