照片中的女人看起来很眼熟。

她有点像饰演《老友记》瑞秋的詹妮弗·安妮斯顿,也像从童星变身流行乐歌手的塞雷娜·戈麦斯(Selena Gomez)。她像是电影首映式或者颁奖典礼中摆拍的美女艺人,但是你说不出她的名字。

实际上,她从来没存在过,她只是人工智能制作出来的“假人”。

该图像其实是英伟达开发的软件所生成的。这家大名鼎鼎的计算机芯片厂最近大举投资人工智能。

在芬兰,英伟达的一个小型研究团队最近开发了能够分析数千张(真实的)名人照片、识别共同模式并形成看似一样的新图像的系统。该系统还能够生成马、公共汽车、自行车、植物和众多其它的常见物品的逼真图像。

英伟达此举旨在开发出能自动生成令人信服的图像的技术。他们希望,这种技术能够加速和改进计算机界面、游戏、电影和其它媒体的制作速度,让软件瞬间制造出逼真的图像,而不是像现在的需要开发者耗费数小时甚至数天完成工作。

近年来,得益于各种能通过分析大量数据来学习任务的算法,谷歌、Facebook等公司相继开发了识别人脸和常见物体的系统,这些系统如今已经相当精密。现在,众多全球顶尖的学术AI实验室都在利用类似方法开发识别新产品和并创造性的应用在生活中。

英伟达生成的图像在分辨率方面还有缺失,无法跟专业相机拍出的照片相提并论,但即使是在超大屏智能手机上,它们看起来都都很有真实感。

例如,看看下面的两张照片,你觉得哪张是真实的呢?

(其实这两张图都是电脑合成的)

据悉,英伟达称相信驱动该项目的技术在未来的几个月和几年里将会继续改进,生成尺寸和复杂程度均大幅提升的图像。

“我们有能力进一步推动这种技术的发展,不仅要生成照片,还要生成能够运用于电脑游戏和电影的3D图像。”该项目的其中一位研究员亚科·莱赫蒂宁(Jaakko Lehtinen)称。

其实,很多的系统都利用一种名为“神经网络”的复杂算法来生成图像和声音。这是种通过分析海量数据来识别模式的方式。比如说,通过识别数千张汽车照片,神经网络就能学会鉴别汽车;但与此同时,它还能往另外一个方向发展,那就是利用习得的图像知识生成汽车照片。

在开发生成新名人面孔的系统期间,英伟达的团队更进了一步,它建立了两个神经网络——一个用于生成图像,另一个用来鉴别判断那些照片的真假。这些神经网络被称作“生成式对抗网络”(GAN)。本质上,就是一个系统尽其所能去欺骗另一个系统,另一个系统则尽其所能地避免被蒙骗。

这个图像系列显示了英伟达的系统18天处理过程中的产品。借助名为渐进生成式网络的技术,研究人员开发的系统先生成低分辨率图像,然后逐步生成分辨率更高的图像。这让机器进步的过程变得更加快速,同时也让它变得更加可控,更加稳定。

英伟达旗下的另一个研究团队也开发了一个系统,该系统能够自动地改变夏天拍的街景照片,使得它看起来像是冬季街景照片。加州大学伯克利分校研究员则设计了另一种系统,可以将马转化变成斑马,将莫奈的画作变成梵高的风格。不只如此,谷歌旗下的人工智能实验室深思正在探索自行生成视频的技术,巨头Adobe也在打造类似的机器学习技术,希望能将它们应用于Photoshop等系列产品中。

训练有素的设计师和工程师长期以来都使用像Photoshop这样的软件制作逼真的图像,千万电影特效公司一直在重复做这样的事情。不过,特斯拉CEO伊隆·马斯克(Elon Musk)等人联合创立的人工智能实验室OpenAI的研究人员杜克·金马(Durk Kingma)表示,对于机器来说,学习如何自行生成这种图像正变得越来越简单。

金马提到英伟达在芬兰的研究项目,“我们现在有个模型能够生成比人工编程更加多样化、更加逼真的面孔。”

然而,这种图像制作技术的出现也伴随着新的隐忧。如今假新闻问题备受关注,不久以后我们可能会面临范围甚至更加广泛的假图像问题。“人们的担忧在于,这些技术将会发展到让人很难辨别真伪的地步。”前谷歌人工智能政策主管、人工智能伦理与治理基金主任蒂姆·黄(Tim Hwang)指出,“你会觉得那会加剧我们已有的问题。”

所有的这些图像都花了计算机大约18天的时间生成,经过不断的修改和添加细节,直到系统认为它们可信的为止。

生成式对抗网络的概念最初在2014年由研究者伊恩·古德菲洛(Ian Goodfellow)提出,当时他是蒙特利尔大学的博士生。虽然这种照片生成技术目前的应用仅限于静态图像,但许多研究人员都认为它可能会扩展至视频、游戏和虚拟现实领域。但在另一些人看来,这可能还要数年时间,因为那将需要强大得多的计算能力。

不只是照片,研究人员还在利用各种各样其它的机器学习技术来编辑出更令人信服的视频。

去年8月,华盛顿大学的一个研究团队开发了一个能够给美国前总统巴拉克·奥巴马(Barack Obama)视频加上对口型话语的系统,引起了媒体的广泛关注。也不光是这一例,加州的部分创业公司也有不少在使用美国总统唐纳德·特朗普(Donald Trump)的照片开发类似的技术。

目前,它们的产品并不算完全令人信服。但真正的问题却不在这里,由于技术的快速进步,它指向了一个任何人都能更容易制造虚假图像或者以假乱真的未来。这正是很多专家真正担忧的地方。

利用公开图像和视频分析新闻动态的组织Bellingcat创始人艾略特·希金斯(Eliot Higgins)指出,虚假图像绝不是一个新问题。但相比文本或者口头语,很多人对于照片和视频还是颇为信任。有些人认为,该技术将会演变成为一种人工智能与人类的竞赛,让那些试图蒙骗他人的人与那些试图识别骗术的人针锋相对。

莱赫蒂宁没有多谈他的研究将会给在线虚假信息的扩散带来的影响。但他也指出,随着时间的推移,我们可能得重新思考图像的本性。

原文链接 https://www.nytimes.com/interactive/2018/01/02/technology/ai-generated-photos.html

 

1评论

  1. 目的要 啥?目的要好好活现在。不要再苦其心志 饿其体肤 作死了

评论已关闭.