Contre un dollar, vous pouvez acquérir une image d'une photo nue de femme générée par un algorithme. La startup appelée These Nudes Do Not Exist propose des images de femmes qui, comme ces portraits de visages humains, ces œuvres d’art et bien d’autres encore qui n'existent pas dans le monde réel.« Nous savions que nous avions l'expertise technique et les capacités d'autofinancement pour réussir à appliquer la technologie GAN au contenu nu, et nous ne nous trouverions pas dans un espace surpeuplé avec beaucoup de concurrence, et en tant que telle, l'opportunité était assez attrayante », a confié l’un des fondateurs de These Nudes Do Not Exist (TNDNE) sous couvert de l’anonymat parce que lui et son partenaire ne voulaient pas être associés publiquement à leur propre création.
Pour acheter une image de l'une de ces femmes générées par algorithme, vous pouvez appuyer sur un bouton qui suggère de « Générer une nouvelle fille » et parcourir une série de corps. Lorsque vous atterrissez sur celui que vous aimez, vous pouvez l'ajouter à votre panier et vous recevez un numéro de « seed », qui, selon TNDNE, est la preuve que vous possédez ce modèle spécifique.
« Je pense que c'est probablement la première fois que quiconque dans le monde ait jamais eu à acheter du contenu pornographique généré par l'IA, donc dans un sens, chaque client peut faire partie de l'histoire du porno et de l'IA », a déclaré le co-fondateur. « À long terme cependant, l'objectif est de disposer de modèles générés par l'IA en rendu 3D capables de créer du contenu photo et vidéo personnalisé ».
Il faut se demander pourquoi une image fixe d'une femme au torse nu est considérée comme « pornographique ». TNDNE dit prévoir d’étendre ses services pour inclure plus de poses et d'options vidéo, assurant que les images actuellement en vente « servent principalement de nouveauté ».
Encore une fois le GAN est au centre
Pour créer les nus, le site Web utilise Generative Adversarial Networks, un algorithme formé sur de nombreuses images (dans le cas d’espèce des nus) afin de produire de nouvelles versions de ce qu'il considère comme des « femmes nues ».
Le concept de GAN a été introduit pour la première fois en 2014 par le célèbre informaticien Ian Goodfellow, et depuis lors, Nvidia est à la pointe de la technologie. Tero Karras, chercheur principal de la société, a dirigé de nombreuses études sur le GAN.
Un GAN est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex. une image), tandis que son adversaire, le discriminateur essaie de détecter si un échantillon est réel ou bien s'il est le résultat du générateur. L'apprentissage peut être modélisé comme un jeu à somme nulle. Ces programmes informatiques se font concurrence des millions de fois afin d’affiner leurs compétences en matière de génération d’images jusqu’à ce qu’ils aient la capacité de créer des images complètes.
S’il fallait simplifier, nous pourrions dire que le GAN implique que deux réseaux travaillent l’un contre l’autre. Le premier va être nourri en données brutes qu’il va décomposer. À partir de ces données, il va tenter de créer une image. Il va ensuite soumettre cette image à un autre réseau qui, lui, n’a que des photos ou images réelles dans sa base de données. Ce deuxième réseau va alors juger de l’image et va informer le premier de son jugement. Si l’image ne ressemble pas au résultat attendu, le premier algorithme va recommencer le processus. Si le résultat correspond, il va être informé qu’il est sur la bonne voie et finir par comprendre ce qu’est une bonne image. Une fois qu’il est suffisamment entraîné, il peut en produire à la chaîne.
Une base de données composée de femmes blanches pour la plupart âgées de 20 à 40 ans
Le co-fondateur de TNDNE n’a pas dit sur quels jeux de données spécifiques l'algorithme est formé, mais a expliqué que la base de données actuelle est entièrement composée de femmes, pour la plupart âgées de 20 à 40 ans et blanches.
« Ce n'était pas à cause d'un choix de notre part », a-t-il déclaré. « Nous avons fait très attention à n'utiliser que le domaine public ou à acheter des sources de données auprès de fournisseurs réputés. Bien que nous avons pensé à ajouter des hommes à l'avenir, la vérité est qu'il n'y a pas beaucoup de demandes pour des photos de nu masculin ».
La faible demande de nu masculin est la même raison qui a poussé le créateur de DeepNude à se concentrer sur les nus de femmes. Pour mémoire, il s’agit d’une application qui « déshabille » les photos de femmes via un algorithme.
De nombreuses images et jeux de données trouvés en ligne d'images nues et pornographiques sont fréquemment volés à de véritables professionnelles du sexe. Même les grandes entreprises technologiques luttent contre cela: comme IBM, qui a eu des problèmes pour gratter les images Flickr personnelles des gens marquées pour une utilisation commune créative, et Microsoft, qui a supprimé le plus grand ensemble de données d'images du monde, MS Celeb, après que des rapports ont révélé qu'il s'agissait de photos de sans leur consentement.
Pour les images nues en particulier, les ingénieurs d'apprentissage automatique ont du mal à trouver des ensembles de données pour la formation. C’est une activité assez difficile :
« Le processus de vérification des [images] du domaine public consiste à exécuter des données du domaine public par le biais de recherches d'images inversées », a déclaré le cofondateur. « Si nous constatons que les résultats proviennent de sites Web payants / monétisés, de sites de revenge porn, de forums en ligne ou derrière des paywall, nous faisons preuve de prudence et excluons ces données car elles n'ont peut-être pas été collectées de manière éthique»
Cela impliquerait de rechercher et d'examiner individuellement la source de chaque photo, par exemple les images pourraient ne pas provenir de l’internaute qui le prétend, il faudrait être sûr qu’un consentement a été donné pour que la photo soit en ligne, etc.
TNDNE déclare qu’il garantit que chaque femme de l'ensemble est une femme qui n’existe pas. Il convient peut-être de se demander quel serait l’intérêt d’une telle startup. Des visages ou corps humains générés par un algorithme ne sauraient résoudre par exemple les problèmes de diversité ou de pornographie non consensuelle.
Source : site web
Et vous ?
Qu'en pensez-vous ? Quelle serait la plus-value de photos (voire vidéos) dénudées générées par un algorithme ? Voyez-vous un intérêt de cette activité dans une industrie quelconque ? Utile ou complètement nul ? Êtes-vous pour ou contre le fait d'utiliser le GAN pour tout générer ?Voir aussi :
Les images présentées sur ce site web montrent des œuvres d'art générées par une IA, il suffit d'actualiser la page pour en voir une nouvelle Ce site montre des portraits de visages humains générés par une IA. Aucun d'entre eux n'est réel. Actualisez la page pour en voir un nouveau 
