您现在的位置是: 专题 > > 正文

走出恐怖谷:AI已能合成难辨真假的人脸照片,还更被信任

时间:2022-02-16 11:54:50 来源:澎湃新闻 发布者:DN032

看到这张照片,你是否觉得这就是一张真实的人脸照片?

事实上,这是一个名为“此人不存在”的网站生成的合成人脸照片(this-person-does-not-exist.com)。

“我们对AI合成人脸照片真实感的评估表明,合成引擎已经走过了‘恐怖谷’,能够创造出跟真实人脸难以区分且更受人信赖的人脸。”2月14日,一篇发表在《美国国家科学院院刊》(PNAS)的论文在摘要中表示。

“恐怖谷效应”于1970年由森昌弘提出,是一个关于人类对机器人和非人类物体感觉的假设。

“恐怖谷效应”称,由于机器人与人类在外表、动作上相似,所以人类亦会对机器人产生正面的情感;而当机器人与人类的相似程度达到一个特定程度的时候,人类对他们的反应便会突然变得极其负面和反感,哪怕机器人与人类只有一点点的差别,都会显得非常显眼刺目,从而觉得整个机器人非常僵硬恐怖。在合成人脸照片的情景中,“恐怖谷”效应往往来自于合成人眼中空洞的表情所引发的不安感。

而一旦机器人和人类的相似度继续上升,相当于普通人之间的相似度时,人类对其的情感反应会再度回到正面,产生人类与人类之间的移情。

越来越令人信服的图像正在将观者拉出“恐怖谷”,进入由Deepfake(深度伪造)构建的欺骗世界。在加州大学伯克利分校教授Hany Farid和兰开斯特大学博士生Sophie Nightingale的《AI合成的人脸与真实人脸没有区别且更被信赖》研究中,参与实验的人被要求区分神经网络StyleGAN2合成人脸和真实人脸,以及这些人脸唤起的信任程度。

这项研究由三个实验构成。在第一个实验中,315名参与者从128张面孔(从一组800张面孔中提取)分类为真实面孔或合成面孔,准确率为48%。

在第二个实验中,219名新参与者被培训如何识别真实人脸与合成人脸,然后与第一个实验一样对128张人脸进行分类。尽管进行了训练,最后准确率也只是提高到了59%。

继而,研究人员决定探索可信度的感知是否可以帮助人们识别人造图像,“人脸提供了丰富的信息来源,只需几毫秒的时间就足以对个人特征(例如可信度)进行隐含推断。我们想知道合成面孔是否会激活相同的可信度判断,如果不是,那么对可信度的感知可能有助于区分真实面孔和合成面孔。”

第三项实验,223名参与者对128张面孔的可信度进行评分,这些面孔取自同一组800张面孔,评分范围为1(非常不可信)到7(非常可信)。最后,合成面孔的平均评分比真实面孔的平均评分高7.7%,具有统计学意义。

整个实验结果表明,合成的人脸照片与真实人脸几乎无法区分,甚至被认为更值得信赖。这样的结果也在研究者的意料之外,Nightingale表示,“我们最初认为合成面孔不如真实面孔可信。”

这个生成人脸照片的StyleGAN是Nvidia于2018年开发的一种神经网络。GAN由2个相互竞争的神经网络组成,其中一个称为生成器,不断生成一些东西,另一个称为鉴别器,不断尝试确定结果是真实的还是由第一个生成的。生成器以随机像素开始练习。随着鉴别器的反馈,它逐渐产生了越来越逼真的人脸。最终,鉴别器无法区分真脸和假脸,训练就结束了。

创建不存在的人脸照片实际上是GAN的一个副产品,其原本的主要目标是训练人工智能识别假脸和一般人脸,Nvidia需要通过自动识别人脸并对其应用其他渲染算法来提高其显卡性能。然而,由于StyleGAN代码是公开的,Uber的一名工程师就利用它创建了一个随机人脸生成器。

对于Deepfake(深度伪造)技术的恶意使用已经在现实中有了诸多体现,比如美国大选中的虚假宣传活动,为勒索而创造的虚假色情内容等等。自Deepfake技术出现以来,鉴别出深度伪造和进一步欺骗鉴别之间已经变成了一场“军备竞赛”。

现在这项对Deepfake进展的研究使人更加担心其被滥用,“任何人都可以在没有Photoshop或 CGI专业知识的情况下创建合成内容,”Nightingale表示。

美国南加州大学视觉智能和多媒体分析实验室主任Wael Abd-Almageed在接受《科学美国人》采访时表示,“另一个担忧是,这些发现会让人觉得深度伪造将变得完全无法检测到,科学家们可能会放弃尝试开发针对深度伪造的对策。”

两位研究者也提出了应对措施,如将强大的水印合并到图像和视频合成网络中,这将为可靠识别提供有效机制。

论文中写道,也许最有害的是,在任何图像和视频都可以伪造的数字世界中,任何不受欢迎的记录的真实性都可能受到质疑。“所以,我们鼓励推进技术发展的人们考虑风险是否大于收益,而不仅仅从技术角度考虑其是否可能实现。”

标签:

抢先读

相关文章

热文推荐

精彩放送

关于我们| 联系我们| 投稿合作| 法律声明| 广告投放

版权所有© 2011-2023  产业研究网  www.coalstudy.com

所载文章、数据仅供参考.本站不作任何非法律允许范围内服务!

联系我们:39 60 29 14 2 @qq.com

皖ICP备2022009963号-13