用技術對抗技術，英特爾破解深度偽造？_風聞

文/觀察未來科技

這兩年，深度合成讓人們越來越多地感受到技術時代裏的“以假亂真”。本質上來看，深度合成技術是人工智能發展到一定階段的產物，源於人工智能系統生成對抗網絡（GAN）的進步。典型的“深度合成”主要包括人臉替換、人臉再現、人臉合成以及語音合成四種形式。

作為一種基於人工智能的人體圖像合成技術，深度合成的起初只是程序員用於自制搞笑的“換頭”視頻的簡單想法。而當兩個深度學習的算法相互疊加，最終創造了一個複雜的系統。

人工智能的進步令這個複雜的系統用途也得以擴充。從特定用户實時匹配面部表情，並無縫切換生成換臉視頻，到其可以模仿的對象不再被限制。不論是明星政客，還是任何普通人，都可以在深度合成技術下達到“以假亂真”的程度。這也讓深度合成有了新名字，即深度偽造。

深度偽造帶來的最大問題，就是讓人們難辨真假，基於此，近日，英特爾宣佈，他們已經開發了一個名為 FakeCatcher 的 Deepfake 檢測工具，該工具聲稱在檢測被 AI 篡改的視頻方面有 96% 的準確性。更重要的是，英特爾稱 FakeCatcher 是實時檢測，在幾毫秒內出結果。

其中，Deepfake 視頻就是使用人工智能算法制作的偽造視頻，可以將一個人的臉拼接到另一個人的臉上，甚至模仿他們的聲音。而FakeCatcher的原理則是識別視頻人物皮膚的靜脈血液流動。如果是真人，血液時刻在體內循環，皮膚上的靜脈就會有週期性的深淺變化，深度偽造的人就沒有。

這也讓我們看到用技術來解決技術帶來的問題的可能性。在深度偽造技術下**，回應深度偽造對社會真相的消解，彌補信任的崩壞，並對這項技術進行治理已經不可忽視。**2019年，斯坦福大學研究員Tom Van de Weghe聯合計算機、新聞等行業的專家，成立了深度造假研究小組，以提升公眾對這一現象的認知度，設計深度造假的識別應對方案。

然而，技術發展速度往往高於破解速度。隨着鑑別器在識別假視頻方面做得越來越好，生成器在創建假視頻方面也做得越來越好。而可以預見，未來，深度偽造與鑑別深度偽造在這種“道高一尺魔高一丈”的反覆中博弈下去。