123. 针对性报道

    “就在昨天，谷歌发布了最新的人工智能技术FaceGAN。

    于此同时发布的，还有一个叫做[这些人并不存在]的网站。

    或许观众们会觉得这是一个彻头彻尾的恶作剧，因为这些肖像，这些人物看上去是那么的真实，栩栩如生。

    可爱的幼童，美丽的女士，英俊的绅士，历经沧桑的老人。这一切似乎与我们生活中的人物没有任何不同。

    但事实证明，这些图像并不是真实拍摄而来，而是使用最尖端的人工智能技术生成获得的。

    对此，我们应当感受到深深的担忧。

    FaceGAN是两个短语，Face和GAN的组合。其中GAN是两个月前，由华国年轻人工智能学者，孟繁岐提出的生成式对抗网络。

    这是一种创新的人工智能方法，GAN在两个月前，还只是领域内开创性的一個设想。

    但两个月之后，针对人脸任务的FaceGAN就已经展现出了惊人的生成效果，威力无穷。

    按照这样的发展速度，我们有理由相信，任何拥有计算机和互联网的人都可以创建逼真的照片和视频，展示人们在说和做他们实际上没有说或做的事情。

    荒谬绝伦的事情都有可能会拥有[证据]佐证。

    尽管令人印象深刻，目前的FaceGAN技术仍旧暂时无法与真实的高清照片相提并论——通过仔细观察，通常可以分辨出该相片是人工智能生成的。

    但这项技术正在以惊人的速度进步。专家预测，用不了多久，人们将无法把人工智能生成的内容与真实图像区分开来。”

    这是福布斯的报道，总体来说还算是中肯。

    虽说对后续人工智能发展的速度过分乐观了一些，不过这属于外行人犯了也很正常的错误，完全可以理解。

    可CNN那边，报道的画风就完全不一样了。

    尤其是其中这一段，攻击性非常之强。

    “类似的生成技术将被广泛应用的第一个用例——新技术通常就是这样，不论你愿不愿意——都将会是涩情内容。

    而生成式涩情内容几乎都必定是非自愿的，从网络的一些黑暗角落，这样的生成式技术会逐渐从涩情领域蔓延到政治领域，并造成更大的混乱。

    如果可以向所有人展示他们认为是[真实的]虚假内容，那么不需要太多想象力就可以理解可能造成的危害。

    想象一下政客在选举前参与贿赂或性侵犯的生成式伪造镜头；或美国士兵在海外对平民犯下暴行；或奥观海总统宣布对朝鲜发射核武器。

    在这样的世界里，即使这些片段是否真实存在一些不确定性，后果也可能是灾难性的。

    由于这项技术的普及，任何人都可以制作这样的镜头：国家资助的演员、政治团体、独立的个人。

    扭曲民主话语；cao纵选举；削弱对机构的信任；削弱新闻业；加剧社会分裂；破坏公共安全；并对包括民选官员和公职候选人在内的知名人士的声誉造成难以修复的损害。

    在过去，如果你想威胁美国，你需要10艘航空母舰、核武器和远程导弹。

    今天......你所需要的只是制作一个非常逼真的假视频的能力，它可能会破坏我们的选举，这可能会使我们的国家陷入巨大的内部危机并深深地削弱我们。

    这些事情，就在不远的未来。

    如果我们不能相信从世界各地收集到的视频、音频、图像和信息，那将是一个严重的国家安全风险。

    图像和视频是否真实几乎无关紧要。强力的生成式技术将使公众越来越难以区分什么是真实的和什么是假的，政治参与者将不可避免地利用这种情况——这可能带来毁灭性的后果。”

    孟繁岐读到这里的时候人都快麻了，怪不得川普最喜欢说CNN是假新闻(FakeNews)。

    这比话说的就特么离谱，现在就只是对低分辨率的脸部图像做了个生成技术，就被CNN说得比航空母舰还邪乎了。

    什么过去需要“10艘航空母舰、核武器和远程导弹”，现在只需要制作假视频的能力？

    意思是他孟繁岐再搞两年人工智能，就智械危机，拿下美国了是吧。

    正经的东西是一点不讲，技术内容也完全不提，就光顾着贩卖焦虑了。

    看得孟繁岐血压都高了。

    华尔街日报的报道则最为技术一些：

    “使得生成如此逼真的图像成为可能的核心技术，是生成式对抗网络，它是由孟繁岐在2013年10月公布的。

    人工智能界的教父级人物，辛顿和本吉奥均高度赞赏这个想法，并称它为过去十年内最有趣的想法。

    在GAN出现前，神经网络擅长对已经存在的内容进行分类，语言，语音，图像等，但完全不擅长创造新的内容。

    孟繁岐不仅赋予了神经网络感知的能力，还赋予了它创造的能力。

    孟的概念突破是使用两个独立的神经网络构建GAN——一个称为“生成器”，另一个称为“鉴别器”——并将它们相互对抗。

    从给定的数据集（例如，人脸照片的集合）开始，生成器开始生成新图像，这些图像在像素方面与现有图像在数学上相似。同时，鉴别器被输入照片，而没有被告知它们是来自原始数据集还是来自生成器的输出；它的任务是识别哪些照片是合成生成的。

    随着这两个网络反复地相互对抗——生成器试图愚弄鉴别器，鉴别器试图证明生成器的创造力——它们磨练了彼此的能力。最终鉴别器的分类成功率下降到50%，不比随机猜测好，这意味着合成生成的照片与原始照片变得无法区分。

    而我们现实当中的情况也是如此，一旦我们发现了某种足以识别生成式虚假内容的方式，生成端很快就可以修正这些内容。就像是猫鼠游戏，我们未来与生成式虚假内容的对抗，就像是GAN方法一样，会不断促使生成模型变得更强大。”

    “我超，这是纯纯的哲学家啊。”孟繁岐看完之后心头一震，这最后的升华是他自己也没有想到的。

    在推特上又逛了一圈之后，孟繁岐才知晓为何这次技术突然引发了这么多人的关注。

    原来是有行为艺术家，看了[这些人都不存在]网站后，从上面找了几张图当头像，直播去网聊。

    结果跟他对话的人，有不少都评价过这些图像，但均没有一个怀疑过这些图像的真实性。

    在数百万吃瓜群众的围观之下，FaceGAN的实力被抬到了一个不属于它的高度。

    而作为GAN技术和FaceGAN技术的第一作者，孟繁岐如今在推特上炙手可热。

    无数的问题和@让他眼花缭乱，甚至发文的这几家主流媒体，也纷纷通过推特留言或者谷歌的关系，对孟繁岐发起了采访的邀请。