這些面孔顯示了AI圖像生成在短短四年內(nèi)取得的進展

人工智能的發(fā)展以驚人的速度發(fā)展 - 以至于通常難以跟蹤。但是，進展與人工智能生成的臉上的鼻子一樣簡單的一個領(lǐng)域是使用神經(jīng)網(wǎng)絡(luò)來創(chuàng)建假圖像。簡而言之：我們對此非常擅長。

在上圖中，您可以看到AI圖像生成的四年進展情況。左邊粗糙的黑白面孔來自2014年，作為一篇具有里程碑意義的論文的一部分出版，該論文引入了稱為生成對抗網(wǎng)絡(luò)(GAN)的AI工具。右邊的顏色面是來自本月早些時候發(fā)表的一篇論文，該論文使用了相同的基本方法，但在圖像質(zhì)量方面顯然是一個世界。

這些逼真的面孔是Nvidia研究人員的工作。在上周公開分享的論文中，他們描述了修改基本的GAN架構(gòu)以創(chuàng)建這些圖像?？纯聪旅娴膱D片。如果你不知道它們是假的，你能分辨出來嗎?

特別有趣的是，這些假臉也可以輕松定制。Nvidia的工程師將一種稱為風格轉(zhuǎn)換的方法融入到他們的工作中，其中一個圖像的特征與另一個圖像混合。您可能會認識到近年來在Prisma和Facebook等應(yīng)用程序中流行的各種圖像過濾器中的術(shù)語，這可以使您的自拍看起來像印象派繪畫或立體主義藝術(shù)作品。

將風格轉(zhuǎn)移應(yīng)用于面部生成使得Nvidia的研究人員能夠以令人印象深刻的程度定制面部。在下面的網(wǎng)格中，您可以看到這一點。真人的源圖像(頂行)具有施加在其上的另一個人(右手欄)的面部特征。皮膚和頭發(fā)顏色等特征混合在一起，創(chuàng)造出一個看起來像是一個全新的人。

當然，創(chuàng)建逼真的AI面孔的能力引發(fā)了令人不安的問題。(尤其是，直到庫存照片模型失效多久?)過去幾年，專家們一直在警惕AI偽造如何影響社會。這些工具可能被用于錯誤信息和宣傳，并可能侵蝕公眾對圖片證據(jù)的信任，這種趨勢可能會損害司法系統(tǒng)和政治。(可悲的是，這些問題在Nvidia的論文中沒有討論，當我們聯(lián)系公司時，它表示在經(jīng)過適當?shù)耐性u審之前，它無法談?wù)撨@項工作。)

不應(yīng)忽視這些警告。正如我們所看到的那樣，使用深層偽造來制造非自愿的色情內(nèi)容，總會有人愿意以可疑的方式使用這些工具。但與此同時，盡管災(zāi)難預(yù)言者所說的，信息啟示并不是很近。首先，人工智能社區(qū)特別關(guān)注生成面孔的能力; 你不能以同樣的保真度以任何你喜歡的方式訓(xùn)練任何形象。在專業(yè)知識和時間方面也存在嚴重的限制。Nvidia的研究人員花了一周的時間在8個特斯拉GPU上訓(xùn)練他們的模型來制作這些面孔。

我們也可以找到尋找假貨的線索。在最近的博客文章中，藝術(shù)家和編碼員凱爾麥克唐納列出了一些說法。例如，頭發(fā)非常難以偽造。它通?？雌饋硖?guī)律，就像用刷子涂上，或者太模糊，融入某人的臉。同樣，AI發(fā)生器不太了解人類的面部對稱性。他們經(jīng)常將耳朵放在不同的水平或使眼睛有不同的顏色。他們也不是很擅長生成文本或數(shù)字，這些文本或數(shù)字只是作為難以辨認的blob而出現(xiàn)的。

但是，如果您閱讀本文的開頭，這些提示可能不是一個巨大的安慰。畢竟，Nvidia的工作表明，這個領(lǐng)域的人工智能正在快速發(fā)展，并且不久之后，研究人員才會創(chuàng)建能夠避免這些問題的算法。

值得慶幸的是，專家們已經(jīng)在考慮驗證數(shù)字圖片的新方法。例如，已經(jīng)推出了一些解決方案，例如用地理編碼標記圖片以驗證拍攝時間和地點的相機應(yīng)用程序。顯然，未來幾十年人工智能偽造與圖像認證之間將會發(fā)生爭執(zhí)戰(zhàn)。目前，AI正在果斷地收費。