Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

Djupa Generativa Modeller

“Djupfejk” i det godas tjänst: Optimering av det vetenskapliga bruket av Generativa Modeller. ASG 2022

Djupa Generativa Modeller (DGMs ) — populärt kallade djupfejk (eng. deep fakes) — har blivit kända för allmänheten för att de används för att göra realistiska men fejkade videos av kändisar. Emellertid kan DGMs användas till att producera artificiell data till nytta för många vetenskapliga discipliner och problemområden. Ur ett tekniskt perspektiv så använder DGMs djupa neurala nät för att generera syntetisk data med samma egenskaper som riktig data.

Med DGM som tema samlar vi ledande forskare och användare från fyra fakulteter vid Lunds universitet i en Advanced Study Group (ASG) för att utforska potentiella tillämpningar och utvecklingsområden. 

DGM utgår ifrån fem vetenskapsområden: astronomi, kulturgeografi, materialvetenskaper, medicin och partikelfysik. Gruppen täcker därmed ett enormt skalintervall: från en individuell atomkärna till hela solsystemet. Gemensamt är dock att forskningen inom alla fem vetenskapsområden har liknande utmaningar. Med hjälp av DMGs vill vi t.ex reducera brus i data, komprimera och undersöka bilder, extrahera objekt och upptäcka anomalier men även ersätta saknad data och reducera dimensionalitet i vår data. 

Djupfejk aktualiserar en serie av viktiga frågor för samhället i stort som har att göra med datasäkerhet men även lagar och etik kring artificiella data. För att adressera dessa frågor så arrangerar vi två workshops under våren 2023. Båda dessa tillfällen kommer att samla experter från inom och utanför LU för att problematisera och diskutera ett antal frågor som till exempel, äganderätt till artificiel data, hur upptäcka och motverka missbruk av artificiel data samt framtida lagstiftning på området.