【
中國安防展覽網 科技動態】 數碼工具會讓越來越多的人都有能力進行偽造。過不了多久，所有人都可以通過人工智能對一張圖片或是對視頻進行復雜的處理。
Smile Vector 是一個推特機器人，可以生成任何明星照片微笑的動圖，如果輸入一張人臉圖片，它可以通過深度學習神經網絡生成它們微笑的表情。雖然這些圖片也許并不，但它們完全是自動生成的，這是人工智能在圖像處理領域的又一進步。也許不久之后，圖片、聲音和視頻造假都將變得容易。想象一下，假如新版本的 Photoshop 可以像用 Word 編輯文字一樣輕松編輯圖片，你還會相信自己的眼睛嗎？
這將是一個技術上的飛躍。「我非常確定這將是一個技術上的飛躍，」Smile Vector 的，Victoria 大學設計學院講師 Tom White 說到。「這不僅意味著我們具有修改圖像的能力，更意味著它簡便易行，適用于所有人。」White 將它的作品比作對現實世界的「*」，意在宣示人工智能的技術能力。「我覺得現在科技圈以外的人還不知道機器學習能夠做什么，你可以想象一下如果我們在 Instagram 中加入這樣一個濾鏡，你只需選擇『大笑』或者『微笑』，圖片瞬間就處理好了，所有人在自己的手機上都可以這樣做。」
Smile Vector 只是新技術的冰山一角，我們很難對現代人工智能多媒體處理技術做出全面的概述，但我們能夠找出其中一些有意思的應用。例如：從一張 2D 圖片中創建 3D 面部模型；使用人類「模型」實時改變視頻中人物的面部表情；改變圖片中的光源和陰影；為無聲視頻自動生成聲音；在總統選舉直播中讓變成禿頭；用視頻剪輯「復活」朋友等等。這些事例只是其中的一小部分。
「這一領域正在迅速發展，」Wyoming 大學的計算機科學教授 Jeff Clune 說道。「每個月我都會看到新的產品出現。」Clune 的研究并不包含修改圖像，而是直接生成圖像。他和他的團隊從 2015 年開始通過對象識別訓練神經網絡。這項研究源自于 2005 年 Quian Quiroga 等人的一項神經學研究，他們確定了當面對某些圖像時人類大腦中產生興奮的神經元，并教導整個網絡產生大化這種刺激的圖像。
在2015年，他們生成的圖像是這樣：
到了2016年，他們的研究有了很大進展：
為了生成這些圖片，需要在此類圖片的數據庫上訓練神經網絡。一旦它學習了足夠的螞蟻、紅腳鷸和火山的圖像，它可以根據命令生成自己的版本。當前的兩個瓶頸是圖像分辨率(這些圖片都不大于 256×256)，還有搜集足夠數量標記過的圖片來訓練神經網絡。Clune 表示：「我們當前遭遇的挑戰不在于模型本身，而是缺乏更高分辨率的數據集，需要多長時間才能生成出真實的全高清圖像？我們無從得知，不過它應該只需要幾年，而不是幾十年」
當這些技術完善之后，它們將會很快的流行起來。「風格轉換」就是一個很好的例子，這個 APP 應用神經網絡把一張圖片的風格應用于另外一張圖片上。這個方向的一篇重要論文是在 2015 年 9 月份發表的，隨后，論文的研究者在 2016 年一月份把他們的研究做成了一個開源的網絡應用。6 月，一家俄羅斯初創公司開創性地改善了這些代碼，做出了手機 app——Prisma，這個應用讓所有人都可以在手機上制作不同藝術風格的照片，然后將制作的照片分享到社交網絡中。Prisma 瞬間成為社交網絡的寵兒，今年 11 月，Facebook 發布了自己版本的風格轉換應用，在 Prisma 基礎上增添了一些新功能。不到一年時間，這個技術完成了從前沿研究到商業產品成型的過程，這就是此類工具發展成型的節奏。
Clune 認為人工智能圖像生成應用在未來將在創意產業中起到重要作用。家具設計師可以使用它作為一個「靈感源(intuition pump)」，在為神經網絡提供椅子的數據集后，就可以要求它自動生成這些椅子的變種，這是一種創新的創作方式。圖像生成的其他用途可能會在視頻游戲和虛擬現實等領域里，根據用戶實時說出的內容生成場景。想要條巨龍？只要下達命令就能生成了。研究人員已經在研究這些前沿交互方式了，在下面的圖片中，右側的圖像僅僅只是是基于左邊的字幕生成的。
它顯然可以用來搞惡作劇。有一個叫 Face2Face 的程序，它將視頻中的人物變成了木偶，讓你的表情映射到了他們的臉上。研究人員使用和奧巴馬等人的鏡頭證明了這一點。在 Adobe 發布的新研究中(Project VoCo)，用戶可以編輯人類語音，該公司表示它可以像 Photoshop 編輯圖片一樣用于調整視頻中的發音和對話。你現在可以創建政治家、名人、演說家的視頻片段，并且不論內容如何。然后你可以在任何社交網絡的頁面上發布你的剪輯，并看看它會如何迅速遍布整個互聯網。
圖：Face2Face實時改變視頻中人物的口型
這并不意味著，機器學習編輯工具會讓我們的社會變得再無真相。畢竟人類造假的歷史由來已久，潤飾照片的實踐早都是在暗室里進行的，媒體也經常會把假圖片誤報成真的。從朝鮮的「導彈發射」到本拉登的「尸體」，這些圖片在英國一些小報的頁面上隨處可見。同樣，視頻也是一樣——例如，2015 年美國計劃生育協會(Planned Parenthood)丑聞，將隱藏拍攝的鏡頭經過編輯去支持一些聳人聽聞的錯誤言論。
但我們不能否認的是，數碼工具會讓越來越多的人都有能力進行偽造。過不了多久，所有人都可以通過人工智能對一張圖片或是對視頻進行復雜的處理。一旦每個人都能像寫 Word 一樣快速處理照片，事情一定會變得復雜起來。現在，查驗人工智能所做的偽造和處理并不難(模糊處理是一種常見的方法，低分辨率就會讓它「看上去就是假的」)，但是研究人員一直在努力改善他們的技術。
如果每個人都能像專業人員一樣既快速又簡便地修改一張照片，這個世界會發生什么？
現實中偽造的事情越來越多，這對陰謀論者來說是一件愉快的事，但同時也會大大降低人們對新聞業的信心。一旦人們知道目前有偽造的圖片在新聞業流通，即使他們看到真圖，也會開始懷疑，不管原因是什么。(例如，2012 年報道颶風桑迪的博客圖片，經證實，里面有偽造的圖片，但也有真實的圖片)如果新的軟件能夠讓我們像處理圖片一樣輕松處理音頻、視頻內容，這其實又削弱了媒體「真實可信」證據的另一大支柱。
這一領域的人工智能研究者們已經對即將到來的媒體環境有了直接的體驗。Clune 說：「我目前正處在讓我頭暈目眩的現實世界當中。」「人們發給我一些真實的圖片，但我還是不禁會想它們看起來像不像是假的。當他們給我發送一些偽造的圖片的時候，我又在假設這些圖片是真的，因為的確質量很高。漸漸地，我開始在想，我們是不會知道真和假之間的區別的。這取決于人們自我嘗試和自我學習的能力。」
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
