Μετάβαση στο περιεχόμενο

Deepfake

Από τη Βικιπαίδεια, την ελεύθερη εγκυκλοπαίδεια

Τα Deepfakes (σύντμηση των όρων deep learning και fake[1]) είναι εικόνες, βίντεο ή ηχητικό υλικό που έχουν υποστεί επεξεργασία ή έχουν παραχθεί με τη χρήση τεχνητής νοημοσύνης, εργαλείων βασισμένων στην ΤΝ ή λογισμικού επεξεργασίας ήχου και εικόνας. Μπορεί να απεικονίζουν πραγματικά ή φανταστικά πρόσωπα και θεωρούνται μορφή συνθετικών μέσων, δηλαδή μέσων που συνήθως δημιουργούνται από συστήματα τεχνητής νοημοσύνης μέσω του συνδυασμού διαφόρων στοιχείων πολυμέσων σε ένα νέο πλαστό αρχείο πολυμέσων.[2][3]

Αν και η πράξη της δημιουργίας ψευδούς περιεχομένου δεν είναι νέα, τα deepfakes αξιοποιούν με μοναδικό τρόπο τεχνικές μηχανικής μάθησης (deep learning) και τεχνητής νοημοσύνης (artificial intelligence) [4][5][6] συμπεριλαμβανομένων αλγορίθμων αναγνώρισης προσώπου και τεχντητών νευρωνικών δικτύων, όπως οι παραλλαγμένοι αυτοκωδικοποιητές (variational autoencoders) και τα ανταγωνιστικά γεννητικά δίκτυα (generative adversarial networks - GANs).[5][7] Παράλληλα, ο τομέας της ανάλυσης ψηφιακών εικόνων έχει αναπτύξει τεχνικές για τον εντοπισμό παραποιημένων εικόνων.[8] Τα deepfakes έχουν προσελκύσει ευρεία προσοχή λόγω της δυνητικής χρήσης τους στη δημιουργία υλικού σεξουαλικής κακοποίησης ανηλίκων, πορνογραφικών βίντεο διασήμων, πορνογραφίας εκδίκησης (revenge porn), ψευδών ειδήσεων, φαρσών, εκφοβισμού και οικονομικής απάτης.[9][10][11][12]

Ακαδημαϊκοί ερευνητές έχουν εκφράσει ανησυχίες σχετικά με τη δυνατότητα των deepfakes να προωθούν την παραπληροφόρηση και τον λόγο μίσους,[13] καθώς και να παρεμβαίνουν σε εκλογικές διαδικασίες.[14] Σε απάντηση, ο κλάδος της τεχνολογίας των πληροφοριών και οι κυβερνήσεις έχουν προτείνει συστάσεις και μεθόδους για τον εντοπισμό και τον περιορισμό της χρήσης τους. Παράλληλα, η ακαδημαϊκή έρευνα έχει εμβαθύνει στους παράγοντες που οδηγούν στη διαδικτυακή διάδοση και αλληλεπίδραση με deepfakes, καθώς και στα πιθανά αντίμετρα απένταντι στην κακόβουλη χρήση τους.

Από την παραδοσιακή ψυχαγωγία έως τα βιντεοπαιχνίδια, η τεχνολογία των deepfakes έχει εξελιχθεί ώστε να γίνεται ολοένα και πιο πειστική[15] και προσβάσιμη στο ευρύ κοινό, επιτρέποντας την αναστάτωση και τον μετασχηματισμό των βιομηχανιών ψυχαγωγίας και μέσων ενημέρωσης.[16]

  1. Wahab, Abdul (2025-10-01). «Futures of Deepfake and society: Myths, metaphors, and future implications for a trustworthy digital future». Futures 173: 103672. doi:10.1016/j.futures.2025.103672. ISSN 0016-3287. https://www.sciencedirect.com/science/article/pii/S001632872500134X.
  2. Kalpokas, Ignas· Kalpokiene, Julija (2022). Deepfakes: A Realistic Assessment of Potentials, Risks, and Policy Regulation. SpringerBriefs in Political Science. Cham: Springer International Publishing. ISBN 978-3-030-93801-7.
  3. Berry, David M. (2025-10). «Synthetic media and computational capitalism: towards a critical theory of artificial intelligence» (στα αγγλικά). AI & SOCIETY 40 (7): 5257–5269. doi:10.1007/s00146-025-02265-2. ISSN 0951-5666. https://link.springer.com/10.1007/s00146-025-02265-2.
  4. Juefei-Xu, Felix; Wang, Run; Huang, Yihao; Guo, Qing; Ma, Lei; Liu, Yang (2022-07). «Countering Malicious DeepFakes: Survey, Battleground, and Horizon» (στα αγγλικά). International Journal of Computer Vision 130 (7): 1678–1734. doi:10.1007/s11263-022-01606-8. ISSN 0920-5691. PMID 35528632. PMC 9066404. https://link.springer.com/10.1007/s11263-022-01606-8.
  5. 1 2 Kietzmann, Jan; Lee, Linda W.; McCarthy, Ian P.; Kietzmann, Tim C. (2020-03). «Deepfakes: Trick or treat?» (στα αγγλικά). Business Horizons 63 (2): 135–146. doi:10.1016/j.bushor.2019.11.006. https://linkinghub.elsevier.com/retrieve/pii/S0007681319301600.
  6. Waldrop, M. Mitchell (2020-03-16). «Synthetic media: The real trouble with deepfakes». Knowable Magazine. doi:10.1146/knowable-031320-1. https://knowablemagazine.org/content/article/technology/2020/synthetic-media-real-trouble-deepfakes.
  7. Schwartz, Oscar (12 Νοεμβρίου 2018). «You thought fake news was bad? Deep fakes are where truth goes to die». The Guardian (στα Αγγλικά). ISSN 0261-3077. Ανακτήθηκε στις 31 Ιανουαρίου 2026.
  8. Farid, Hany (2019-09-15). «Image Forensics» (στα αγγλικά). Annual Review of Vision Science 5 (1): 549–573. doi:10.1146/annurev-vision-091718-014827. ISSN 2374-4642. https://www.annualreviews.org/doi/10.1146/annurev-vision-091718-014827.
  9. Banks, Alec (20 Φεβρουαρίου 2018). «Op-Ed | Deepfakes & Why the Future of Porn is Terrifying».
  10. Christian, Jon. «Experts fear face swapping tech could start an international showdown». The Outline (στα Αγγλικά). Ανακτήθηκε στις 31 Ιανουαρίου 2026.
  11. Roose, Kevin (5 Μαρτίου 2018). «Here Come the Fake Videos, Too». The New York Times (στα Αγγλικά). ISSN 0362-4331. Ανακτήθηκε στις 31 Ιανουαρίου 2026.
  12. Schreyer, Marco; Sattarov, Timur; Reimer, Bernd; Borth, Damian (October 2019). "Adversarial Learning of Deepfakes in Accounting". arXiv:1910.03810
  13. «Dangers of Deepfake: What to Watch For | University IT». uit.stanford.edu. Ανακτήθηκε στις 31 Ιανουαρίου 2026.
  14. Savat, Sara (19 Αυγούστου 2024). «Political deepfake videos no more deceptive than other fake news, research finds». The Source (στα Αγγλικά). Ανακτήθηκε στις 31 Ιανουαρίου 2026.
  15. Caramancion, Kevin Matthe (2021-04-21). The Demographic Profile Most at Risk of being Disinformed. IEEE, σελ. 1–7. doi:10.1109/IEMTRONICS52119.2021.9422597. ISBN 978-1-6654-4067-7. https://ieeexplore.ieee.org/document/9422597/.
  16. «Artificial Intelligence: Deepfakes in the Entertainment Industry». www.wipo.int (στα Αγγλικά). Ανακτήθηκε στις 31 Ιανουαρίου 2026.