5月17日 我們正處在一個越來越容易制造虛假信息的時代。深度造假（Deepfakes）、擴散模型、生成對抗網(wǎng)絡(luò)(GAN)以及其他AI技術(shù)被居心不良者用于偽造照片和視頻，或者創(chuàng)建從未發(fā)生過的事件的一些照片或視頻。

雖然AI生成的圖像和信息有許多積極的應用，但它們也可能被用于邪惡的目的。而有了無縫操縱和扭曲現(xiàn)實的能力，居心不良者可以利用AI欺騙公眾，傳播錯誤信息。

以下簡要探討深度造假的威脅，并介紹一些檢測AI生成信息的技巧。生成式AI這個領(lǐng)域正在迅速發(fā)展，所以必須尋找到新的技術(shù)和對策。

AI可以生成哪些信息？

雖然羅馬教皇穿著羽絨服、美國前總統(tǒng)唐納德·特朗普拒捕及烏克蘭總統(tǒng)澤連斯基呼吁投降等這些事件并沒有真實發(fā)生，但有關(guān)他們的圖片和視頻已經(jīng)在社交媒體上流傳。

這些就是用AI系統(tǒng)創(chuàng)建的圖像和視頻。如今，有幾種深度學習技術(shù)可以制造虛假信息:

· Deepfakes：Deepfakes使用兩個深度神經(jīng)網(wǎng)絡(luò)來學習演員和目標人物的面部特征。然后將目標的面部映射到演員的臉上。有了這樣的算法，Deepfakes已經(jīng)變得更加真實以及非常有說服力。

· 擴散模型：這些是在大量圖像和字幕數(shù)據(jù)集上訓練的神經(jīng)網(wǎng)絡(luò)。通過找到連接文本和圖像的模型，這些模型可以從文本描述中生成令人信服的圖像。DALL-E2、Midtravel和Stable Diffusion是流行的擴散模型的三個例子。

· 生成對抗網(wǎng)絡(luò)（GAN）：生成對抗網(wǎng)絡(luò)（GAN）是一種深度學習系統(tǒng)，可以從零開始創(chuàng)建逼真的圖像，例如人臉和風景。

AI生成信息的潛在危害

由Midjourney生成的美國前總統(tǒng)唐納德·特朗普拒捕的虛假圖像

Deepfakes已經(jīng)推出幾年的時間，但在過去幾年里，這種技術(shù)取得了令人印象深刻的進展。通過與其他生成式AI技術(shù)(如語音合成器和大型語言模型)相結(jié)合，其生成的內(nèi)容可能成為真正的威脅。

雖然我們?nèi)蕴幱诳梢苑直鍭I生成的信息的階段，但需要注意它們會如何影響公眾輿論：

· 錯誤信息的傳播：圖片和視頻在社交媒體上傳播得非常快。當事實核查人員或AI生成信息的目標做出回應時，可能已經(jīng)造成了損害。特別是當Deepfakes的創(chuàng)造者可以將它們與逼真的AI生成的聲音結(jié)合起來時，它們會變得非常有說服力。

· 曼德拉效應：很多人都記得上世紀80年代納爾遜·曼德拉在南非監(jiān)獄里去世的傳聞。實際上，他于1990年從監(jiān)獄獲釋，后來成為南非總統(tǒng)。但是，即使事實是顯而易見的，虛假的故事已經(jīng)在許多人的腦海中根深蒂固。這就是眾所周知的“曼德拉效應”，還有許多其他的真實例子。而有了Deepfakes，這樣的問題可能會更頻繁地出現(xiàn)。

· 社會工程：Deepfakes和生成式AI使制作令人信服的電子郵件、視頻、網(wǎng)站等以及進行網(wǎng)絡(luò)釣魚變得更加容易。居心不良者可以使用這些AI模型來創(chuàng)建逼真的化身，制作專業(yè)電子郵件，并創(chuàng)建聽起來像真人的語音信息。他們可以利用這些數(shù)據(jù)欺騙受害者泄露隱私信息，向網(wǎng)絡(luò)攻擊者匯款，或者實施其他有害的活動。例如，去年一家假冒的律師事務(wù)所使用生成式AI通過DMCA通知勒索受害者。

· 信任流失：Deepfakes的興起將使人們更難信任他們所看到的任何東西，判斷真假將變得越來越困難。一方面，居心不良者會試圖用生成式AI扭曲真相；而在另一方面，他們可能會否認真實的證據(jù)，并聲稱真實的文件和視頻是由AI生成的。

如何分辨出那些AI生成的信息？

雖然研究人員不斷創(chuàng)造新的技術(shù)和工具來檢測Deepfakes和其他AI系統(tǒng)生成的圖像和視頻。但這是一場貓捉老鼠的游戲，因為隨著技術(shù)的進步，原有的檢測技術(shù)就會過時。目前有一些關(guān)鍵的方法可以幫助檢測深度造假視頻、GAN人臉和擴散模型生成的圖像：

生成對抗網(wǎng)絡(luò)（GAN）表面具有清晰可見的偽影

· 面部失真：Deepfakes和生成對抗網(wǎng)絡(luò)（GAN）生成的人臉通常在面部整體上的光照不一致，還可以在細節(jié)和邊緣所在的位置找到失真的痕跡，例如發(fā)際線、眉毛、面部毛發(fā)、耳環(huán)，尤其是眼鏡的邊框。

· 眼睛和嘴唇的動作：在Deepfakes視頻中，需要特別注意面部的運動部分。其陰影是否一致? 眨眼看起來真實嗎?在人物說話時，嘴巴和牙齒看起來自然嗎?

· 照明和反射：生成式模型試圖預測場景中的照明。當然，并不是所有的預測都是正確的，所以如果仔細觀察，就會發(fā)現(xiàn)陰影和反射偶爾會出現(xiàn)故障。這些都是AI生成圖像的跡象。

· 比例：擴散模型生成的圖像通常有錯誤的比例，例如手臂、腳、前臂等部位的長度錯誤。乍一看，這些錯誤可能并不明顯，但通過仔細觀察，很快就會發(fā)現(xiàn)是AI生成的圖像。

· 詳細對象：當前的生成模型在合成性和詳細對象方面尤其糟糕。例如手部、建筑以及多個組成部分構(gòu)成的物體。這些圖像的背景通常會包含一些明顯的錯誤。

· 來源：當然，檢測Deepfakes和AI生成的圖像的重要方法之一是驗證它們的來源。在谷歌或必應上進行反向圖片搜索，查看這張照片是否在社交媒體以外的地方出現(xiàn)過。查看是否有信譽良好的媒體報道了這些事件。如果是與朋友或家人有關(guān)的比較私密的圖像，在相信這一事實之前需要和他們核實。

人們需要面對生成式AI快速發(fā)展的這一現(xiàn)實，而開發(fā)人員則需要更加勤奮努力，并為應對其帶來的挑戰(zhàn)做好準備。