真人的脸孔 VS 人工智能合成的脸孔，你能区分吗？

哈喽艾瑞巴蒂

这里是你的可爱博酱呀

大家一定会都看过这段话叫

“耳听为虚，决意为实”

但是决意就一定为实吗？

如果说计算机不太可能能好好到

让你相信“有假即是真”

你会没有觉得惊讶？

确实是怎么一回事呢

快随博酱来一探究竟~

2018 年，英伟达大受欢迎了一种计算机，它可以为不存在的人制所作极限逼真的照片，让全世界惊叹不已。它的研究者职员依赖于一种称为分解对付的网络 (GAN) 的算法，该算法使两个神经的网络相互对付，一个企图见到有近日，另一个企图分解更为有说服力的的网络。如果有足够的时间，GANS 可以分解非常好的冒充品。

从那以后，计算机分解人体图像的意志力有了极大的进一步提高，但也带来了一些显见的因素：使诈骗者必需故意人们，使得在不予他们表示同意的只能将人们重新组催化片子视作可能，以及破坏对在线电子媒体的重用。虽然可以使用计算机本身来见到剖面冒充，但生物技术子公司没法能有效的调节那些比较简单的材料，也就说明了这条路走不通。

这这样一来更为不可忽视的解决办法是生物否可以见到更差异，以及它们与剖面冒充有何人关系。PNAS的一项新研究者的结果极为悲观——研究者职员见到人们监测有近日的意志力极为比随机确实好，而且严格来说他们显然有假脸比真人更为逼真。

“我们对计算机催化的貌似的逼真度的审计表明，催化引擎不太可能大幅提高了堪称不可思议的地步，必需创造显现出无法界定的貌似，而且比真实貌似更为许多人重用。”所作写道。

为了测试者对有假脸的底物，研究者职员使用 Nvidia 的 GAN 的更为新正式版分解了 400张脸，性别角色平等，各 100 张脸来自四个种族：种族歧视、北高加索人、东亚人和南亚人。他们将这些中都的每一个与从最初应用于训练 GAN 的原始数据库中都提取的真实貌似进行匹配，该原始数据库已被相同的神经的网络说明了为相似。

然后，他们从 Amazon Mechanical Turk 众包平台招募了 315 名参与者。每个人都被要求从组合原始数据大部分都说明了 128 张貌似，并说明了它们否是有假的。他们的准确率只有 48%，严格来说比你一定会从随机确实中都得到的 50% 还要更差。

剖面冒充显现出来的有假照往往带有特征性的缺陷和故障，可以帮助人们将其定位显现出来。因此，研究者职员对另外 219 名参与者进行了第二次试验，在让他们说明了相同数量的貌似在此之前，他们对他们进行了一些必需培训，认识要注意什么。他们的展现仅略有提高，大幅提高 59%。

在再次的试验中都，该设计团队决定刚才对面部更为直接的直觉底物否可以为人们提供更为好的蛛丝马迹。他们决定刚才关注度。人们往往在一瞬间会根据自己的第一直觉来确定不易说明了的东西。而对于放大镜，关注度毕竟是人们说明了一个人的第一底物。但是，当他们让另外 223 名参与者对 128 张貌似的关注度进行满分时，他们见到人们严格来说显然有假貌似的关注度高显现出 8%，这是一个较大但带有统计学意涵的更差异。

鉴于可以将剖面冒充应用于邪恶势力用处，这是一个显见的见到。研究者职员显然，有假貌似评价更为高的大多可能是因为它们看似更为像普通貌似，而在此之前的研究者见到人们更为倾向于重用这些貌似。这是一个大最不许多人重用的四张貌似而得显现出的，这些貌似都是真实的，而最许多人敬佩的三张貌似都是有假的。

研究者职员问到，他们的研究者结果表明，那些技术开发 deepfakes 暗藏的顶层新生物技术的人需要认真思考他们在好好什么。第一步是问自己这项新生物技术的好处否高达其风险。其次该行业还一定会考虑成立保障措施，其中都包括让 deepfake 分解器在其输显现出中都加到标识。

“因为对这种强大新生物技术的访问民主化构成了最灾难性的威胁，我们还期望重新考虑对公众放任自流的法则，以及不受限地发布代码以供任何人扩展到应用程序。”所作写道。

不幸的是，这可能为时已晚。披露可用的模型不太可能必需生产线显现出令人信服的剖面冒充品了，想把模型交还不太可能早先了。

认识更为多