AI 换脸术「Deepfakes」8年进化史

　　AI 伪造图像与视频的历史发展：从 Deepfake 到未来

　　近年来，AI 伪造图像与视频，即 Deepfake，迎来了一波发展高潮。本文将深入探究这段历史，并回顾期间的一个个重要里程碑。

AI 伪造图像的起源与发展

　　这些由 AI 虚构而来的人脸图像，实际上是从数百万张像素图片中总结学习而来，最终创作出了难辨真伪的结果。值得一提的是，这些图片可以在 thispersondoesnotexist.com 网站上轻松创建，工具的使用门槛极低，只需会操作鼠标即可。

　　这种高质量伪造图像的背后，依托的是“生成对抗网络”（GAN）技术。这类网络由两个 AI 代理组成：一个负责伪造图像，另一个则负责检测图像是否真实。两个代理在训练过程中各自积累起更强大的能力，最终创造出人类几乎无法分辨的虚构图像。

GAN 技术的发展简史

　　2014 年：Deepfake 的诞生元年。Goodfellow 与同事发表了全球首篇介绍 GAN 的科学论文，标志着 GAN AI 的诞生，催生了如今所熟知的 deepfakes。

　　2015 年：GAN 与 CNN 相结合，提升了生成结果的可信度。卷积网络的结构越复杂，生成的伪造人脸就越可信。

　　2016 年：研究人员将两个 GAN 结合，实现了并行学习，生成的人脸更加可信，但“一眼假”的情况仍然存在。

　　2017 年：英伟达推动了质量飞跃，解决了以往 GAN 中的主要问题，并成功生成了第一段 deepfake 视频。同年，Reddit 用户开始将这项技术推向主流。

Deepfake 的应用与争议

　　随着技术的发展，deepfake 在各个领域得到了广泛应用，但也引发了诸多争议。例如，deepfake 色情视频存在严重的“一眼假”问题，但由于制作成本极低，迅速在网络上传播开来。此外，政治名人或好莱坞大牌的“魔改”版本也相继亮相，引发了人们对 AI 能否“复活”已去世演员的讨论。

　　面对这些问题，立法机构开始介入。美国国会议员、情报委员会以及 AI 和法律领域的专家纷纷呼吁制定相关法规。各大社交平台也相继采取新措施应对 deepfake 的传播。

未来的发展方向

　　微软推出的 FaceShifter 能够利用模糊的原始图片生成高度可信的 deepfake 图像。而迪士尼则开始为电影制作开发 deepfake 技术，首款百万像素级 deepfake 工具也由此诞生。此外，3D GAN、DALL-E 2 等新技术也在不断涌现，为 deepfake 的发展注入了新的活力。

　　然而，随着技术的不断进步，反 deepfake 算法也在不断升级。未来，人们将无法再理所当然地相信互联网上传播的图像和视频。Deepfake 专家 Hao Li 认为这种猜测并非杞人忧天，因为图像的实质不过是辅以适当颜色的像素——AI 找到完美的排布方法只是时间问题。

　　总结而言，从 2014 年 Goodfellow 首次展示自己的工作以来，GAN 技术推动了 AI 伪造图像的快速发展。如今，这项技术已经在各个领域得到了广泛应用，并引发了诸多争议和讨论。未来，随着技术的不断进步和法规的完善，deepfake 将会继续对我们的生活产生深远的影响。