WhichFaceIsReal.com由来自华盛顿大学的两位学者Jevin West和Carl Bergstrom创建，他们都研究信息如何通过社会传播。他们认为人工智能产生的虚假脸部图像的兴起可能是麻烦的，破坏了社会对证据的信任。
“当这样的新技术出现时，最危险的时期就是技术出现在那里，但公众却没有意识到这一点，”Bergstrom告诉The Verge。“那时它可以最有效地使用。”
“所以我们要做的就是 教育 公众，让人们意识到这项技术就在那里，”West表示。“就像最终大多数人都知道你可以利用Photoshop对一张照片进行处理一样。”
ThisPersonDoesNotExist.com生成的虚假脸部图像
两个 网站 都使用称为生成对抗网络（或简称GAN）的机器学习方法来生成虚假图像。这些网站通过大量数据（真实人物的大量肖像）进行操作; 学习其中的模式，然后尝试复制他们所“看到”的内容。
GAN之所以如此优秀，是因为它们会自己进行测试。网络的一部分生成面部图像，另一部分将它们与训练数据进行比较。如果它可以区分，生成器将被送回绘图板以改善其工作。这些技术可用于处理音频和 视频 以及图像。虽然这些系统可以完成的任务有限，但它们正在稳步提升。
在这个人工智能生成的脸部图像的案例中， Bergstrom和West指出，一次恶意攻击可能会在恐怖袭击事件后传播错误信息。例如，人工智能可用于生成在线传播的假罪魁祸首，在社交网络上传播。
在这些情况下，记者通常会尝试使用谷歌的反向图像搜索等 工具 来验证图像的来源。但这不适用于AI虚假图像。“如果你想在这种情况下注入错误的信息，如果你张贴了犯罪者而且是其他人的照片，那么它会很快得到纠正，”Bergstrom表示。“但如果你使用一个根本不存在的人的照片？想想跟踪它的难度。”
他们指出，学者和研究人员正在 开发 大量可以发现深度伪造的工具。“我的理解是，现在它实际上很容易做到，”West指出。通过上面的测试，你可能发现你可以区分AI生成的脸部图像和真实的脸部图像。
“但这些虚假照片会变得更好。在三年后，[这些虚假图像]将难以区分，”West表示。当这种情况发生时，知道将是成功的一半。Bergstrom称：“我们的信息绝不是人们不应该相信任何事情。我们的信息恰恰相反：它不是轻信。”
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
