未來人工智能可能會生成這樣的人物照。
□勞倫斯·格林邁耶
自從照相技術發明以來,虛假照片就一直層出不窮。比如曾轟動一時的“花仙子”和“尼斯湖水怪”的假照片。而有了Phot oshop軟件之后，圖片處理更是進入了數字時代。現在，利用一種算法，人工神經網絡可以對數百萬張真人照片進行分析、整合，由此得到的虛擬照片可以達到以假亂真的效果，可以說，人工智能的發展，將照片偽造技術又提升到了一個全新的高度。
人工神經網絡是基于生物學中的神經網絡的基本原理，由大量計算機互聯組成的信息處理系統。為幫助軟件更好地識別圖片中的人，Googl e、Facebook等公司在多年之前就已經開始使用這種人工神經網絡。現在，研究人員又開發出了一種名為“生成對抗網絡”的新型人工神經網絡，它由一個能生成圖像的生成器網絡和一個負責評價圖像真偽的鑒別器網絡組成。
“要讓神經網絡學會識圖，需要經過數百萬張圖片的訓練。GAN則是一種較新的算法，它可以自動生成圖像，”美國艾倫人工智能研究所的首席執行官奧倫·埃齊奧尼說。
利用GAN算法，人工智能還能迅速生成足以亂真的虛擬照片。通過機器學習，生成器網絡可對大量圖片進行分析，學會制作栩栩如生的虛擬照片。然后，它會把這些虛擬照片發送給鑒別器網絡，鑒別器網絡受過專門的訓練，知道如何甄別圖片人物的真假。根據與真人的相似程度，鑒別器會對生成的圖片進行評估。隨著時間的推移，生成器的造假能力和鑒別器的甄別能力都會變得越來越強大——這也是“對抗”的意義所在。
GAN給人工智能帶來了突破，因為在進行初步學習后，它可以在沒有人類監督的情況下繼續學習。2014年，現就職于Googl e Br ain(Googl e公司的人工智能項目部)的伊恩·古德費洛曾作為第一作者，發表了一篇介紹這項研究的論文，從那以后，全球范圍內的數十位科學家開始將GAN應用于各個領域，比如機器人控制和機器翻譯。
開發這種無監督學習系統極具挑戰性。有時候，GAN會表現不佳，長時間學習卻沒有進步；如果生成器不能生成越來越逼真的圖像，鑒別器也會受到影響，無法變得更“犀利”。
芯片制造商Nvidia的研究人員提交給今年春季的國際人工智能大會的論文來看，這種漸進式的機器學習策略還有一個好處——能使訓練時間減少一半。Nvidia團隊展示了它們的最新成果：利用一個包含200000多張明星面部照片的數據庫對GAN進行訓練，最后得到足以亂真的高分辨率人臉圖像，而實際上這些人并不存在。
人工智能并不知道自己創造出的人臉圖片是否逼真，它們沒有這個天賦。“我們之所以選擇人臉作為最初的嘗試，是因為我們人類很容易就可以判斷出人工智能產生的圖片是否逼真。我們天生就有負責識別人臉的腦區，并且為了認出和讀懂別人的臉，一輩子都在接受這方面的訓練。”這項研究的參與、Nvidia團隊的亞可·萊赫蒂寧說。讓GAN模仿人的識臉天賦，就是這個項目的挑戰所在。
Facebook認為，對抗網絡可以幫助社交平臺通過用戶早前的行為，更好地預測用戶的喜好，并最終研發出具有常識的人工智能。Facebook公司的人工智能首席科學家楊·勒康和工程師蘇米斯·欽塔拉認為，理想的人工智能系統不僅是能識別文字和圖像，還應該具有能與人類媲美的推理、預測、規則和行動能力。在勒康和欽塔拉的研究中，他們先向生成器輸入4幀視頻圖像，然后讓人工智能生成后面2幀，以測試其預測能力。結果，人工智能合成出了后續的圖像——一個人在行走，或在做頭部運動。
對希望降低制作成本的電影制片人和視頻游戲制作者來說，用人工智能來生成高度仿真的圖像和視頻，或許是一個不錯的選擇。不過，目前就職于Openai公司的亞利克·拉德福表示，“雖然GAN生成的圖像一眼看上去足以亂真，但要真正達到像真實照片一樣的水準，還有很長的路要走。”拉德福曾于2016年國際人工智能大會上發表過一篇論文，Facebook團隊的研究正是以那篇論文為基礎的。“用人工智能制作高水準的視頻，就是更遙遠的事了。”拉德福補充道。
未來，那些制作假內容，讓它們在網絡上傳播的惡作劇者，會不會利用人工智能制作虛假圖片或視頻并非法傳播？這一點，我們尚需觀望。如果有一天，越來越多的人開始對網絡上傳播內容的真假產生懷疑，那這項技術或許會給我們的未來帶來更大的不確定性。
（馮布譯，摘自《環球科學》）
