在未来世界，如果只看脸的话，你可能真的无法辨认真假。
在科幻电影《银翼杀手2049》中人类制作的“复制人”和人类的容貌近乎一致，除非用专业的仪器做情绪测试，或者找到复制人体内的编号，否则人类根本无法用肉眼分辨孰真孰假。
图片来自：《银翼杀手2049》
这样的未来世界对我们来说可能有些遥远，但如果只看脸的话，你可能真的无法辨认真假。
“AI脸”已跨越恐怖谷
先来看一组图片，你有信心一眼分辨出“假人脸”吗？
图片：以上均为AI合成脸
这里提到的“AI脸”指的是由AI合成的人脸照片，并非真人拍摄，以肉眼看，一时间很难判断真假。
意大利银行创新中心支持二级市场证券代币化研究:金色财经报道，意大利银行米兰枢纽创新中心将为Cetif Advisory开发的项目提供支持，该项目旨在研究机构去中心化金融（DeFi）的证券型代币生态系统，该项目没有商业化目的，但将扩大二级市场上证券代币的分析范围。Cetif Advisory总经理Imanuel Baharier在一份声明中表示，我们认为，为DeFi创造条件，使其成为受监管实体安全、开放的运营环境至关重要。
Cetif Advisory是米兰天主教大学Cetif研究中心的附属机构。该项目是与Polygon Labs、Fireblocks和其他组织合作的。意大利银行、资产管理公司和其他十家金融机构将参与其中。[2023/7/26 16:00:42]
加州大学伯克利分校的Hany·Farid教授多年来一直在从事AI图像合成技术的研究。根据他近日发表在美国国家科学院院刊的一项研究显示，AI合成的人脸已与真人没有区别，甚至看起来比真人更加真实。共同参与此项研究的Sophi·Nightingale博士称最开始开展研究的目的，就是为了借助真人对比找到提高AI人脸可信度的方法。Farid认为目前AI图像合成技术发展和改进的速度非常迅速，比传统的CG成像还要快。Farid称：我们认为，我们已经跨越了静态面孔的恐怖谷效应。
恐怖谷理论是一个关于人类对机器人和非人类物体的感觉的假设，它在1970年由日本机器人专家森昌弘提出，由于机器人与人类在外表﹑动作上都相当相似，所以人类亦会对机器人产生正面的情感，直至到了一个特定程度，他们的反应便会突然变得极之反感，哪怕机器人与人类有一点点的差别，都会显得非常显眼刺目，让整个机器人显得非常僵硬恐怖，让人有面对行尸走肉的感觉。人形玩具或机器人的仿真度越高人们越有好感，但在相似度临近100%前，这种好感度会突然降低，越像人反而越反感恐惧，好感度降至谷底，这被称之为恐怖谷。可是，当机器人的外表和动作和人类的相似度继续上升的时候，人类对他们的情感反应亦会变回正面，贴近人类与人类之间的移情作用。
CertiK与阿里云达成合作伙伴关系，将区块链安全引入云平台:金色财经报道，区块链安全机构CertiK与阿里云宣布签署合作伙伴关系，为基于云的Web3项目提供区块链安全服务。Web3开发人员现在可以使用CertiK的端到端安全解决方案和阿里云可扩展、高效且安全的基础设施来加速他们的开发过程并保护他们的应用程序和智能合约。[2023/5/15 15:04:24]
从Farid的实验结果来看，AI合成的人脸很可能已经脱离了“行尸走肉”的阶段。
生成模型为关键技术
如此逼真的人脸是怎么合成的？AI合成主要采用GAN生成模型技术。
GAN全称对抗生成网络，顾名思义是生成模型的一种，试图通过学习让模型尽可能生成逼真的输入分布。GANs的最终目的是预测给定标签的特征，而不是预测给定特征的标签。对生成对抗网络的一种直观理解是，想象一名造假者试图伪造红酒。一开始，作为一名小白，他非常不擅长这任务。他将自己造的假酒和真酒混在一起，并将其给品鉴师。品鉴师对每瓶酒进行真实评估，并向这个伪造者给出相应的反馈，告诉他怎么才是更真的红酒。造假者回到自己的作坊，根据品鉴师的反馈，开始制作一些新的假酒。随着时间的推移，二人一来一往的交流，造假者变得越来越擅长造假酒，品鉴师也变得越来越擅长找出假酒。最后，造假者终于造出了足以以假乱真的红酒。整个过程可以类似下图所示：
美国银行：美联储主席鲍威尔要传达一个具有挑战性的信息:12月15日消息，美国银行表示，虽然美国11月CPI报告是一个“明确的好消息”，但美联储主席鲍威尔今天的任务可能是提醒市场，还有更多的工作需要完成。美国银行经济学家预计，美联储将加息50个基点，并预期2024年利率预期中值将上调25个基点。他们表示，11月CPI增加了2023年终端利率相对于9月预测仅上调25个基点的风险，这意味着终端利率为4.75-5%。“这是一个难以传达的信息，大宗商品价格下跌和供应链问题消退不足以让通胀达到美联储的目标，市场可能不会完全接受这一信息。然而，我们预计会听到美联储表示，要实现其目标，仍然需要消除劳动力需求和劳动力供应之间持续的不平衡。”[2022/12/15 21:45:02]
同理，在“AI脸”方面可以想象GAN里有一个“画家”和一个“鉴定师”，“画家”需要画出尽可能像人脸的图片，交给“鉴定师”评判。“鉴定师”在评判之前要看非常多的真人照片，分析出人脸的特征，当“画家”的画能够过阅脸无数的“鉴定师”时，一张AI合成人脸照片就诞生了。在这个过程中，“鉴定师”经过不断的学习准确度会不断提高，相应的“画家”的技艺也要随之增长，两者形成一种对抗关系，从而提高合成图像的质量，直到能够以假乱真。
Ankr：将快照重新发行ankrBNB，并购买500万美元BNB补偿LP:金色财经报道，Ankr表示，团队已经评估了损失，流动资金池中的BNB价值最高为500万美元。Ankr将拍摄快照并在漏洞利用前向所有有效的aBNBc持有者重新发行ankrBNB。ankrBNB代币将继续可赎回，而aBNBc和aBNBb将不再可赎回。
此外，Ankr将购买价值500万的BNB，并用它来整体补偿因流动性池耗尽而受到利用影响的流动性提供者。[2022/12/2 21:18:35]
图片：NVIDIAStyleGAN2
Farid在实验中采用的是英伟达发布的NivdiaStyleGAN2模型。
2018年12月，美国芯片巨头英伟达开发的一款超逼真面部生成器。这个基于GAN的模型表现得非常好，以至于大多数人都无法分辨它是一张合成的“假脸”。2019年2月，英伟达宣布将开源这款漂亮的工具，并将其命名为StyleGAN。这一机器学习技术是为了生成模拟真实图像的新图像。使用StyleGAN，不同于大多数其他生成器，可以定制不同的因素来更改生成的图像的结果。StyleGAN生成的图像非常逼真，它是一步一步地生成人工的图像，从非常低的分辨率开始，一直到高分辨率。通过分别地修改网络中每个级别的输入，它可以控制在该级别中所表示的视觉特征，从粗糙的特征到精细的细节，而不会影响其它的级别。但是，StyleGAN还有一些缺陷，最明显的是生成的图像有时包含斑点似的伪影(artifacts)，经过几个月的改进，这一缺陷也被完美解决了。NVIDIA的研究人员发布了StyleGAN的升级版——StyleGAN2，重点修复artifacts问题，并进一步提高了生成图像的质量。
A股收盘：深证区块链50指数下跌2.48%:金色财经消息，A股收盘，上证指数报3228.06点，收盘下跌1.64%，深证成指报12411.01点，收盘下跌1.52%，深证区块链50指数报2832.25点，收盘下跌2.48%。区块链板块收盘下跌2.33%，数字货币板块收盘下跌2.6%。[2022/7/15 2:15:31]
图片：NVIDIAStyleGAN2
研究人员认为，已具备一定可信度的AI合成照片未来很有可能会被不法分子利用，在社交网络实施或引起混乱，这个问题需要得到社会的重视，并且图片合成技术的发展需要一些条约约束。
那么问题来了，既然AI合成人脸具有一定的社会风险，为什么人们还要投入精力研究呢？
AI脸或是?“双刃剑”
2019年E3电子游戏展上，基努李维斯在《赛博朋克2077》预告片中的惊喜亮相瞬间引爆了所有场内外观众的情绪，随即其本人上场宣布将担任游戏中重要角色“强尼银手”的脸模，勾起了无数玩家的期待。
图片：《赛博朋克2077》
因为在虚拟世界中，一张逼真的人脸能给玩家带来强烈的沉浸感，随着游戏机能的提升，用真人作为脸模代替数字捏脸，成为了越来越多游戏厂商塑造角色的手段。
但使用真人脸模，往往意味着高昂的肖像授权费以及动作捕捉成本，这对一些小型工作室来说并不现实。这时候一张免版权的AI合成人脸便能派上用场——由一个世界上并不存在的人来扮演虚拟角色，听起来合情合理。例如免费AI合成照片项目GeneratedPhoto就与动画软件公司Reallusion合作，用AI合成的人像用作动画、游戏或者广告的3D形象上，开发者可以自由地选择人物的种族、年龄、性别，并且不会有版权问题。可以试想一下，假如模拟人生或者GTA等游戏的NPC人脸都由逼真的人像制作，游戏的沉浸感和临场感将得到大幅提升。
除了游戏，一些客服类软件也需要大量的真人头像与客户沟通，如果将真人头像换用AI人像，既可以避免人像版权纠纷，又能保护个人隐私不被泄露。不过，虽然AI合成照片有着合理的存在意义，但与此同时，也会对网络照片的真实性造成一定冲击，毕竟谁也不想在交友app被一个根本不存在的人迷得神魂颠倒。
Farid认为想要解决这个问题，唯一的办法就是为每张真实拍摄的照片加入一个“真实性”认证，这样人们在浏览和使用照片时，才能辨别其真实性。这听起来就像是《银翼杀手》的逆向版本，电影里人们在复制人的眼球中刻入编号识别，现实中则相反地在真实照片标记，以对抗“假货”。
事实上，目前Adobe、微软等公司已经在推广相关的技术。在2021年2月，Adobe、微软、英特尔、Arm和Truepic等公司与机构联合成立了一个名为“内容来源和真实性联盟”的项目，以打击虚假信息，建立一个可验证图片真实性和溯源的技术标准。而验证的方法也很直接——将照片的拍摄、后期修改等信息用区块链技术原封不动的保留下来，无论照片怎么修改，都能直接查看。经过认证的真实照片会在右上角多一个“i”的小角标，当你点击它时，你就可以看到由相机生成的拍摄日期、地点、镜头等详细信息，而如果有人用Photoshop等软件修改过该照片，你还可以回退到照片的原图，得到完整图像。
C2PA的认证手段能够在一定程度确保严肃新闻等领域的照片真实性，但由于成立时间较短，目前只在部分媒体或社交平台上使用，想要为互联网所有内容提供真实性保障还为时过早。
也就是说，在未来的一段时间里，AI合成照片都有可能会是个社会安全隐患，目前类似NivdiaStyleGAN2等图像合成模型都可以在Github等平台上公开下载得到，这么做真的安全吗？Farid认为这需要技术人员平衡利益与风险后慎重考虑。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。