從“深度偽造”到“深度合成”：AI為啥需要一次“正名”？

在世人對(duì) AI 的“邪惡性”進(jìn)行攻詰的浪潮中，AI 造假，可能已經(jīng)是現(xiàn)在排首位的理由了。

自從 2017 年 Deepfake（深度偽造）橫空出世以后，人們驚呼原來 AI 在造假方面簡直天賦異稟。此后“AI 生成內(nèi)容”技術(shù)，特別是 GAN 算法的突飛猛進(jìn)更加印證了這一事實(shí)。不僅僅是 AI 換臉，還有 AI 自動(dòng)生成文本、語音、圖像、視頻等等一切數(shù)字內(nèi)容。

除了 AI 換臉帶來的色情視頻泛濫之外，人們更進(jìn)一步擔(dān)心 AI 生成內(nèi)容技術(shù)在隱私侵犯、威脅信息安全、操縱政治選舉等方面帶來全新挑戰(zhàn)。

人們往往會(huì)假設(shè)，如果任由 AI 生成的內(nèi)容在互聯(lián)網(wǎng)中蔓延，將會(huì)更進(jìn)一步?jīng)_毀互聯(lián)網(wǎng)世界的真實(shí)性邊界。

（被 AI 造假的扎克伯格“諷刺”自己的 Facebook 平臺(tái)）

Deepfake 之后，真相何在？

如果哪些是真，哪些是假，普通人都難以分辨的時(shí)候，那么組成社會(huì)基石的真相和信任將就此坍塌，但我們似乎還沒有做好活在“無信任社會(huì)”的準(zhǔn)備吧。

德國哲學(xué)家康德在《實(shí)踐理性批判》中論證“人為什么不能說謊”的法則，揭示了“無信任社會(huì)”的悖論和荒謬。假如“人人可以說謊”是一條社會(huì)的通行法則，那么，每個(gè)人都不會(huì)再信任另一個(gè)人說的話，這樣說話人的謊言也就不會(huì)得逞。說謊而無人相信，就陷入了自相矛盾的境地，反之“人人不能說謊”，才應(yīng)該是正常社會(huì)的通行法則。

這就是說，只有在默認(rèn)“人人應(yīng)該誠實(shí)”的信任社會(huì)里，說謊者才可以通過成功騙到他人獲利，也會(huì)因?yàn)橹e言被戳穿而信譽(yù)破產(chǎn)。而在“無信任社會(huì)”中，信息的真假判斷都難以進(jìn)行，那只能默認(rèn)一切都為“假”，才會(huì)不至于上當(dāng)受騙。但是相應(yīng)的代價(jià)是信任全無，合作難以達(dá)成，交流也不再可能，最終將會(huì)是社會(huì)的分崩離析。

當(dāng)然這只是理論上面最極端的演繹?，F(xiàn)實(shí)世界永遠(yuǎn)會(huì)在理論世界之下形成巨大的灰色空間，人性的基石仍將亙古不變，技術(shù)的演進(jìn)也會(huì)一往無前，而人性的弱點(diǎn)就會(huì)在這兩者的撕扯的張力中一直暴露無遺。每一代的新人類除了持續(xù)的學(xué)習(xí)、進(jìn)化，以適應(yīng)技術(shù)加速帶來的全新挑戰(zhàn)，似乎也沒有什么更好的辦法。

回到“Deepfake”為代表的“AI 生成內(nèi)容”技術(shù)來說，它既不會(huì)成為將我們的社會(huì)拖向“無信任”的深淵，也不會(huì)讓我們的人性變得更好或更壞一點(diǎn)。在一個(gè)即將到來的“虛實(shí)相容、真假不分”的后真相世界當(dāng)中，只會(huì)讓適應(yīng)這一變化的我們變得更加復(fù)雜和反脆弱。

所以。這一略帶“貶義”的 Deepfake（深度偽造）的技術(shù)名詞，需要被我們重新塑造為一個(gè)技術(shù)中性詞匯——Deep Synthesis（深度合成）。

為“深度合成”正名：AI 的技術(shù)中性

科技的每一次突破，都可能帶來意想不到的“副產(chǎn)品”。

就如同愛因斯坦發(fā)現(xiàn)了質(zhì)能方程式之后，即使再不情愿，他也無法阻止原子彈的出現(xiàn)和使用。就在 Deepfake 這個(gè)“妖孽”在美國新聞網(wǎng)站 Reddit 被放出來之后，AI 的領(lǐng)軍人物 Yann LeCun 也在 Twitter 上深深反?。?/p>

“說真的，要是當(dāng)初知道卷積神經(jīng)網(wǎng)絡(luò)(CNN)會(huì)催生 Deepfake，我們還要不要發(fā)表它？”

隨即 LeCun 自己就回答了這個(gè)問題。LeCun 表示，即使不是我們首先公開發(fā)表，CNN 也會(huì)由其他人或機(jī)構(gòu)發(fā)明出來。而在 2002 年當(dāng)時(shí)被公布出來以后，人們也不知道如何來利用它。換句話說，CNN 的價(jià)值要在技術(shù)人員的不斷探索下才能挖掘出來。

現(xiàn)在 CNN 正在被開發(fā)出各種各樣的應(yīng)用，既對(duì)世界有很多正向的積極影響，比如醫(yī)療診斷、自動(dòng)駕駛、內(nèi)容過濾以及安全監(jiān)控等等，也可能引起一些負(fù)面的效果，比如侵犯隱私、造假詐騙、偏見歧視等等，好壞參半，可以各打五十大板。

簡單來說，就是 AI 無罪，問題還是出在使用 AI 技術(shù)的人類身上。

以 Deepfake 技術(shù)所引發(fā)的 AI 換臉的色情視頻泛濫來說，AI 技術(shù)被應(yīng)用于色情產(chǎn)業(yè)幾乎是一件“必然如此”的過程。一方面，現(xiàn)代色情產(chǎn)業(yè)一直都是最新科學(xué)技術(shù)應(yīng)用的急先鋒，另一方面，AI 在圖像內(nèi)容生成技術(shù)的發(fā)展正好迎來了突破臨界點(diǎn)。最后一步就只剩下這個(gè)叫“Deepfakes”的用戶最后的“靈機(jī)一動(dòng)”了。

實(shí)際上，Deepfake 為“AI 內(nèi)容生成”技術(shù)的普及起到了推波助瀾的作用，但同時(shí)也帶來難以抹去的污名化影響。而鑒于“AI 內(nèi)容生成”技術(shù)的發(fā)展早已超出 AI 換臉的范疇，技術(shù)商業(yè)領(lǐng)域正在試圖用“深度合成”來為這一技術(shù)正名。

首先，Deepfake（深度偽造）一詞明顯以偏概全，其僅僅是“AI 換臉”技術(shù)的早期代表，不足以包含所有的“AI 生成內(nèi)容”的技術(shù)。用 Deep Synthesis（深度合成）可以更好地泛指所有 AI 生成算法和涵蓋自動(dòng)生成圖像、視頻、語音、文本、音樂等內(nèi)容的合成技術(shù)。

其次，Deepfake 尚未得到技術(shù)社區(qū)的廣泛認(rèn)可，只是被媒體大眾叫順嘴了而已。況且 Deepfake 自帶的“腹黑”體質(zhì)，對(duì)于 AI 技術(shù)的應(yīng)用推廣會(huì)帶來直接的負(fù)面影響。

“深度合成”這個(gè)更為中性的技術(shù)名稱，將會(huì)代替 Deepfake 來行使 AI 內(nèi)容發(fā)展的應(yīng)盡之責(zé)。那么，“深度合成”該如何撐起這重任呢？

“深度合成”的底氣：技術(shù)加速和商業(yè)落地

“深度合成”技術(shù)，其實(shí)就是借助可以自主學(xué)習(xí)的深度學(xué)習(xí)算法模型來實(shí)現(xiàn)的，其主要使用的的兩個(gè)技術(shù)就是“自動(dòng)編碼器”人工神經(jīng)網(wǎng)絡(luò)和 “生成對(duì)抗網(wǎng)絡(luò)”（GAN）的人工神經(jīng)網(wǎng)絡(luò)組成。前者用于訓(xùn)練數(shù)據(jù)的合成，后者由生成器和鑒別器組成，一個(gè)用來進(jìn)行新數(shù)據(jù)的生成和一個(gè)用來對(duì)其進(jìn)行鑒別，經(jīng)過二者無數(shù)次的對(duì)抗，最終生成出“以假亂真”的合成數(shù)據(jù)，其中就包括 Deepfake 所創(chuàng)造出來的換臉視頻。

（GAN 相關(guān)論文的發(fā)表情況）

從 2014 年，GAN 提出一直到今天，已經(jīng)經(jīng)歷了從 CGAN、BigGAN 、StyleGAN 等多個(gè)版本更新，其中每年的相關(guān)研究論文也在加速增長，可見學(xué)界對(duì)于 GAN 算法的重視和發(fā)展前景的看好。

（BigGAN 生成的包含各種類別的高清晰圖片）

與此相應(yīng)的，就是圖像生成質(zhì)量的突飛猛進(jìn)，其中不僅可以實(shí)現(xiàn)人臉的合成，也能更一步實(shí)現(xiàn)圖像疊加融合，或者直接生成全新的高清圖片，以致于人眼根本難以分辨真假。

比如，去年 MIT 和 IBM 沃森聯(lián)合實(shí)驗(yàn)室發(fā)布的一個(gè)基于 GAN 的 AI 藝術(shù)畫師，就可以學(xué)習(xí)文藝復(fù)興時(shí)期的畫家的繪畫風(fēng)格，直接將現(xiàn)代人類的照片變成文藝復(fù)興時(shí)期的畫作。

其中的技術(shù)優(yōu)勢(shì)在于，GAN 神經(jīng)網(wǎng)絡(luò)會(huì)根據(jù)自己學(xué)到的技巧為畫面重新構(gòu)圖，也就是它是畫出新的圖片，而不是利用風(fēng)格遷移的方式，改變?cè)瓐D的色彩。

其實(shí)，深度合成技術(shù)已經(jīng)可以走得更遠(yuǎn)。除了單一的圖像、音頻合成之外，多維度的內(nèi)容合成已經(jīng)是一個(gè)趨勢(shì)，這樣可以將語音識(shí)別、人臉識(shí)別、唇形搜索等結(jié)合起來，進(jìn)行人臉語音的合成，從而可以讓一個(gè)人自然流利地說出自己從未說過的話。

此外，人臉合成之外，全身合成、3D 合成虛擬人技術(shù)也成為當(dāng)前的應(yīng)用熱點(diǎn)。剛剛過去的兩會(huì)期間，搜狗聯(lián)合新華社推出上崗的全球首個(gè) 3D 版 AI 合成主播，就已經(jīng)可以在文本實(shí)時(shí)驅(qū)動(dòng)面部表情和唇形，肢體動(dòng)作、超寫實(shí)細(xì)節(jié)呈現(xiàn)上面做到比擬真人的動(dòng)態(tài)效果。

在“深度合成”技術(shù)的商業(yè)化方面，已經(jīng)有眾多行業(yè)和企業(yè)看到其應(yīng)用場(chǎng)景和廣闊市場(chǎng)。目前，“深度合成”已經(jīng)在影視娛樂、社交通訊等多個(gè)行業(yè)的場(chǎng)景中開始發(fā)揮作用。

比如，在影視劇制作中，最直接的幫助就是提升音視頻制作的效率，拓展創(chuàng)作想象空間；一些特殊情況下，還可以通過合成技術(shù)為影視劇的失聲的演員進(jìn)行聲音合成，為已過世的演員進(jìn)行“數(shù)字復(fù)活”；甚至直接創(chuàng)造虛擬數(shù)字人來進(jìn)行影視劇集的制作。

在娛樂應(yīng)用體驗(yàn)上面，最基本的臉部特效應(yīng)用、換臉視頻、動(dòng)圖，都已經(jīng)多次在我們的生活中出現(xiàn)；虛擬偶像、虛擬主播、虛擬客服也隨著深度合成技術(shù)的成熟而變得越逼真和可信。

在社交通訊上面，與其擔(dān)心深度合成技術(shù)會(huì)暴露個(gè)人隱私，不如可以讓深度合成技術(shù)幫我們?cè)谏缃痪W(wǎng)絡(luò)中建立自己的“數(shù)字分身”，就如同《頭號(hào)玩家》里面每個(gè)人創(chuàng)建的虛擬形象一樣，成為自己在網(wǎng)絡(luò)世界的通行證。

此外，像電商營銷、教育藝術(shù)、醫(yī)療科研等領(lǐng)域，深度合成技術(shù)帶來的仿真數(shù)據(jù)和虛擬化內(nèi)容都可以為這些產(chǎn)業(yè)帶來新的應(yīng)用場(chǎng)景或者直接推動(dòng)該領(lǐng)域的技術(shù)進(jìn)步。

顯然，深度合成技術(shù)的這些正向價(jià)值正在為其換來更有底氣的話語權(quán)和發(fā)展前景。但是這個(gè)一出現(xiàn)就飽受人類質(zhì)疑和恐懼的 AI 技術(shù)，仍然值得我們認(rèn)真對(duì)待其應(yīng)用邊界和規(guī)則。

“深度合成”的治理：如何鎖住“虛假內(nèi)容”的惡龍

正如一切獲得都必須付出代價(jià)一般，我們?nèi)绻胍硎苌疃群铣杉夹g(shù)帶來我們的一切生活便利和精神享受，同時(shí)就必須承受其帶來的將數(shù)字世界全面虛擬化的代價(jià)。

深度合成技術(shù)所帶來的“虛假內(nèi)容”的社會(huì)風(fēng)險(xiǎn)將長期存在。首先，深度合成的開源技術(shù)和軟件，讓普通人們偽造、操縱音視頻的門檻大幅降低；其次，這些虛假音視頻內(nèi)容足以以假亂真地騙過大多數(shù)“不明真相”的群眾；最后，這些帶有明顯色情、危言聳聽或侵犯隱私的信息又足以吸引人，只要從源頭傳出，就會(huì)進(jìn)行源源不斷的擴(kuò)散。

除了少數(shù)能夠辨別真?zhèn)蔚膶I(yè)人士，大多數(shù)人都難以分辨和抵制這些假信息的誘惑。深度合成的技術(shù)濫用風(fēng)險(xiǎn)，需要得到來自法律、技術(shù)、行業(yè)、民眾等多方面的制約。

第一，法律層面。對(duì) AI 深度合成內(nèi)容的用途、標(biāo)記、使用范圍以及濫用技術(shù)的處罰，都應(yīng)該進(jìn)行深入研究，并出臺(tái)相應(yīng)的規(guī)定，為深度合成的合法使用提供依據(jù)。

第二，技術(shù)層面。與深度合成技術(shù)同步進(jìn)化的內(nèi)容鑒別技術(shù)和溯源追蹤技術(shù)也應(yīng)該得到重視。針對(duì)合成內(nèi)容的有效鑒別與標(biāo)記，才能從源頭來識(shí)別合成內(nèi)容，以防止負(fù)面的虛假內(nèi)容的擴(kuò)散。

第三，行業(yè)層面。深度合成技術(shù)離不開行業(yè)自律，合成內(nèi)容技術(shù)提供者和平臺(tái)要承諾在合成內(nèi)容之上必須做出標(biāo)記，或者提供有效的檢測(cè)和標(biāo)注工具，來保證合成內(nèi)容被清晰識(shí)別出來。

最后，民眾層面。相比較于權(quán)威機(jī)構(gòu)或者主流精英人群對(duì)合成內(nèi)容泛濫的擔(dān)憂，廣大民眾反而可能是這波“虛擬化”浪潮最主要的支持者，甚至是虛假信息的推波助瀾者。

在我們即將全面迎來數(shù)字化世界的今天，培養(yǎng)合格“數(shù)字素養(yǎng)”應(yīng)該要成為一件從小就抓起的公民必修課。但這門課教什么、怎么上，仍然需要在深度合成技術(shù)發(fā)展的路上慢慢探索。

正如沒有任何一個(gè)技術(shù)是我們?cè)谧龊脺?zhǔn)備之后才出現(xiàn)，AI 技術(shù)也是如此。

從一開始，我們就把 AI 技術(shù)出發(fā)點(diǎn)定義為，盡可能地學(xué)習(xí)和模仿人類的能力，以致于最終能夠代替人類行駛那些繁重、重復(fù)甚至極高難度的任務(wù)。

而深度合成技術(shù)不正是這一目標(biāo)的實(shí)現(xiàn)過程。我們既然選擇喚醒 AI 這條巨龍，就不能再“葉公好龍”地?fù)?dān)心 AI 越來越像人類這件事情。

最后，反過來看我們?nèi)祟愡@個(gè)物種，一方面我們有極致的智慧去探索世界的因果規(guī)律，始終去探索那個(gè)“真相”；一方面我們又抱著極大熱情來發(fā)明各種工具，來承擔(dān)人類的各種工作。

這兩種能力也直接促成了我們今天的工業(yè)世界，以及未來要進(jìn)入的數(shù)字虛擬世界。

樂觀來說，我們不僅不用太過擔(dān)心“后真相時(shí)代”的來臨，甚至于，我們還會(huì)很快適應(yīng)這個(gè)徹底“虛擬化”的美麗新世界。

對(duì)于絕大多數(shù)人來說，追求真相，遠(yuǎn)遠(yuǎn)沒有追求舒適更具吸引力。