据外国媒体报道，近日，社交网络巨头Facebook宣布计划出资1000万美元，与人工智能(AI)合作伙伴、微软以及学术界一道发起DeepFake检测挑战赛，以刺激创新，对虚假内容进行打击。

根源——由 Deepfakes 产生的“恶”

2017 年，一名 ID 为 Deepfakes 的网友在 Reddit 网站上传了一段换脸视频，并在之后上传了一系列类似的视频；由于换脸视频涉及色情内容，并且侵犯了他人的隐私，引起了恶劣的反响。最终，Reddit 官方将 Deepfakes 封号。而作为报复，Deepfakes 也将换脸视频的 AI 代码免费公开，从此，Deepfakes 视频像病毒一样蔓延全球，无论是明星还是政客，都有可能被“换脸”。

虽然Deepfakes 时常会被用于恶搞视频里，而且人们也觉得无伤大雅；但是，如果出现在政党竞选领域，或许就另当别论了——有专家表示，在 2020 年美国总统大选之前，或许会有更多关于政客的 Deepfakes 假新闻出现。就目前而言，美国还没有引发重大政治后果的 Deepfakes 事件，但重要的是，使用该技术的成本在变得越来越低。

网络上有一些团队正在开发制作简单 Deepfakes 视频的市场；甚至在 YouTube 上传指导教程，教人手把手制作 Deepfakes 视频，再收取一定的费用；也有一些自助服务网站可以帮助生成 Deepfakes 视频。前两天刷爆朋友圈的换脸 app ZAO 更是大大降低了人们感受这项技术的门槛——不需要 P 图技术、不需要代码知识、不需要专业设备；仅需要一部手机，一张照片，就能快速生成换脸视频；效果逼真，动作流畅。而且，一旦用户上传自己的照片，并且同意该软件的用户协议和隐私协议，肖像权和隐私权就有可能面临着巨大的风险。

只有AI才能对付AI

有“换脸”就有“反换脸”，因为巨大的威胁，越来越多的研究人员在努力寻找准确识别 Deepfake 的假视频的方法。

上周，Facebook宣布与 Partnership on AI、微软、以及来自康奈尔理工学院、麻省理工学院、牛津大学、加州大学伯克利分校、马里兰大学帕克分校和纽约州立大学奥尔巴尼分校等机构合作，发起Deepfake检测挑战赛（DFDC）。而这次挑战的目标只有一个，那就是创建出可用于训练模型的实质数据集，准确检测Deepfake并报告它们。

纽约州立大学工程与应用科学学院的吕思伟教授说道：

虽然 Deepfakes 视频看起来可能很逼真，但它们毕竟是由算法生成的，而不是由摄像机捕获的真实事件；这意味着它们仍然可以被检测出来。一些有前景的新方法可以发现和减轻 Deepfakes 的有害影响，包括在视频素材中添加“数字指纹”以帮助验证其真实性。除此之外，解决这个问题还需要技术人员、政府机构、媒体、公司和每一个在线用户共同努力。

研究人员发现，Deepfake假视频里的人物极少眨眼，甚至不会眨眼，因为它们都是使用睁眼的照片进行训练的。利用这些细微的线索，可以检测出图像或视频中的脸是真实的还是 AI 生成的。

但可惜的是，这一工具来不及实用化就被宣告无效了——早期的Deepfake视频远远算不上完美，存在各种容易发现的缺陷，比如不眨眼。但随着Deepfake 技术的飞速发展，假视频中人物从不眨眼的缺陷很快得到了改善，生成的假视频变得越来越逼真可信。

最近，来自加州大学伯克利分校和南加州大学的研究人员在用AI对付AI的战斗中开发了出了新的“武器”——用AI 来寻找每个人的 “软性生物识别” 标签，以更加准确地识别伪造视频。

这听起来很复杂，但实际上对我们来说并不陌生，简而言之——习惯性小动作。每当我们开口说话时，我们的头、手、眼睛甚至嘴唇都会产生微妙但独特的运动。这一切都是下意识的，很少有人会意识到身体正在做这件事，从结果上看，这是目前 Deepfake 在创造假视频时考虑不到的因素。在实验中，这款新的 AI 准确发现伪造视频的几率达到了 92%，实验对象包括使用多种技术创建的假视频，以及由于视频文件被过度压缩导致图像质量下降的视频。

 路漫漫，其修远

Facebook 投入了 1000 万美元来发起竞赛，竞赛将从 2019 年末开始，到 2020 年春季结束；届时还将有一个排行榜，用来评定 Deepfakes 检测系统的能力。从某种程度上来说，这不失为一种明智之举，可以激励研究人员以及业余爱好者寻找解决方案。

不过，与所有有关于人工智能的问题一样，Deepfakes 视频的检测也涉及到大量的数据和训练。所以，想要彻底解决 Deepfakes 的问题并非易事，这期间的过程注定是漫长的。

Facebook 首席技术官 Mike Schroepfer 在接受记者采访时说道，人们有许多方法可以检测 Deepfakes 视频，比如通过视频中一些奇怪的阴影形态和不自然的视觉效果。但随着 Deepfakes 背后的技术迅速发展，检测也变得越来越困难。

另外，从检测系统本身来看，当一个系统已经“看过”原始视频时，确实能够轻易地从假视频中发现变化，从而检测出 Deepfakes 视频；但如果怀有恶意的人故意录制视频，然后对其进行处理，那么对于人工智能系统而言，这个视频就是“原始视频”，没有可以参考的标准，也就难以发现其中存在的问题。

尽管取得胜利的道路崎岖漫长，但能看到学术界和企业联合起来研究解决 Deepfakes 的相关问题，不可谓不喜闻乐见，随着科技的发展与人们的越发重视，AI换脸的问题终有一天能彻底解决。技术无对错，人性分善恶。这个世界上有很多“灭霸”，但也同样不缺少“Super Hero”。