Er du selv ramt? Få akut hjælp — gratis og anonymt.
FjernDeepfakes

Del 1 af serien om deepfakes' udvikling · Sidst opdateret: 16. juni 2026

Hvor det startede: deepfakes' oprindelse i 2017

Deepfake-teknologien blev ikke født i et laboratorium med gode hensigter. Den blev født på et internetforum i slutningen af 2017 — og allerede i de første uger var dens dominerende brug at sætte rigtige kvinders ansigter på pornografi uden deres samtykke. Det er her, historien begynder, og det er her, denne serie tager sit udgangspunkt.

Et nyt ord på Reddit

I slutningen af 2017 begyndte en anonym Reddit-bruger at dele videoer, hvor kendte skuespilleres ansigter var byttet ind på pornoskuespillere ved hjælp af maskinlæring. Brugerens kaldenavn var "deepfakes" — en sammentrækning af "deep learning" og "fake". Navnet blev hængende, ikke bare på personen, men på en hel teknologi.

Det blev første gang beskrevet i offentligheden af teknologimediet Motherboard (Vice) i december 2017. Herfra voksede et fællesskab hurtigt frem omkring metoden. Reddit lukkede fællesskabet i februar 2018 med henvisning til ikke-samtykkeligt seksuelt indhold — men teknikken var allerede spredt.

Fra forskning til hver mands hobby

Selve metoden — at lade et neuralt netværk lære et ansigt og genskabe det på en anden krop — byggede på forskning, der havde eksisteret i årevis. Teknikken hvilede på autoencodere og på generative adversarial networks (GANs), en metode introduceret i forskningen i 2014.

Det, der ændrede sig i slutningen af 2017 og begyndelsen af 2018, var altså ikke videnskaben. Det var adgangen. I januar 2018 dukkede et gratis program op, der pakkede metoden ind, så folk uden ekspertviden kunne prøve den. Barrieren faldt fra "forsker" til "hobbyist med en kraftig computer og tålmodighed".

Det skal siges tydeligt: det var stadig langt fra "alle, med det samme". Det krævede et godt grafikkort, mange billeder af offeret og timevis af forsøg. Men det første trin på stigen var taget — og resten af denne serie handler om, hvordan hvert efterfølgende trin gjorde det lettere, mere troværdigt og tilgængeligt for stadig bredere grupper.

Et værktøj født som misbrug

Det er fristende at forestille sig deepfakes som en neutral teknologi, der senere blev misbrugt. Historien siger noget andet: misbruget var formålet fra starten.

Tallene fra de tidlige år: Den mest citerede tidlige kortlægning (Deeptrace/Sensity, 2019) fandt, at omkring 96% af alle deepfake-videoer på nettet var ikke-samtykkelig pornografi — og at stort set alle ofrene var kvinder. Senere analyser lander samme sted: langt størstedelen af deepfakes er seksuelle, og omkring 99% af ofrene er kvinder og piger.

De første ofre var kvindelige kendte og skuespillere. Skiftet til helt almindelige mennesker — naboen, klassekammeraten, kollegaen — kom senere (det vender vi tilbage til i serien). Men skabelonen blev sat allerede i 2017: kvinders kroppe, uden samtykke, som råmateriale.

Hvorfor en otte år gammel historie betyder noget nu

Denne serie følger én linje gennem hele udviklingen: deepfakes er blevet progressivt lettere at lave, mere troværdige og tilgængelige for stadig flere — og den menneskelige pris er vokset i takt med det.

2017 er nulpunktet: høj teknisk tærskel, dyrt udstyr, mest kendte ofre. Alt siden har handlet om, at barrieren faldt. At forstå, hvor det begyndte, gør det tydeligere, hvor det er på vej hen — og hvorfor både lovgivningen (som den nye §73a) og det at beskytte sig på forhånd betyder så meget i dag.

Er du selv blevet ramt?

Næste del i serien: Hvordan teknologien gik fra håndværk til ét klik — og det åbne værktøj, der i 2022 fik barrieren til at kollapse.

Kilder