Bij synthetische media gaat het meestal om toepassingen voor entertainment, dienstverlening of om onze kwaliteit van leven te verbeteren. Maar ze beïnvloeden wel onze waarneming, bijvoorbeeld als we online een sollicitatiegesprek voeren, of als een arts online in gesprek is met een patiënt. Dan is het belangrijk te snappen dat je niet het echte gezicht ziet. We letten immers ook op de non verbale communicatie. Maar wat is daarvan nog betrouwbaar als er maar een paar punten van het gezicht over de lijn gaan?

Om iets te kunnen zeggen over de betrouwbaarheid en de waarde van informatie in een bepaalde context, is tegenwoordig een extra inspanning nodig. Deepfake detectietools of goed kijken en luisteren (inzoomen) zijn geen oplossing voor de langere termijn. Als bijna alles nep is (meestal zonder slechte bedoelingen), dan wordt het onderscheid tussen nep en echt irrelevant en gaat het om betekenis geven in de specifieke context waarin je de informatie wilt toepassen.

Wat zijn deepfakes

De term deepfakes verwees oorspronkelijk naar een specifieke vorm van kunstmatige intelligentie (GAN deeplearning), waarbij twee systemen elkaar continu tot verbetering aanzetten. Het ene systeem, de generator, is getraind met heel veel foto’s van gezichten, waardoor het in staat is nieuwe gezichten te genereren of gezichten in beelden te vervangen (face swaps). Hier tegenover staat een tweede AI-systeem , de discriminator, die beoordeelt of iets echt of nep is, een deepfake detector.