Deepfake wata fasaha ce ta zamani da take amfani da fasahar ƙirƙirarriyar basira (Artificial Intelligence, AI) wajen ƙirƙirar ko sauya hotuna, muryoyi da bidiyoyi ta yadda za su yi kama da na gaskiya, alhali wasu ko dukkan abubuwan da aka nuna a cikinsu ba su faru ba. Wannan fasaha tana iya sa mutum ya bayyana kamar yana faɗin kalaman da bai taɓa furtawa ba, yana aikata abin da bai aikatawa ba, ko kuma yana wani wuri da bai taɓa zuwa ba. Haka kuma, ana iya amfani da ita wajen kwaikwayon muryar mutum har ta yi kama da ta ainihin mai muryar.
Kalmar deepfake ta samo asali ne daga haɗakar kalmomin Turanci guda biyu, wato ‘Deep Learning’ da ‘Fake’. Deep Learning, wadda ke matsayin wani reshe ne na ƙirƙirarriyar basira da ke amfani da tsarin lissafi mai matakai da dama domin koyon siffofi da alaƙoƙi daga tarin bayanai. Kalmar ‘fake’ kuwa tana nufin abin da ba na gaskiya ba ko abin da aka ƙirƙira ta yadda zai iya yaudarar mutane su ɗauke shi a matsayin na gaskiya. Saboda haka, Deepfake tana nufin amfani da irin waɗannan hanyoyin fasaha wajen ƙirƙirar ko sauya hotuna, muryoyi da bidiyoyi masu kama da na ainihi.
A farkon bayyanar fasahar, an fi danganta ta da sauya fuskar mutum a bidiyo, inda ake sanya fuskar wani mutum a jikin wani. Sai dai, yayin da fasahar AI ta samu cigaba, ma’anar d eepfake ta faɗaɗa sosai. A yau, tana iya haɗawa da ƙirƙirar fuskar mutumin da babu shi a zahiri, kwaikwayon muryar mutum, sauya motsin baki domin ya dace da wasu kalamai, ko samar da bidiyon wani lamari da bai taɓa faruwa ba.
Abin da ya bambanta deepfake da gyaran hoto ko bidiyo na hanyoyin da shi ne yadda take iya amfani da tsarin koyon na’ura wajen samar da siffofi masu kama da na mutum na gaske. A wasu hanyoyin gyaran bidiyo na baya, mai aiki yana buƙatar sauya abubuwa da hannu. Amma a tsarin deepfake, ana iya horar da na’ura da hotuna, bidiyoyi ko muryoyi domin ta koyi siffofin da suka bambanta mutum, kamar tsarin fuska, yanayin fata, motsin baki da sautin murya. Daga nan, za a iya amfani da abin da ta koya wajen samar da sabon hoto, murya ko bidiyo.
Misali, ana iya amfani da hotunan mutum daga kusurwoyi daban-daban wajen horar da tsarin AI, sannan a samar da bidiyo da yake nuna mutumin yana magana. Haka kuma, ana iya amfani da samfurin muryarsa wajen samar da sabbin kalamai da za su yi kama da muryarsa ta ainihi. Idan aka haɗa irin wannan murya da bidiyon da aka ƙirƙira, sakamakon zai iya yaudarar mai kallo ko mai sauraro wanda bai san yadda aka samar da shi ba.
Tarihin samuwar fasahar deepfake
Tarihin wannan fasaha yana da alaƙa da dogon cigaban bincike a fannonin fasahar AI, sarrafa hotuna, gane fuskar mutum da ƙirƙirar bayanan dijital. Duk da cewa kalmar deepfake ta shahara ne a ƙarshen shekarun 2010, ra’ayoyin kimiyya da suka ba da damar samar da irin wannan fasaha sun samo asali ne tun shekaru da dama kafin wannan lokaci.
A farkon binciken fasahar AI, masana kimiyya sun fara ƙoƙarin ƙirƙirar tsarin kwamfuta da zai iya gane siffofi, tantance hotuna da koyon abubuwa daga bayanai. Yayin da ƙarfin kwamfutoci ya ƙaru, aka samu damar horar da tsarin lissafi masu zurfi da tarin bayanai masu yawa. Wannan cigaba ya taimaka wajen inganta hanyoyin gane fuska, fahimtar magana da sarrafa hotuna.
A shekarun 2010, zurfin fasahar deep learning ya samu gagarumin cigaba saboda bunƙasar na’urorin sarrafa lissafi masu ƙarfi, musamman na’urorin sarrafa zane da hotuna da ake kira Graphics Processing Units (GPUs). Waɗannan na’urori sun taimaka wajen horar da tsarin AI cikin sauri fiye da yadda aka saba a baya. Haka kuma, yawaitar hotuna da bidiyoyi a intanet ta samar da bayanai da za a iya amfani da su wajen horar da waɗannan tsarin.
Wani muhimmin cigaba da ya taimaka wajen haɓaka fasahar ƙirƙirar hotuna ta AI, shi ne ƙirƙirar tsarin Generative Adversarial Networks (GANs) a shekarar 2014. Masanin kimiyyar kwamfuta Ian Goodfellow da abokan aikinsa ne suka gabatar da wannan tsarin a cikin wani bincike da ya zama muhimmin mataki a fannin samar da bayanan ƙarya masu kama da na gaske. GANs sun ƙunshi manyan tsare-tsare na deep learning guda biyu waɗanda suke aiki da juna: ɗaya yana ƙirƙirar bayanai, ɗayan kuma yana tantance ko bayanan sun yi kama da na gaske. Ta hanyar maimaita wannan aikin, tsarin ƙirƙira yana ƙara inganta sakamakonsa.
A ƙarshen shekarar 2017, fasahar deepfake ta samu karɓuwa sosai a intanet bayan da wani mai amfani da shafin Reddit ya fara amfani da ita wajen wallafa bidiyoyin da aka sauya fuskokin mutane a cikinsu. Wasu daga cikin bidiyoyin farko da suka jawo hankali sun haɗa da sanya fuskokin fitattun mutane a cikin bidiyoyin fina-finan da ba su fito a cikinsu a zahiri ba. Wannan ya nuna wa jama’a cewa fasahar na iya samar da bidiyoyin da suke da wahalar bambancewa da na gaskiya, musamman ga mutanen da ba su da ƙwarewa wajen nazarin bidiyo.
A farkon wannan lokaci, ƙirƙirar deepfake mai inganci yana buƙatar tarin hotuna masu yawa, kayan aikin kwamfuta masu ƙarfi da kuma ƙwarewa a fannin fasaha. Amma cigaba a manhajojin kwamfuta da samuwar kayan aikin da jama’a za su iya amfani da su sun sauƙaƙa aikin. Hakan ya sa ƙirƙirar hotunan fuska da aka sauya da bidiyoyin kwaikwayo ya zama mai sauƙin samu ga mutane da dama.
A shekarun da suka biyo baya, bincike a fannin ƙirƙirar murya ta fasahar AI ya samu cigaba sosai. Tsarin koyon na’ura ya fara iya kwaikwayon sautin murya, yadda mutum yake furta kalmomi, yanayin magana da wasu siffofin da suke sa a gane mai magana. Daga baya, aka samu kayan aikin da za su iya ƙirƙirar magana daga rubutu ko samar da kwaikwayon murya ta amfani da ɗan samfurin muryar mutum.
A shekarun 2020 zuwa da shekarun da suka biyo baya, haɓakar tsarin fasahar AI da ke iya ƙirƙirar rubutu, hotuna, sauti da bidiyo ta ƙara faɗaɗa damar deepfake. Wasu sabbin tsarin sun fara iya samar da bidiyo daga umarnin rubutu (prompt), sauya fuska ko yanayin magana, da daidaita motsin baki da sauti. Wannan ya sa iyakar abin da fasahar deepfake za ta iya yi ta ƙara faɗaɗa, daga sauya fuska kawai zuwa ƙirƙirar cikakken yanayi na gani da sauti.
Yadda fasahar deepfake take aiki
Wannan fasaha tana aiki ne ta hanyar amfani da tsarin fasahar ƙirƙirarriyar basira da aka horar da ita domin koyon siffofin da ke cikin hotuna, bidiyoyi ko muryoyi. Bayan tsarin ya koyi waɗannan siffofi, zai iya ƙirƙirar sabon abu na dijital ko sauya wani ɓangare na wanda aka riga aka samar. Ainihin hanyar aiki tana bambanta gwargwadon nau’in fasahar deepfake, kayan aikin da aka yi amfani da su da kuma sakamakon da ake son samu.
Mataki na farko
Mataki na farko a yawancin tsarin deepfake shi ne tattara bayanan da za a yi amfani da su wajen horar da na’ura. Idan ana son kwaikwayon fuskar mutum, ana iya amfani da hotuna ko bidiyoyinsa da aka ɗauka daga kusurwoyi daban-daban, tare da yanayin haske da motsi iri-iri. Idan ana son kwaikwayon murya kuwa, ana iya amfani da samfurori na muryar mutum da ya ƙunshi kalmomi da sautuka daban-daban. Inganci da bambancin bayanan da aka yi amfani da su na iya shafar ingancin sakamakon da tsarin zai samar.
Mataki na biyu
Mataki na biyu shi ne nazarin bayanan da aka tattara. Tsarin deep learning yana gano siffofi da alaƙoƙi a cikin bayanan, kamar siffar fuska, nisan idanu, motsin leɓɓa, yanayin fata ko bambancin sautin murya. Wannan aikin yana ba fasshar damar gina tsarin lissafi da zai wakilci wasu siffofin abin da take koyo. Ba lallai ne ta fahimci mutum ko abin da yake faɗa kamar yadda ɗan Adam yake fahimta ba; tana koyon alaƙoƙin da ke cikin bayanan bisa tsarin da aka tsara ta yi amfani da shi.
Mataki na uku
Mataki na uku shi ne horar da tsarin. A wannan mataki, na’ura tana yin ƙoƙarin samar da sakamako, sannan ana amfani da tsarin lissafi domin auna kuskure da inganta sakamakon. Ana maimaita aikin har tsarin ya ƙara iya samar da hotuna, sautuka ko bidiyoyi masu kama da bayanan da aka horar da shi da su. Yawan lokacin horarwa, ƙarfin kwamfuta da ingancin bayanai na iya shafar sakamakon.
Mataki na huɗu
Mataki na huɗu ya shafi ƙirƙira ko sauya abin da ake so. Idan ana sauya fuskar mutum a bidiyo, tsarin na iya gano fuskar da take cikin bidiyon, samar da fuskar da ake son maye gurbinta da ita, sannan ya haɗa ta da hoton bidiyon. Ana iya daidaita launin fata, haske, kusurwar fuska da motsin baki domin sakamakon ya dace da sauran abubuwan da ke cikin bidiyon. A tsarin kwaikwayon murya kuwa, ana amfani da tsarin da ya koyi siffofin muryar wajen samar da sabon sauti daga rubutu ko wani sauti na asali.
Mataki na biyar
Mataki na biyar shi ne ingantawa da haɗa sakamakon. A wasu lokuta, ana buƙatar gyara matsalolin da suka bayyana a fuska, baki, hannuwa, motsi ko sauti. Haka kuma, ana iya haɗa hoton da aka ƙirƙira da muryar da aka samar domin bidiyon ya nuna mutum yana faɗin kalaman da aka tsara. Ingancin wannan mataki yana iya bambanta sosai, saboda wasu tsare-tsaren suna samar da sakamako mai inganci yayin da wasu ke barin alamun da za a iya ganewa.
Akwai muhimman abubuwa uku da suke shafar ingancin fasahar deepfake. Na farko shi ne ingancin bayanan da aka yi amfani da su. Na biyu shi ne irin tsarin fasahar AI ɗin da aka zaɓa. Na uku kuma shi ne ƙarfin na’urorin kwamfuta da hanyoyin gyara sakamakon. Idan bayanan sun yi ƙaranci ko ba su dace ba, tsarin na iya samar da fuska mai karkacewa, motsin baki marar dacewa ko murya mai sautin da ba na halitta ba.
Duk da cewa deepfake na iya samar da sakamako mai kama da na gaskiya, ba duka tsare-tsaren ne suke iya yin komai ba. Wasu an ƙera su ne domin kwaikwayon murya kawai, wasu domin sauya fuska, wasu kuma domin ƙirƙirar bidiyo daga rubutu. Saboda haka, fahimtar yadda kowane tsarin yake aiki yana taimakawa wajen gane ƙarfinsa, iyakokinsa da irin haɗurran da zai iya haifarwa.
Fasahohin da ake amfani da su wajen ƙirƙirar deepfake
Fasahar deepfake ba ta dogara da fasaha guda ɗaya ba. A maimakon haka, tana amfani da hanyoyi daban-daban na AI, deep learning, sarrafa hotuna da sarrafa sauti. Wasu daga cikin waɗannan fasahohin an ƙirƙire su ne domin samar da bayanai tun farko, yayin da wasu aka tsara su domin nazari, fahimta ko sauya bayanan da aka riga aka samu.
Deep learning
Wannan fasaha ita ce ginshiƙi na yawancin tsarin deepfake na zamani. Wannan fasaha tana amfani da tsarin lissafi da ake kira ‘neural networks’, wato hanyoyin lissafi da aka tsara bisa wasu ƙa’idojin da suka yi kama da yadda ƙwayoyin jijiya suke haɗuwa a kwakwalwa.
Neural networks suna koyon siffofi daga bayanai ta hanyar matakai daban-daban. A aikin sarrafa hotuna, matakin farko na iya gano gefuna da launuka, yayin da matakai na gaba suke koyon siffofi masu rikitarwa kamar idanu, hanci da tsarin fuska. A aikin sarrafa murya kuwa, tsarin na iya koyon bambancin sautuka, yadda ake furta kalmomi da wasu siffofin muryar mutum.
Ba kowane tsarin deep learning ne ake amfani da shi wajen deepfake ba. Amma wannan fasaha tana ba da damar gina tsarin da zai iya samar da hotuna, sauti da bidiyoyi masu inganci bayan an horar da ita da bayanan da suka dace.
Generative Adversarial Networks, (GANs)
GANs wata muhimmiyar fasaha ce da ta taimaka wajen haɓaka ƙirƙirar hotuna da bidiyoyi ta amfani da AI. An gabatar da ita a shekarar 2014 ta hannun Ian Goodfellow da abokan aikinsa. Tsarin GAN yana ƙunshe da manyan sassa biyu. Na farko shi ne generator, wato tsarin da yake ƙirƙirar sabbin bayanai. Na biyu shi ne discriminator, wanda yake tantance ko bayanan da aka samar sun yi kama da na gaske ko kuma na ƙirƙira ne.
A yayin horarwa, generator yana ƙoƙarin samar da hotuna ko wasu bayanai masu kama da na gaske, yayin da discriminator yake ƙoƙarin bambance waɗannan bayanai da na ainihi. Ta hanyar wannan gwagwarmayar lissafi, generator yana ƙara inganta sakamakonsa. Wannan hanya ta taimaka wajen samar da hotunan fuskoki masu kama da na mutane na gaske da kuma wasu nau’o’in bayanan da aka ƙirƙira. Sai dai kuma, GANs ba su ne kaɗai hanyar ƙirƙirar Deepfake ba. A wasu ayyukan zamani, ana amfani da wasu tsarin da suka fi dacewa da nau’in bayanan da ake son samarwa.
Autoencoders
Autoencoder wani tsarin machine learning ne da aka tsara domin matse bayanai zuwa wata gajeriyar siffa ta lissafi, sannan ya sake gina bayanan daga wannan siffa. Ana amfani da irin wannan tsarin wajen koyon muhimman siffofi na hoto ko wani nau’in bayanai.
A wasu tsofaffin hanyoyin sauya fuska, ana amfani da autoencoders domin koyon siffofin fuskokin mutane biyu. Tsarin yana koyon yadda za a wakilci fuskar mutum, sannan ya yi amfani da abin da ya koya wajen sake gina fuskar ko sauya wasu siffofinta. Idan aka haɗa wannan aiki da sarrafa bidiyo, ana iya samar da sakamakon da yake nuna fuskar da aka sauya a cikin motsin bidiyo.
Ingancin sakamakon yana dogara da yadda aka horar da tsarin da kuma irin bayanan da aka yi amfani da su. Wasu hanyoyin zamani sun wuce dogaro da autoencoders kawai, amma har yanzu wannan fasaha tana da muhimmanci wajen fahimtar tarihin sauya fuska ta basirar na’ura.
Diffusion models
Diffusion models wasu tsare-tsaren AI ne da ake amfani da su wajen ƙirƙirar hotuna da sauran bayanan dijital. A taƙaice, ana horar da su domin su koyi yadda za su cire hayaniyar lissafi daga bayanai har su samar da hoto ko wani sakamako mai ma’ana.
A tsarin ƙirƙirar hoto, ana iya farawa da bayanan da suke kama da hayaniyar bazuwar lissafi, sannan tsarin ya riƙa gyara su a matakai har ya samar da hoto. Ana iya jagorantar wannan aikin da rubutu, hoton asali ko wasu ƙa’idoji. Wannan yana ba da damar ƙirƙirar hotunan mutane, sauya yanayin hoto da samar da wasu siffofi na gani.
Diffusion models sun zama muhimmin ɓangarori na cigaban fasahar ƙirƙirar hotuna da bidiyoyi. Duk da haka, ba kowane hoto da aka samar da su ne deepfake ta fuskar kwaikwayon mutum ba; ma’anar deepfake tana fi dacewa idan an ƙirƙiri ko an sauya bayanan da za su iya gabatar da mutum ko wani lamari ta hanyar da ba ta nuna ainihin abin da ya faru ba.
Voice cloning
Voice cloning wata fasaha ce da take amfani da AI wajen kwaikwayon siffofin muryar mutum. Tsarin na iya koyon sautin muryar, yadda ake furta kalmomi, yanayin magana da wasu alamomi da suke sa muryar ta bambanta da ta wasu mutane.
Wasu tsare-tsaren suna buƙatar dogon samfurin murya domin su iya kwaikwayon ta yadda ya dace, yayin da wasu sababbin tsare-tsaren suke iya samar da sakamako daga ɗan ƙaramin samfurin murya. Bayan horarwa ko nazari, ana iya amfani da tsarin wajen samar da sabbin kalamai daga rubutu, ko canja wata murya ta zama kamar ta wani mutum.
Ana amfani da fasahar a wasu ayyukan da suka shafi samar da murya ga fina-finai, fassara da taimaka wa mutanen da suka rasa damar magana. Amma tana iya zama hanyar zamba idan aka yi amfani da ita wajen kwaikwayon muryar wani domin neman kuɗi, samun bayanan sirri ko yaudarar iyalansa da abokansa.
Computer vision
Computer vision, wato fasahar kwamfuta ta fahimtar hotuna da bidiyoyi, tana taimaka wa tsarin gane abubuwan da ke cikin hoton, gano fuska da bin diddigin motsi. Wannan fasaha tana da muhimmanci a wasu nau’o’in deepfake saboda tana taimakawa wajen gano inda fuska take, yadda take juyawa da yadda take motsi a cikin bidiyo.
Misali, tsarin na iya gano fuskar mutum a kowane faifan bidiyo, ya tantance matsayinta da kusurwarta, sannan ya taimaka wajen daidaita fuskar da za a maye gurbinta. Haka kuma, ana iya amfani da fasahar wajen bin motsin baki domin a daidaita shi da sautin muryar da aka samar.
Computer vision ba fasahar deepfake ce ita kaɗai ba. Ana amfani da ita a fannoni da dama, kamar na’urorin tsaro, motocin da ke taimaka wa direba da tsarin tantance hotuna. Amma haɗuwarta da fasahar ƙirƙirar bayanai ta AI ta taimaka wajen samar da deepfake mai kama da na gaskiya.
Speech & language processing
Wannan rukuni ya ƙunshi fasahohin da ke taimaka wa kwamfuta fahimtar siffofin magana, sarrafa sauti da samar da muryar da za ta karanta rubutu. Ana iya haɗa tsarin samar da murya da tsarin kwaikwayon muryar mutum domin samar da sauti da yake kama da muryar wani.
Haka kuma, ana iya amfani da tsarin sarrafa harshe wajen shirya kalaman da za a sanya cikin bidiyo. Idan aka haɗa wannan da fasahar motsa baki da ƙirƙirar bidiyo, ana iya samar da bidiyon da yake nuna mutum yana furta kalaman da bai taɓa furtawa ba.
Duk da haka, samar da magana mai ma’ana da kwaikwayon muryar mutum ayyuka ne daban-daban. Tsarin na iya karanta rubutu da murya mai kyau ba tare da ya kwaikwayi wani mutum na musamman ba. Ana samun deepfake na murya ne idan aka yi amfani da fasahar wajen ƙirƙira ko sauya sauti ta yadda zai yi kama da na wani mutum ko ya gabatar da magana a matsayin ta ainihi.
Koyon motsi da daidaita fuska da murya
Wasu tsare-tsaren deepfake suna amfani da fasahohin machine learning wajen nazarin yadda fuska take motsi yayin magana. Wannan ya haɗa da motsin leɓɓa, buɗewa da rufewar baki, motsin gira da sauye-sauyen yanayin fuska.
Idan ana son samar da bidiyon da yake nuna mutum yana magana, tsarin na iya amfani da sautin murya ko rubutun da aka ba shi domin ƙirƙirar motsin baki da ya dace da kalaman. A wasu tsare-tsaren, ana iya amfani da bidiyon mutum yana magana a matsayin jagora wajen sauya motsin fuskar wani mutum.
Wannan fasaha tana da amfani a samar da haruffan dijital, fina-finai da wasu kayayyakin ilmantarwa. Amma idan aka yi amfani da ita ba tare da izinin wanda abin ya shafa ba, za ta iya samar da bidiyoyin ƙarya da za su yaudari mutane.
A takaice dai, fasahar deepfake sakamakon haɗin gwiwar fasahohi ne daban-daban. Deep learning yana ba tsarin damar koyon siffofi daga bayanai, GANs da diffusion models suna taimakawa wajen ƙirƙirar sabbin bayanai, autoencoders suna taimakawa wajen wakiltar da sake gina bayanai, yayin da computer vision da fasahohin sarrafa murya suke taimakawa wajen daidaita hotuna, motsi da sauti. Haɗuwar waɗannan fasahohi ce ta sa aka samu damar ƙirƙirar hotuna, muryoyi da bidiyoyi masu kama da na gaskiya.
Manazarta
Chandra, B., Dunietz, J., Roberts, K., Lee, Y., Fontana, P., & Awad, G. (2024). Reducing risks posed by synthetic content: An overview of technical approaches to digital content transparency. National Institute of Standards and Technology.
Goodfellow, I. J., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems, 27.
Liu, B., Liu, B., Zhu, T., & Ding, M. (2025). A review of deepfake and its detection: From generative adversarial networks to diffusion models. International Journal of Intelligent Systems, 2025(1), Article 9987535.
Westerlund, M. (2019). The emergence of deepfake technology: A review. Technology Innovation Management Review, 9(11), 39–52.
Sharuɗɗan Editoci
Duk maƙalun da ku ka karanta a wannan taska ta Bakandamiya, marubuta, manazarta da editocinmu ne suka rubuta tare da sa idon kwamitin ba da shawara na ƙwararru. Kuma kowace maƙala da aka buga ta bi muhimman matakai na tantancewa don ganin cewa bayanan dake cikinta sun inganta.
Idan kuma an ga wani kuskure a cikin kowace maƙalarmu, a sanar da mu. Za mu yi bincike sannan mu gyara gwargwadon fahimtarmu.