AI深度伪造视频，你能认出来吗？

有句老话叫做“眼见为实”，然而AI技术的迅猛发展正在改变这一切，大量“深度伪造”的视频和音频流入日常生活中，我们可能很快就不再知道如何判断什么是真的，什么是假的。

最近“换头”软件ZAO火了，众多用户将各种影视剧中的明星脸替换成自己的头像，一时朋友圈被各路“山寨明星”占领。

其实，Zao所使用的AI换头技术并不鲜见。今年年初，一位B站博主肖先生动用Deepfakes技术，将94版《射雕》中的黄蓉由演员朱茵换成了杨幂，合成结果十分逼真，毫无违和感。

在全球范围内，被换脸的不仅有娱乐圈明星，还有硅谷的互联网大佬，和政坛的权势人物。

此前，有人通过剪辑、拼接和慢放等手段，制作了一段美国众议院议长南希·佩洛西的演讲视频。

视频中的南希言辞混乱，颠三倒四，宛如深度醉酒。最后，美国国会召开了有史以来第一场有关Deepfakes技术的听证会，探讨AI换脸的正当性。

Deepfakes到底可以做到多逼真呢？华盛顿大学研究所曾利用Deepfakes技术，成功换脸美国总统奥巴马。视频中的人，无论从相貌声音，还是穿着打扮，都跟真的奥巴马几乎一致，可以轻易蒙蔽肉眼。

什么是Deepfakes？

Deepfakes 背后的技术并非高深难懂，它来自“深度学习”和“假货”这两个词的组合。简单来说，它是一个通过机器学习技术搭建的系统：让机器学习人的面部特征，然后合成到影片中的面部。

Deepfakes搭建的系统可以通过谷歌图片搜索、网络图库、Youtube视频等途径获取的素材，利用这些素材通过TensorFlow等多个开源库，训练深度学习网络，经过反复训练后，系统就会自动替换脸部信息。

学习样本越多，生成脸谱图的还原度就会越高。这也是为什么政治家和名人往往会成为被冒充的目标，因为在线可用的视觉数据非常多。

由于Deepfakes软件可以在开源平台上使用，因此互联网上的开发者们不断完善，并在其他人的工作基础上进行改进，机器进步的速度就越快，伪造的程度就越高。

Deepfakes的后果

Deepfakes的“面部交换技术”，最初主要用于电影业。但是在之前的几十年里，要想改变视频素材，都需要时间、技术高超的艺术家和大量资金。

其中一个最著名的例子是2016年的电影“星球大战外传：侠盗一号”。

在电影中，电影制作人使用面部交换和视频合成技术，来重现角色Grand Moff Tarkin。电影中还创作了一部年轻版的莱娅公主。在这两种情况下，原始演员面部的模型都叠加在替身演员身上。

在另外一个例子中，出于公众教育目的，项目组专门开发了视频和面部合成软件，用来展现大屠杀幸存者的证词，在博物馆中以互动全息图的方式呈现。

然而，Deepfakes技术的出现改变了这场游戏。随着Deepfakes的发展和扩散，任何人都有能力制作一个令人信服的假视频，包括一些可能为了政治或其他恶意目的而“武器化”它的人。

就像Photoshop一样，尽管创作者在创建Deepfakes软件时没有恶意，但这并没有阻止人们将其用于恶意目的。

在国内，借由AI换脸的黑科技，已经形成了一条完整的色情产业链。

100元打包200部换脸情色片，囊括国内一二线女明星，5张照片就可以帮你定制换脸视频，400元就可以购买换脸软件及教程并包教包会，成品情色视频价格从2元1部到30元46部、100元150部和100元200部不等，一般都是打包售卖……

Deepfakes还可以成为传播错误信息的有力工具。如今还没有人因为深度伪造视频，被诬陷犯罪，或被伪造死亡，但是当很难分辨出哪些视频真实存在时，会发生什么？

还有正在困扰互联网的假新闻，视频比文字或图像更有可能让人们相信虚构的事实发生了，最糟糕的是大多数人在看到它时都无法识别它。

比如，用于政治目的的深度伪造视频，会让假的故事看起来充满“证据”，显示某些政治家承认犯错或做出无耻的陈述，一旦这种假新闻传播起来，后果难以想象。

事实上，人工智能声音合成也在快速的发展，AI不仅可以生成虚假视频，还可以为人们生成语音模型。

这意味着你不需要一个人去模仿政治家，而是可以通过训练AI来模仿某位政治家的声音，仿佛他们正在发表一个令人发指的声明。

正是因为Deepfakes被人恶意使用，这项技术让很多人感到前所未有的恐慌，甚至有人质疑这种技术根本就不应该开发出来给大众使用。但技术无罪，对于这些造假的换脸视频到底如何处理？

目前在大多数国家，没有任何法律处理此类内容，使其难以控制。而Facebook、Twitter、Instagram的做法是不会删除视频，但会告诉用户，这些视频不是真的；承诺不作恶的谷歌更为保守，其旗下Youtebe则彻底删除了这些视频。

如何对抗恶意的Deepfakes？

PS摧毁大众对图片的信任后，Deepfakes也在摧毁大众对视频的信任。没有人想在网络看到自己的面孔说出没说过的话，许多针对个人的伤害，也因为影响不够大而投诉无门。

美国正在形成一支Deepfakes纠察队，不仅是学校实验室、研究中心在找寻Deepfakes的破绽，创业潮流也在兴起。

但这是一场造假AI与辨别 AI的竞赛。每篇讨论Deepfakes的论文，仿佛也在同时帮助造假技术修补漏洞，进而更上一层楼。

关上Deepfakes的潘多拉盒子，他们能做到吗？

位于硅谷的SRI International AI中心希望“以毒攻毒”，用假影片训练算法，让算法辨识虚拟痕迹。在人们上传视频到社交网站时，平台需要重新编码影片。这是个侦测假视频的好时机。

但随着Deepfakes漏洞日渐优化，用算法打算法的难度也日益增加。辨别AI原本就是训练造假AI的一部分，两者刚好在生成对抗性网络的两端。一个是建构程序，一个是认证程序，道高一尺，魔高一丈。

由于Deepfakes的技术在于篡改资料，认证方则搜寻一切篡改资料的痕迹。一种方法是基于像素的视频侦测，视频其实是成千上万帧图片连放，细致到侦测每个像素的改变痕迹，是颇浩大的工程。

此外，假的脸部表情仍有缺陷。假脸部表情往往与其他部分不一致，计算机算法可侦测图片或影片的不一致。

举例来说，初代Deepfakes视频的人物，眨眼方式都有点奇怪。

纽约州立大学奥尔巴尼分校计算机科学副教授Siwei Lyu曾撰文表示，成年人眨眼间隔为2-10秒，一次眨眼需要十分之一到十分之四秒。这是正常影片人物应有的眨眼频率，但很多Deepfakes视频的人做不到。

由于缺乏闭眼影像资料，算法的训练并不完美，视频人物面孔总有一种“哪里不对”的不和谐感。

然而，透过闭眼的脸部影像、或使用视频串列训练，可改善眨眼间隔。假视频的质量总会提高，而研究人员需要继续找寻检测漏洞的方法。

南加大研究者Wael Abd-Almageed表示，社群网络可使用算法大规模辨识Deepfakes。

为了做到自动化，研究人员首先建立一个神经网络，“学习”人类说话时如何行动的重要特征。然后，研究人员使用这些参数将假视频的堆栈帧输入AI模型，侦测随时间的不一致性。

普渡大学研究人员也采用类似方法，他们认为，随着训练模型的Deepfakes资料量越来越大，模型也会更精确，更容易找出假影片。

如何阻止Deepfakes从低俗娱乐发展到操纵民意，是研究者最迫切的动力之一。但愿一键辨假的速度，能追上一键换脸的速度。

Deepfakes如同普罗米修斯的火种撒向大地，带来的究竟是温暖还是毁灭，无人知晓。

微信公众账号：科技云报道

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。