AI造假 VS AI打假 终结“猫鼠游戏”不能只靠技术
俗话说“眼见为实”，人们往往对看到的图像、视频深信不疑，而随着Photoshop、美图秀秀等图像编辑软件的兴起，人工智能造假技术的更迭，图像篡改变得越来越容易，假图片、假新闻等在网上泛滥成灾，人们也愈发不敢相信自己的眼睛。
近日，谷歌决定出手，以AI治AI。有专家指出，深度伪造技术（Deepfake）是AI发展到一定阶段的产物，随着这种技术的发展，相应的检测技术也会越来越先进——如同“猫抓老鼠的游戏”，将是一场永无休止的竞赛。
假视频越来越逼真
不久前，网络上走红的“一键脱衣”软件DeepNude，只要输入一张完整的女性图片就可自动生成相应裸照，并且生成照片存在着广泛传播的风险，最终在各方压力下这款APP被下架。不仅如此，不久前还出现了语音版的Deepfake（Deepfake专指基于人工智能的人体图像合成技术，主要应用于“换脸”）。加拿大一家创业公司开发出的语音合成系统Real-Talk，仅基于一定的文本输入即可生成和真人声音十分相似的声音。
让人更为头疼的是，Deepfake技术让虚假信息“如虎添翼”，尤其在社会重大事件中能够起到强劲搅拌作用，以至于可能会影响到人们决策以及社会稳定。据相关文献，2016年美国总统大选前的一个月内，每个美国网民平均会接触1-3篇假新闻。2020年初，新冠肺炎病毒席卷全国，就有造假者运用上述技术伪造钟南山院士发言，而针对“辟谣”的百度搜索指数（1月19日-1月25日）与去年春节期间相比，增长了5.4倍。
以AI治AI揪出假视频
要对付假视频，就要在网络海量信息中快速找到虚假图片，并对图像识别后精准提取其中语义，这也是目前人工智能算法上的核心研究发力点。近日，谷歌母公司Al-phabet旗下的Jigsaw联手多家研究机构开发了名为Assembler的实验平台，旨在帮助应用者通过简单操作，快速识别Deepfake，减少AI技术滥用所带来的伤害。具体而言，其机器学习模型既能利用图像的颜色值来查找异常，也能检查图像的噪点模式是否存在不一致。算法上，能够查找被编辑过的JPEG压缩图像区域外观相似的区块，以判断其中一个图像是否被复制粘贴到另一个区域上。
据悉，现有检测假视频的方法尚存在三个主要局限性。第一，通用性不够，大部分检测只针对特定类型的篡改，如何寻找篡改的共同属性，让模型能应对多种篡改类型是未来的研究重点之一。第二，对抗能力不够，目前篡改手段不断隐蔽，经过复杂的处理，篡改痕迹往往会消失，导致检测性能大大下降。第三，目前的方法基本都是对图像划分成小块，再逐块处理，非常耗时耗资源。
共建保证信息真实的生态体系
国际咨询公司Gartner曾预测：到2020年，互联网虚假信息或产生更大危害，基于人工智能技术的造假能力或将远超虚假检测的能力。
2019年11月29日，国家互联网信息办公室发布《网络音视频信息服务管理规定》，要求网络音视频信息服务提供者应当具有与新技术新应用发展相适应的安全可控的技术保障，部署违法违规音视频和非真实音视频鉴别技术。专家建议，防治虚假视频，有关部门要建立相关管理制度，特别是新闻视频、新闻内容管理方面；在传播渠道上，要建立过滤机制，在技术上实现高效过滤，并且还要对所有造假视频音频实现溯源，同时，增加对检测技术研发资金的投入，激发技术创新。
（华 凌）
新闻推荐
据新华社渥太华3月12日电（记者李保东）加拿大总理府12日晚发表声明说，加总理特鲁多的夫人索菲确诊感染新冠肺炎。声明表示，11...