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(jīng)網(wǎng)絡，它能夠接收數(shù)據(jù)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(shù)據(jù)。

在這個標準的自動編碼器設置中，網(wǎng)絡將嘗試學習創(chuàng)建一個編碼，從中網(wǎng)絡能夠重新生成輸入的原始圖片。只要有足夠多的圖像數(shù)據(jù)，網(wǎng)絡就能學會創(chuàng)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(wèi)領導的團隊發(fā)現(xiàn)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(fā)的、無意識的生理活動，例如呼吸、脈搏和眼球運動”。呂斯衛(wèi)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(tài)，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(zhàn)，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(xù)戰(zhàn)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(qū)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(fā)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(yōu)化，快速布局。AI換臉技術究竟會走向何方，我們且靜觀其變。