文章图片

看到这张照片 ， 你是否觉得这就是一张真实的人脸照片？
事实上 ， 这是一个名为“此人不存在”的网站生成的合成人脸照片（this-person-does-not-exist.com） 。
【走出恐怖谷：AI已能合成难辨真假的人脸照片，还更被信任】“我们对AI合成人脸照片真实感的评估表明 ， 合成引擎已经走过了‘恐怖谷’ ， 能够创造出跟真实人脸难以区分且更受人信赖的人脸 。 ”2月14日 ， 一篇发表在《美国国家科学院院刊》（PNAS）的论文在摘要中表示 。
“恐怖谷效应”于1970年由森昌弘提出 ， 是一个关于人类对机器人和非人类物体感觉的假设 。
“恐怖谷效应”称 ， 由于机器人与人类在外表、动作上相似 ， 所以人类亦会对机器人产生正面的情感；而当机器人与人类的相似程度达到一个特定程度的时候 ， 人类对他们的反应便会突然变得极其负面和反感 ， 哪怕机器人与人类只有一点点的差别 ， 都会显得非常显眼刺目 ， 从而觉得整个机器人非常僵硬恐怖 。 在合成人脸照片的情景中 ， “恐怖谷”效应往往来自于合成人眼中空洞的表情所引发的不安感 。

文章图片

而一旦机器人和人类的相似度继续上升 ， 相当于普通人之间的相似度时 ， 人类对其的情感反应会再度回到正面 ， 产生人类与人类之间的移情 。

文章图片

越来越令人信服的图像正在将观者拉出“恐怖谷” ， 进入由Deepfake（深度伪造）构建的欺骗世界 。 在加州大学伯克利分校教授Hany Farid和兰开斯特大学博士生Sophie Nightingale的《AI合成的人脸与真实人脸没有区别且更被信赖》研究中 ， 参与实验的人被要求区分神经网络StyleGAN2合成人脸和真实人脸 ， 以及这些人脸唤起的信任程度 。
这项研究由三个实验构成 。 在第一个实验中 ， 315名参与者从128张面孔（从一组800张面孔中提取）分类为真实面孔或合成面孔 ， 准确率为48% 。
在第二个实验中 ， 219名新参与者被培训如何识别真实人脸与合成人脸 ， 然后与第一个实验一样对128张人脸进行分类 。 尽管进行了训练 ， 最后准确率也只是提高到了59% 。
继而 ， 研究人员决定探索可信度的感知是否可以帮助人们识别人造图像 ， “人脸提供了丰富的信息来源 ， 只需几毫秒的时间就足以对个人特征（例如可信度）进行隐含推断 。 我们想知道合成面孔是否会激活相同的可信度判断 ， 如果不是 ， 那么对可信度的感知可能有助于区分真实面孔和合成面孔 。 ”
第三项实验 ， 223名参与者对128张面孔的可信度进行评分 ， 这些面孔取自同一组800张面孔 ， 评分范围为1（非常不可信）到7（非常可信） 。 最后 ， 合成面孔的平均评分比真实面孔的平均评分高7.7% ， 具有统计学意义 。
整个实验结果表明 ， 合成的人脸照片与真实人脸几乎无法区分 ， 甚至被认为更值得信赖 。 这样的结果也在研究者的意料之外 ， Nightingale表示 ， “我们最初认为合成面孔不如真实面孔可信 。 ”
这个生成人脸照片的StyleGAN是Nvidia于2018年开发的一种神经网络 。 GAN由2个相互竞争的神经网络组成 ， 其中一个称为生成器 ， 不断生成一些东西 ， 另一个称为鉴别器 ， 不断尝试确定结果是真实的还是由第一个生成的 。 生成器以随机像素开始练习 。 随着鉴别器的反馈 ， 它逐渐产生了越来越逼真的人脸 。 最终 ， 鉴别器无法区分真脸和假脸 ， 训练就结束了 。