GAN能伪造音视频文件眼见不再为实

在今年早些时候，一段关于法国音乐家FranoiseHardy的YouTube视频在网上流传。视频中，台下的人回答她，为何唐纳德·特朗普不会让其新闻秘书SeanSpicer在就职典礼人数一事上骗子。Hardy问说道，此事是近于有争议的，Spicer先生得出了“多种事实”。

这一视频的内容很怪异，特别是在是Fran?oiseHardy女士本人。虽然她现在早已73岁了，视频中看上去却只有20岁，而且她说出的声音像极了特朗普的顾问KellyanneConway女士的声音。

实质上，这段视频是德国艺术家MarioKlingemann的杰作“AlternativeFacev1.1”，通过用一个人的脸建模生成式对付网络，分解新的面孔。这是基于Conway女士的一段NBC专访分解的假视频，原本是关于Conway女士一段声名狼藉的对话，却通过Hardy女士之口说了出来。MarioKlingemann用于有所不同的声音片段作为输出数据，基于Fran?oiseHardy女士的脸展开训练。视频看上去有些摇晃，且像素也被调整过。

只不过通过视频软件来制作有可能画面效果不会更佳，但是Klingemann没用于编辑软件来已完成视频，忽略，他只花上了几天时间在台式电脑上用一种机器学习算法——生成式对付网络（GAN）来创立了一个剪辑视频，电脑被强迫输出Hardy女士的音乐视频后，自动分解了Klingemann想的声音片段，在这段假视频中释放出的声音片段只不过是不不存在的，Hardy女士未曾说道过这些话。Klingemann先生的实验让欺诈视频步入大众视线，伴随着未来可能会有一场关于真实性视频的战争。

原本书面的信息可以只能的假造，图像和声音却无法假造，因此图像和声音证据原是十分可靠的，但目前GAN的不存在可能会转变这一局面，它可能会让图像和声音显得也不那么可靠了。事实上音频更容易假造。

一般来说情况下，计算机通过相连大量语音较短记录片段来创立一个句子，这也是Siri声音的分解原理。但这样的数字声音受限于它们忘记的片段范围，因此数字声音只有在说到某些特定短语的时候才听得一起现实。而GAN分解音频的工作方式则有所不同，它用于神经网络算法来自学音频源的统计资料属性，然后在任何其他的上下文中重现这些属性，以毫秒级而非秒级的片段建模。

如果我们想让特朗普或者其他任何一个公众人物讲出登录的话，只不过就是将对应人物的演说材料作为输出，告诉他算法你想输入的语音是什么。在过去几年里，谷歌在英国的DeepMind团队，百度在硅谷的深度自学研究院和蒙特利尔研究院，都公开发表了从文字到语音的高性能算法。

目前这些算法只有大型公司的计算能力才能构建，但这种情况必将转变。比起音频，机器分解图像更加无以构建。2014年，IanGoodfellow发售了GANs，彼时他还是YoshuaBengio在MILA的学生。

尽管深度自学容许机器需要只能已完成图像识别的任务，分辨有所不同种类的数据，比如机器能只能辨别一张猫和一只狗的图片，但是想机器能自动分解猫和狗的图片就没有那么更容易了，计算机很难通过数据库中的大量训练图像，自动分解有意义的图片。Goodfellow转而想起了另一种方法构建图像分解：竞争。仍然催促软件凭空分解简单的东西，而是获取了另一个软件作为原软件的输掉来推展图像分解。

输掉不会分辨原软件分解的图像，辨别它们否“现实”。通过企图欺骗输掉，分解软件学会建构看上去现实的分解图像。

对付软件“理解”现实世界是什么样子，因此彰显了分解图片意义和界限。目前，GANs可以根据一句语言的叙述，分解小型的邮票大小的图像。

当你告诉他GANs，“这只鸟是白色的，有一些黑色头和翅膀，并有一个长长的橙色喙“，它不会为你所画出来。有可能画出来的图像并不极致，但一眼看过去却很现实。当时这样的算法效果并不胆怯，但GAN的发展十分很快。在过去五年中，由相近算法推展的照片分类软件错误率已从25％减少到百分之几。

人们希望图像分解领域也能获得某种程度的进展。谷歌的机器学习艺术家麦克·泰卡早已通过训练GANs算法分解了人脸的图像，分辨率像素大小为768，这像素多达了以前同等研究实验像素的两倍。

Goodfellow现在在搜寻巨头谷歌的内部AI研究院GoogleBrain工作，如果一定要估算这一算法构建时间的话，他指出，分解YouTube骗视频有可能在三年内构建。其他人则指出有可能必须更加长时间。

但是所有人都表示同意这只是时间问题，而不是能无法构建的问题。Goodfellow说，“我们指出AI不会转变我们所信赖的证据——图像和音频”。

本文来源：开云app手机版下载-www.chinabrita.com