发帖
雷达卡
CDA网校：数据科学、人工智能从业者的在线大学。
数据科学（Python/R/Julia）数据分析、机器学习、深度学习
在俄罗斯小说家维克多·佩雷温(Victor Pelevin)的网络科幻小说《智人》（Homo Zapiens）中，名叫巴比伦·塔塔斯基(Babylen Tatarsky)的诗人被大学老友招募，前往莫斯科担任广告撰稿人。凭借其在文字方面的聪明天赋，塔塔斯基迅速爬上了公司高层，他在那里发现，当时有很多事情实际上都是虚拟模拟的结果。而随着越来越复杂的深度伪造（Deepfake）应用出现，让人不禁觉得佩雷温的设想似乎正在慢慢变成现实。
在最近关于全身DeepFake的报道中，一家名为Deep Trace Labs的公司表明他们对合成媒体领域已开展广泛研究，这家位于阿姆斯特丹的公司过往专注于AI操控内容。今天，该公司发布了一份备受期待的报告《DeepFake现状：前景、威胁和影响》，他们在报告中探讨了在网站、论坛和移动应用中普遍存在的DeepFake。
正如Deep Trace Labs的Giorgio Patrini所解释的，这项研究始于该公司2017年成立之时，包括对网站、论坛和服务的全面检查。研究人员梳理了论坛和DeepFake社区的帖子，找到晦涩和不太受到关注的元素，以全面了解DeepFake对现状的威胁。Deep Trace通过其内部开发的公共API和特别工具从这些网站、渠道、论坛和社区收集数据。它还可以查看网站或YouTube频道，在这些网站或频道中，并非所有内容都可能来自DeepFake。
Deep Trace发现，目前网上有14678个DeepFake视频，其中96%是色情视频，并且大部分都是著名女演员的脸，被转移到色情明星的身体上。事实上，大多数DeepFake的目标是女性，而大多数非色情的目标是男性。YouTube上超过90%的DeepFake视频都来自西方世界，从女演员、音乐家到政客和企业界人士。但Patrini强调，这不仅仅是一种仅限于西方的现象。
刘亦菲换脸泰妍
同样在2018年，由德国海德堡大学图像处理合作实验室(HCI)和科学计算跨学科中心(IWR)的计算机视觉教授比约恩·奥默尔(Bjorn Ommer)博士领导的研究小组，发表了一篇关于教授机器以逼真形态渲染人类身体运动的论文。今年4月，日本人工智能（AI）公司Data Grid开发了一种AI应用，它可以自动生成不存在的人的全身模型，并可以将其应用到时尚和服装行业。
虽然很明显，全身深度伪造技术具有有趣的商业应用潜力，如在深度伪造舞蹈视频或体育和生物医学研究等领域，但在当今社会中，恶意使用案例越来越令人担忧。目前，全身深度伪造技术还不能完全愚弄人类的眼睛，但就像任何深度学习技术一样，它正慢慢取得进步。全身深度伪造还需要多久就能变得与现实无法区分？这可能只是时间问题。
徐锦江版“海王”
合成整个人体
合成面部和整个身体的过程之间存在着关键性差异。奥默尔说，对人脸合成已经进行了许多研究，这其中有几个原因：首先，任何数码相机或智能手机都有内置的面部检测技术，这项技术可用于微笑检测等任务，或用于识别观众正在看的人的身份。这样的用例可以产生收入，以支持更多的研究。但是，正如奥默尔所说，它们也导致了“大量的数据集组装、数据整理和获取面部图像，这些都是深度学习研究的基础。”
其次，也是奥默尔更感兴趣的，虽然每个人的脸看起来都不同，但当把脸与整个人体进行比较时，它的变化可能更小。奥默尔解释称：“这就是为何对脸部的研究已经到了瓶颈阶段的原因，与整个人体相比，脸部研究已经十分透彻，但身体有更多的可变性，处理起来也更复杂。如果你在朝那个方向研究，你会学到更多的东西。”
研究小组发现，95%的深度伪造视频是色情类别中的换脸，其中大多数是名人被换脸。一个Reddit 用户运用人工智能的技术，制作了一段“假”的色情视频，把《神奇女侠》的女主角盖尔·加朵( Cal Gadot )的脸，嫁接到一个成人电影女星的身上，自此这位闷骚的技术宅“一炮而红”。
左图是盖尔·加朵真人，右图只有脸是盖尔·加朵的
到目前为止，Deeptrace实验室还没有看到任何全身合成技术出现。帕特里尼指出：“你不能用一个算法或想法来总结这些问题的解决方案，这需要构建几个可以告诉你关于合成媒体整体不同信息的工具。”
范德韦格认为，探测深度伪造技术的下一件大事将是“软”生物特征签名。每个人都有自己独特的面部特征，比如扬起的眉毛、嘴唇的动作以及手部动作等，这些都是独一无二的。加州大学伯克利分校的研究员舒迪·阿加瓦尔（Shruti Agarwal）使用这类软生物识别模型，来确定这种面部抽搐是否是为视频人工创建的。
为何深度伪造难监管
Fast.AI的托马斯说：“在短期内，推广虚假信息和其他有毒、煽动性内容对主要平台来说是有利可图的，所以我们的激励机制完全不一致。我不认为这些平台应该对它们托管的内容负责，但我确实认为它们应该对它们积极宣传的内容负责。例如，YouTube向那些甚至没有寻找的人推荐了160亿次亚历克斯·琼斯（Alex Jones）的视频。”
Deeptrace实验室的帕特里尼说，对合成媒体的监管可能证明是复杂的。但是，他相信某些现行的法律，比如那些涵盖诽谤和版权的法律，可以用来监管恶意的深度伪造行为。帕特里尼说，阻止深度伪造的全面法律将会被误导。相反，他认为应该支持造福社会的合成媒体应用，同时资助研究开发工具来检测深度伪造内容，并鼓励初创企业和其他公司也这样做。
帕特里尼说：“我们还可以告诉大众，这项技术已经存在，我们需要重新训练我们的耳朵和眼睛，不要相信我们在互联网上看到和听到的一切。我们需要为人和社会接种‘疫苗’，而不是在两年内修复东西，因为滥用这项技术可能会引发许多灾难性或有争议的事情。”
奥默尔称：“我们都看到了图像理解的应用及其潜在的好处，但这涉及非常重要的责任问题，谁将为此承担责任？公司很可能为了股东的利益着想也需要明确自己的责任。但是，我们都知道他们到目前为止是如何处理这一责任的。这是个非常棘手的问题，它们只是希望深度伪造视频自然而然地消失，但这显然是不现实的。”
关注“AIU人工智能”公众号，回复“白皮书”获取数据分析、大数据、人工智能行业白皮书及更多精选学习资料！
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
