计算机可以学做很多事情，掌握很多技能，包括日臻完善的绘画技能，这能够生成从人脸到景观几乎一切事物的逼真效果。如今，“深伪”（DeepFake）技术引发了社会各界的担忧，执法部门不得不出面，而商业图片供应商也面临着由此产生的新竞争。

　　深度学习是“深伪”这项AI新技术的核心，因为此类合成媒体的使用者通过添加对抗循环，让两个神经网络相互对抗和博弈来完善视频或图像效果。这为常规的有监督和无监督的机器学习模式增加了一个新维度。

生成对抗网络技术

　　上述技术用到的架构名为生成对抗网络技术（GAN），上文提到的两个对抗神经网络分别是生成网络（生成器）和判别网络（判别器）。生成网络通过其数据库生成候选方案（图像），然后判别网络会判断候选方案的真假，找出其中的瑕疵并反馈给生成网络，生成网络得到这些反馈后再自行校正。以上循环不断重复，直到判别网络对候选方案的真伪辨别只有50％的把握。最后完成的作品可能是一张人脸照片，大部分人都将无法辨别其真伪。

　　生成对抗网络技术的提出者是Ian Goodfellow。2014年，他在蒙特利尔大学攻读博士学位期间，与他的一些同学及导师Yoshua Bengio一起开发了这一突破性技术。

        GAN不只用于合成媒体，但其在这一领域的运用最为广泛，既有商业运用也有非商业运用。其中，最著名也最令人反感的应用便是生成“深伪”影像，即把图像或视频中原来的人脸替换为电脑生成的人脸。这样做可能是为了好玩，但也能被假冒者用于网络犯罪、发布虚假信息或人身攻击。这些算法在带来潜在风险的同时，也帮助迪士尼工作室创作更多CGI动画。由于运用深伪技术的高分辨率App已经相当普遍，Snapchat和Instagram的用户可通过GAN将自己置于电影剪辑片段或将他们的宠物置于卡通动画中，也可以进行高级照片编辑、实验面部老化等。该技术本身是中性的。

        网站machinelearningmastery.com上列举了一长串GAN的积极用途，包括将卫星照片转换为谷歌地图，将照片从白天转换为晚上或将黑白转换为彩色，甚至将简单的素描转换为逼真的彩色照片。

　　如果想提高照片的分辨率，SRGAN模型可以将图像转换为更高像素的超分辨率图像，或者使用GP-GAN对不同照片的元素进行高分辨率图像融合，更令人惊奇的是，StackGAN可以仅根据文本描述就能生成鸟或花朵等小物体的逼真照片。

　　GAN在商业中的应用包括制作培训和演示视频，如将文本转换为语音、实现视频中面部表情与语音的同步。在广告方面的应用更是突破想象，从为时装展示生成个性化的合成模特，到广告角色如画家伦勃朗肖像的动画效果创造，极为广泛。

“深伪”技术的其他应用

　　此前包括有些现在也很流行的应用程序（如Reface、Zao、FAGAN）能够在静态图像或视频中进行换脸操作，允许用户把任何人的自拍插入电影或者电视节目片段中；如果适当调整朋友照片中的年纪和发型，你甚至可以让他们“穿越”到一战后凡尔赛条约签署现场，化身为签署人。中国的换脸应用程序“Zao”允许用户对名人声音进行“变声”操作，将自己的脸合成到演员身上。Zao刚推出时，在一周内就蹿升为中国国内下载次数最多的免费应用程序。

　　“深伪”技术引发了一个值得关注的法律问题：如果有人在社交媒体平台上抓取其他人的头像照片并对其任意处理，那么被抓取人的肖像权归属于谁？被抓取人又拥有哪些权利？美国部分州与一些国家开始着手解决这些问题，但美国参议院提出的《2018恶意伪造禁令法案》和美国众议院提出的《深度伪造问责法案》目前尚未成为正式法律。

Michael Castelluccio

于婕 译，郭强 校