“移花接木”的AI換臉，“眼見為實”還可信嗎？
DeepFakes的技術原理
DeepFakes的核心是一個“自動編碼器”，這個“自動編碼器”實際上是一個深度神經網絡，它能夠接收數據輸入，并將其壓縮成一個小的編碼，然后從這個編碼中重新生成原始的輸入數據。
在這個標準的自動編碼器設置中，網絡將嘗試學習創建一個編碼，從中網絡能夠重新生成輸入的原始圖片。只要有足夠多的圖像數據，網絡就能學會創建這種編碼。
DeepFakes讓一個編碼器把一個人臉壓縮成一個代碼和兩個解碼器，一個將其還原成人物A（Fallon），另一個還原成人物B（Oliver）。下面的圖能夠幫助你理解：
在這個案例中，使用的編碼器是一樣的，但是Fallon和Oliver的解碼器是不同的。在訓練的過程中，輸入的人臉會被扭曲，從而模擬一個“我們希望得到這樣的人臉”的概念。
下面將介紹算法訓練的三個步驟：
1． 首先，我們給編碼器輸入了一張Jimmy扭曲臉的圖片，并嘗試用解碼器A來重新還原他的臉，這就使得解碼器A必須要學會在紛繁復雜的圖片中識別并且還原出Jimmy的臉。
2． 然后，把Oliver扭曲臉的圖片輸入至同一個編碼器，并用解碼器B來還原Oliver的臉。
3． 我們不斷重復上面的操作，直到兩個解碼器能夠分別還原出兩個人的臉，同時編碼器也能夠學會通過抓取人臉關鍵信息，從而分辨出Jimmy和Oliver的臉。
等到以上的訓練步驟都完成以后，我們就能把一張Jimmy的照片輸入至編碼器，然后直接把代碼傳輸至解碼器B，將Jimmy的臉換成Oliver的臉。
這就是我們通過訓練模型完成換臉的全過程。解碼器獲取了Jimmy的臉部信息，然后把信息交給解碼器B，這時候解碼器B會作出這樣的反應：“這又是一條干擾信息，這不是Oliver的臉，那么我就把你換成Oliver吧。”
一條算法僅通過觀察許多圖片就能夠再次生成、還原這些圖片，這聽起來挺不可思議的，但DeepFakes確確實實做到了，而且效果還相當不錯。
用AI假里辨真
如何辨別“AI換臉術”？值得慶幸的是，科學界正在應對這個問題，而主要“殺手锏”是運用AI技術假里辨真。
紐約州立大學奧爾巴尼分校教授呂斯衛領導的團隊發現了偽造視頻的漏洞：假臉極少甚至不會眨眼，因為它們都是使用睜眼的照片進行訓練的。
研究人員表示，偽造視頻往往忽略了“自發的、無意識的生理活動，例如呼吸、脈搏和眼球運動”。呂斯衛說：“因此，缺少眨眼是判斷一個視頻真假的好方法之一。”
這種作為“反AI變臉”技術通過有效預測眼睛的狀態，準確率達99％。此項研究已由美國國防高級研究計劃局資助，作為甄別媒體假新聞，推進媒體取證計劃的一部分。
在偽造視頻的后期處理中手動添加眨眼，其實并非一個巨大挑戰，而且一些偽造視頻已包含眨眼。從長遠來看，實際上這是一場通過AI制作假視頻和檢測假視頻之間的持續戰斗。
此外，還有專家指出，“通過強制記錄照片和視頻拍攝的時間、地點，既在區塊鏈上記錄照片和視頻不可篡改的時空戳方法，也可進行鑒別”。
至于大家很關心的問題，目前的人臉識別技術還安全嗎？畢竟很多手機都是人臉解鎖、而且支持人臉支付。對此，專家表示，目前人臉識別活體檢測技術能夠毫秒級辨別，成功率高達99．9％，防控技術還是有的，大家無需過于擔憂。
AI面前，人類必須保持敬畏之心。科技的突破與進步是無罪的，關鍵要看我們如何去利用它。作為研發者和使用者，堃乾智能呼吁，我們不僅應該關注科技進步的最新風向，同時也應該關注技術與社會的融合趨勢，在眾多方向之中，摸準市場的痛點，潛心優化，快速布局。AI換臉技術究竟會走向何方，我們且靜觀其變。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
