哪張是照片哪張是 AI 合成？DeepMind 新技術讓照片真假更難分辨

人工智慧（AI）造假的技術已引起人們的關注。就目前來說，除了沒有評斷標準的繪畫，人們還是非常輕易就能看出 AI 生成的造假圖片，然而隨著時間過去、AI 技術持續發展，未來要區分真實和虛假的東西將會變得越來越難。

最近 DeepMind 和英國赫瑞瓦特大學（Heriot-Watt University）研究團隊運用對抗式神經網路（GAN）創造出的機器學習模型 BigGANs 便再度提高了 AI 生成圖片的質量，創造出首圖可見到的所有圖片。

在視覺影像資料庫 ImageNet 接受 128×128 解析度的訓練後，BigGANs 在衡量真實度的 Inception Score（IS）大幅超越以往最高得分 52.52，達到與真實影像分數 233 十分接近的 166.3。

單以數字來說可能有些難以體會，我們不妨從下面幾張圖片來感受一下 BigGANs 的實力。在下面幾張組合圖片中，分別都有一張 BigGANs 生成的圖片混在其中，你看得出來哪些是由 AI 產生的圖嗎？

如果看圖片久一點，你或許可以看到 BigGANs 創作的圖片中有些輕微異常；像是狗狗的眼睛混濁，蝴蝶的翅膀上有奇怪的斑塊等，然而以整體來說，這些圖片仍舊是截至目前為止 AI 以假亂真的最好創作。

BigGANs 能獲得更真實結果的訣竅之一，是讓模型訓練量變得更大。arXiv 上刊載論文顯示，每個模型都需要 128~512 個 Google TPU 3.0 Pod 在 1~2 天內進行訓練，訓練參數大約是現有技術的 2~4 倍，批次（batch）大小則達到 8 倍。

Brock 強調，要創造令人信服的圖片，神經網路必須學習構成人們視覺世界的複雜結構，「你必須『理解』事物才能描繪它。如果我們能夠建立完全理解的模型，那麼我們可以用它們學到的表現做很多有趣的事情。」

訣竅之二，則是將輸出變量控制在更小的範內。由於生成器（generator）的輸出是由輸入的變化程度控制，透過減少輸入的可變性，研究人員讓 BigGANs 創造更類似訓練數據的圖片，質量更高並更真實。

在許多其他研究，我們都可以看到 GAN 技術用在人臉圖或影像造假，除了讓歐巴馬（Barack Obama）、川普（Donald Trump）等政治家說出他們沒有說過的話，一些人甚至將類似的技術應用於色情影片修改。

Brock 表示，他也擔心惡意使用 GANs 技術的情況，這也是為什麼團隊選擇專注在更一般的圖片，而不是人臉建模。「比起人物圖片，要把狗網球圖片用於政治或不道德的目的要困難得多。」