此人不存在

技術宅

AI畫像——“真實”的不存在

我們只要打開瀏覽器登錄https：//thispersondoesnotexist.com，成功加載網頁后就會看到一幅人物畫像，可以看到這些人像非常的真實，而且每刷新一次會出現新的畫像，他們就像是我們生活中的各個普通人物（圖1）。

AI畫像背后——認識StyleGAN算法

那么這些人像是怎么生成的呢？該網站明確表示，是基于GAN的StyleGAN算法生成的。GAN是Generative AdversarialNetworks（生成式對抗網絡）的簡稱，它是一種深度學習模型，這種模型一般包括兩個模塊：生成模型G（Generative Model）和判別模型D（Discriminative Model），通過兩個模型的互相博弈學習產生完美的輸出。博弈的結果是讓G可以生成足以“以假亂真”的圖片G（z）。

因為博弈訓練需要大量的運算，隨著GPU運算能力的提升，2018年英偉達開發了基于GAN的人工智能算法——StyleGAN，它可以合成足以騙過人類的各種假人臉。StyleGAN的算法生成器和普通的GAN不一樣，它是借助風格遷移的思路重新發明的。在實際訓練中，科學家們向AI輸入兩張圖，比如圖A決定人物的年齡、性別、頭發長度和姿勢;圖B決定一切其他因素，如膚色、發色、衣服顏色等等。這樣通過博弈訓練后，圖B的畫風就自然遷移給A，從而生成一個A、B融合的新圖片（圖2）。

顯然StyleGAN的核心是融合，將多張不同風格的目標任務融合在一個輸出目標上。為了讓生成的人像更為逼真、多變和自然。StyleGAN先通過學習在低分辨率下出現的基本特征來創建基礎圖像，然后通過更高分辨率的圖片訓練來識別更多的細節，這樣通過漸進式訓練，最終融合輸出的照片就顯得非常自然、逼真（圖3）。

StyleGAN通過從粗糙、中等、精細三種R度上調節圖像的生成。其中粗糙是指規模最大的調整，它的分辨率在4²-8²之間，比如人臉的朝向、臉型和發型，都在這里調整。通過粗糙調整，讓AI畫出幾乎風格、外形完全不同的人物畫像（圖4）。中等則是只調整部分特征，比如對臉部特征、發色發量、鼻子大小等局部的特征進行調整，這樣生成的圖像看上去似曾相識，但是仔細觀察卻可以看到臉部特征是不同的。精細改變的是圖像的配色，幾乎不會給人物變臉。

當然這三種調整不是獨立的，而是相輔相成的，StyleGAN通過特定的算法將它們組合在一起，最終實現完美的輸出，即通過簡單的輸入，如選擇一種自己喜歡的臉型、發型或膚色，StyleGAN在后臺就可以通過預置的算法生成你需要的人像（圖5）。

回到文章前面介紹的網站，這是一位來自Uber的軟件工程師Philip Wang創建的，他利用的正是英偉達創建的StyleGAN算法，創作了源源不斷的假人像。當訪問者每次刷新這個網站，網站后臺服務器就會使用StyleGAN算法結合上述介紹的三種調整來重新生成一張以假亂真的人物圖像（圖6）。

AI造假——讓人歡喜讓人憂

通過上面的介紹我們見識到了基于StyleGAN算法的AI畫像的超能力。AI畫像的模仿能力可以讓我們有意想不到的驚喜，比如去年的“天價”AI畫作事件，佳士得拍賣行以43.25萬美元（約為300萬人民幣）的高價拍出一件人工智能藝術品（圖7）。

雖然目前模型是被訓練用來生成人臉圖像的，但理論上來說它可以模仿任何來源的圖像。比如我們可以利用這個模型來生成新的字體，這樣設計師們再也不用苦思冥想，利用現成的海報字體就可以“模仿”出各種漂亮的字體了（圖8）。

當然隱憂也是顯而易見的，比如可能有不懷好意的人利用它來生成一個不存在的人，然后利用臆想的文字編造假新聞，這種有圖有真相的假新聞可能會造成各種不良的影響。類似的，用GAN模仿字跡寫欠條、換臉開門禁，這類看似不可能完成的任務，在以后的生活中可能一一出現。任何一項新技術的出現，其好壞兩面的評估都值得科學家認真、審慎地去對待！