一组来自英伟达的研究人员利用人工神经网络建立了基于成千上万的真实名人照片的逼真图像。
像摄影本身一样，欺骗性的形象一直存在。以著名的恶作剧照片为例，这些照片是关于棉球仙女或尼斯湖水怪的。Photoshop将图像篡改带入数字时代。由于人工神经网络的算法能够分析数以百万计的真实人物和地方的照片，人工智能正准备将照片造假技术提升到一个新的高度，并利用它们创造出令人信服的虚构作品。
这些网络由相互连接的计算机组成，系统是根据人脑的结构松散地排列的。谷歌、Facebook和其他公司多年来一直在使用这样的阵列来帮助他们的软件识别图像中的人。一种更新的方法涉及到所谓的生成对抗性网络，即GANS，它由一个生成图像的“生成器”网络和评估其真实性的“鉴别器”网络组成。
“神经网络渴望数百万的示例图像来学习。GANS是一种（相对）新的方法来自动生成这样的例子，“西雅图艾伦人工智能研究所的首席执行官Oren Etzioni说。
然而，GANS也能让人工智能快速生成逼真的假图像。生成器网络使用机器学习来学习大量的图片，这就教会了它如何让看似逼真的照片成为自己。它将这些信息发送给甄别网络，该网络已经经过训练，以确定一个真实的人的图像是什么样的。识别器根据实际情况对每个生成器的图像进行打分。随着时间的推移，发电机能更好地制造假图像，而识别器也能更好地检测它们——因此“对抗”一词就出现了。
GANS被认为是人工智能的突破，因为在他们最初的训练之后，他们在没有人的监督下继续学习。伊恩·古德费罗，现在谷歌Brain(公司的人工智能项目)的研究科学家，是2014年引入这种方法的研究的主要作者。自那时起，世界各地的数十名研究人员就对GANS已经进行了各种各样的实验，例如机器人控制和语言翻译。
开发这些无人监管的系统是一个挑战。GANS有时不能随着时间的推移而提高;如果发电机不能产生越来越逼真的图像，那就会使鉴别器变得更好。
芯片制造商英伟达(Nvidia)已经开发出一种培训对抗网络的方法，以帮助避免这种被逮捕的发展。关键是在低分辨率的图像中训练生成器和鉴别器进步法，然后添加新的像素层，在训练过程中引入更高分辨率的细节。根据英伟达研究人员计划今年春天在国际人工智能大会上发表的一篇论文，这种先进的机器学习策略也将训练时间缩短了一半。该研究小组通过使用20多万名名人照片的数据库来训练其GANS，从而证明了这种方法的可行性。该数据库生成了一些不存在的真实的、高分辨率的人脸。
机器本身并不知道它所创建的图像是否逼真。“我们选择了人脸作为我们的主要例子，因为我们人类很容易判断生成人工智能模型的成功——我们都有内置的神经机制，在我们的生活中进行了额外的训练，以识别和解释人脸，”参与该项目的Nvidia研究人员Jaakko Lehtinen说。挑战在于让甘人模仿人类的本能。
Facebook将对抗性网络视为一种帮助其社交媒体平台更好地预测用户希望看到的基于他们之前的行为，并最终创造出符合常识的人工智能的方式。该公司的人工智能研究主管Yann LeCun和研究工程师Soumith Chintala已经将他们的理想系统描述为“不仅有文字和图像识别能力，而且还具备推理、预测和计划等高阶功能，可以与人类的思维和行为相媲美。”“LeCun和Chintala测试了他们的发电机的预测能力，通过给它提供4帧视频，并让它使用AI生成下两个帧。结果是动作的综合延续——不管是一个人走路还是头部动作。
高度真实的人工合成图像和视频为电影制作者和视频游戏制作者们提供了一种需要相对廉价的内容的巨大希望。虽然甘斯能产生图像逼真的乍一看,“他们仍有很长的路要走之前实现真正的现实主义,亚历克·雷德福说,研究人员目前人工智能研究公司OpenAI和作者的研究(发表于2016年的国际人工智能会议),Facebook的工作是基于。Radford补充说，高质量的人工合成视频甚至更远。
网络恶作剧制造者——已经在制作虚假的病毒内容——是否会利用ai生成的图片或视频来达到邪恶目的，还有待观察。在人们越来越怀疑他们在网上看到的真实情况的时候，这项技术可能会带来更大的不确定性。
作者：劳伦斯·格林迈耶
网友评论