Deep-Learning-with-PyTorch-2.2 伪

2.2 伪造它直到制造它的预训练模型

让我们假设一下，如果，我们是职业犯罪分子，想要转而出售伪造著名艺术家的“丢失”画作。 我们是犯罪分子，而不是画家，因此当我们绘制假的伦勃朗和毕加索作品时，很快就会发现，我们是模仿者而非真正的交易品。 即使我们花了很多时间进行练习，直到我们得到一张我们无法分辨的画布是假的，也要在当地的手工商店将其通过，这将使我们立即被赶出局。 更糟糕的是，被告知“这显然是假的，滚出去” 无济于事！ 我们必须随机尝试一堆东西，评估哪些时间稍长一些才能识别为伪造品，并在我们未来的尝试中强调这些特征，这将花费太长时间。

相反，我们需要寻找一位道德水平受质疑的艺术史学家来检查我们的作品，并确切地告诉我们是什么使他们认为这幅画不是很好。 有了这些反馈，我们可以以明确，有针对性的方式改善输出，直到我们的粗略学者不再能够从真实的事物中分辨出我们的画作为止。

很快，我们将在卢浮宫中放上“ Botticelli”，在口袋里放上他们的本杰明人。我们会变得富有！

尽管这种情况有点荒唐可笑，但基础技术是可靠的，并且可能在未来几年内对数字数据的感知准确性产生深远影响。考虑到自动化伪造的图像和视频的制作将变得多么容易，“图片证据”的整个概念很可能会完全令人怀疑。唯一关键要素是数据。 让我们看看这个过程如何运作。