73
在世人對 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。不僅僅是 AI 換臉，還有 AI 自動生成文本、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，將會更進(jìn)一步?jīng)_毀互聯(lián)網(wǎng)世界的真實性邊界。
（被 AI 造假的扎克伯格“諷刺”自己的 Facebook 平臺）
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候，那么組成社會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”的準(zhǔn)備吧。
德國哲學(xué)家康德在《實踐理性批判》中論證“人為什么不能說謊”的法則，揭示了“無信任社會”的悖論和荒謬。假如“人人可以說謊”是一條社會的通行法則，那么，每個人都不會再信任另一個人說的話，這樣說話人的謊言也就不會得逞。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)該是正常社會的通行法則。
這就是說，只有在默認(rèn)“人人應(yīng)該誠實”的信任社會里，說謊者才可以通過成功騙到他人獲利，也會因為謊言被戳穿而信譽(yù)破產(chǎn)。而在“無信任社會”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”，才會不至于上當(dāng)受騙。但是相應(yīng)的代價是信任全無，合作難以達(dá)成，交流也不再可能，最終將會是社會的分崩離析。
當(dāng)然這只是理論上面最極端的演繹。現(xiàn)實世界永遠(yuǎn)會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)也會一往無前，而人性的弱點就會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，它既不會成為將我們的社會拖向“無信任”的深淵，也不會讓我們的人性變得更好或更壞一點。在一個即將到來的“虛實相容、真假不分”的后真相世界當(dāng)中，只會讓適應(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“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 上深深反省：
“說真的，要是當(dāng)初知道卷積神經(jīng)網(wǎng)絡(luò)(CNN)會催生 Deepfake，我們還要不要發(fā)表它？”
隨即 LeCun 自己就回答了這個問題。LeCun 表示，即使不是我們首先公開發(fā)表，CNN 也會由其他人或機(jī)構(gòu)發(fā)明出來。而在 2002 年當(dāng)時被公布出來以后，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，既對世界有很多正向的積極影響，比如醫(yī)療診斷、自動駕駛、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。最后一步就只剩下這個叫“Deepfakes”的用戶最后的“靈機(jī)一動”了。
實際上，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)，對于 AI 技術(shù)的應(yīng)用推廣會帶來直接的負(fù)面影響。
“深度合成”這個更為中性的技術(shù)名稱，將會代替 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)算法模型來實現(xiàn)的，其主要使用的的兩個技術(shù)就是“自動編碼器”人工神經(jīng)網(wǎng)絡(luò)和 “生成對抗網(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，一個用來進(jìn)行新數(shù)據(jù)的生成和一個用來對其進(jìn)行鑒別，經(jīng)過二者無數(shù)次的對抗，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)，其中不僅可以實現(xiàn)人臉的合成，也能更一步實現(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)合實驗室發(fā)布的一個基于 GAN 的 AI 藝術(shù)畫師，就可以學(xué)習(xí)文藝復(fù)興時期的畫家的繪畫風(fēng)格，直接將現(xiàn)代人類的照片變成文藝復(fù)興時期的畫作。
其中的技術(shù)優(yōu)勢在于，GAN 神經(jīng)網(wǎng)絡(luò)會根據(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，改變原圖的色彩。
其實，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)是一個趨勢，這樣可以將語音識別、人臉識別、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。剛剛過去的兩會期間，搜狗聯(lián)合新華社推出上崗的全球首個 3D 版 AI 合成主播，就已經(jīng)可以在文本實時驅(qū)動面部表情和唇形，肢體動作、超寫實細(xì)節(jié)呈現(xiàn)上面做到比擬真人的動態(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)用場景和廣闊市場。目前，“深度合成”已經(jīng)在影視娛樂、社交通訊等多個行業(yè)的場景中開始發(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)用體驗上面，最基本的臉部特效應(yīng)用、換臉視頻、動圖，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)會暴露個人隱私，不如可以讓深度合成技術(shù)幫我們在社交網(wǎng)絡(luò)中建立自己的“數(shù)字分身”，就如同《頭號玩家》里面每個人創(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)用場景或者直接推動該領(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，同時就必須承受其帶來的將數(shù)字世界全面虛擬化的代價。
深度合成技術(shù)所帶來的“虛假內(nèi)容”的社會風(fēng)險將長期存在。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，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 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。針對合成內(nèi)容的有效鑒別與標(biāo)記，才能從源頭來識別合成內(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和標(biāo)注工具，來保證合成內(nèi)容被清晰識別出來。
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。
正如沒有任何一個技術(shù)是我們在做好準(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“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“后真相時代”的來臨，甚至于，我們還會很快適應(yīng)這個徹底“虛擬化”的美麗新世界。
對于絕大多數(shù)人來說，追求真相，遠(yuǎn)遠(yuǎn)沒有追求舒適更具吸引力。
