精品国产亚洲一区二区三区|亚洲国产精彩中文乱码AV|久久久久亚洲AV综合波多野结衣|漂亮少妇各种调教玩弄在线

<blockquote id="ixlwe"><option id="ixlwe"></option></blockquote>
  • <span id="ixlwe"></span>

  • <abbr id="ixlwe"></abbr>

    研究報告:人工智能生成的臉比真實的臉更容易獲得信任

    近日發(fā)表在《Proceedings of the National Academy of Sciences USA》上的一項新研究提供了一個衡量“深度偽造”技術已取得多大進展的標準。研究結果表明,真正的人類很容易被機器生成的面孔所迷惑,甚至將其解釋為比真人更容易獲得信任。

    QQ截圖20220223112351.jpg

    研究報告的共同作者、加州大學伯克利分校教授Hany Farid指出:“我們發(fā)現(xiàn),合成臉不僅高度逼真且被認為比真實臉更容易獲得信任。這一結果引起了人們的擔憂,這些面孔在被用于邪惡目的時可能非常有效?!?/p>

    來自意大利瑞士大學的副教授Piotr Didyk則表示:“我們確實已經(jīng)進入了危險的深度偽造的世界?!彼麤]有參與該論文。Didyk認為,盡管創(chuàng)建同樣復雜的視頻更具挑戰(zhàn)性,但其工具可能很快就會被普遍使用。

    這項研究的合成面孔則是在兩個神經(jīng)網(wǎng)絡之間的來回互動中形成的,這是一種被稱為生成式對抗網(wǎng)絡的例子。其中一個網(wǎng)絡被稱為生成器,它產(chǎn)生了一系列不斷發(fā)展的合成面孔;另一個網(wǎng)絡被稱為鑒別器,它在真實圖像上進行訓練,然后通過跟實際面孔的數(shù)據(jù)進行比較對生成的輸出進行分級。

    生成器以隨機像素開始練習。隨著鑒別器的反饋,它逐漸產(chǎn)生了越來越逼真的人臉。最終,鑒別器無法分辨出真假人臉。

    該網(wǎng)絡在代表黑人、東亞、南亞和白人男性和女性面孔的真實圖像陣列上進行了訓練,這跟早期研究中更常見的白人男性面孔形成鮮明對比。

    在將400張真實面孔跟400張合成面孔相匹配后,研究人員要求315人在128張圖片中分辨出真假。另一組219名參與者在試圖區(qū)分臉部時得到了一些關于如何識別假貨的培訓和反饋。最后,第三組223名參與者對128張圖片的可信度進行了評分,評分標準為1(非常不值得信任)至7(非常值得信任)。

    第一組在分辨真假人臉方面的表現(xiàn)并不比拋硬幣的結果好,平均準確率為48.2%。第二組未能顯示出戲劇性的改善,只得到了約59%,即使有關于這些參與者的選擇的反饋。對可信度進行評分的小組給合成人臉的平均評分略高,為4.82分,而真人的評分為4.48分。

    研究人員并沒有預料到這些結果?!拔覀冏畛跽J為,合成面孔會比真實面孔更不值得信任,”這項研究的論文共同作者Sophie Nightingale說道。

    這一發(fā)現(xiàn)增加了人們對技術可及性的擔憂,因為幾乎任何人都有可能創(chuàng)造出具有欺騙性的靜態(tài)圖像。Nightingale說道:“任何人都可以在沒有Photoshop或CGI專業(yè)知識的情況下創(chuàng)建合成內(nèi)容?!蹦霞又荽髮W視覺智能和多媒體分析實驗室的創(chuàng)始主任Wael Abd-Almageed則稱,另一個擔憂是,這種發(fā)現(xiàn)會給人一種印象,即深度造假將變得完全無法檢測。據(jù)悉,Almageed沒有參與這項研究。他擔心科學家們可能會放棄開發(fā)應對深度偽造的措施。

    人權組織WITNESS的項目戰(zhàn)略和創(chuàng)新總監(jiān)Sam Gregory指出:“在這個研究界沒有發(fā)生足夠的對話,那就是如何積極主動地開始改進這些檢測工具?!睋?jù)悉,該組織部分地專注于區(qū)分深度偽造的方法。他表示,制作檢測工具非常重要,因為人們往往會高估自己識別假貨的能力,并且“公眾總是不得不去了解他們被惡意使用的情況?!?/p>

    沒有參與這項研究的Gregory指出,論文作者們直接解決了這些問題。他們強調(diào)了三種可能的解決方案,包括為這些生成的圖像創(chuàng)建持久的水印,“比如嵌入指紋,這樣你就可以看到它來自一個生成過程”。

    研究人員在強調(diào)深度偽造的欺騙性使用將繼續(xù)構成威脅之后以一個嚴酷的結論結束–“因此,我們鼓勵那些開發(fā)這些技術的人考慮相關的風險是否大于其收益。如果是這樣,那么我們不鼓勵開發(fā)技術,僅僅是因為它是可能的?!?/p>


    (免責聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。
    任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時,應及時向本網(wǎng)站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內(nèi)容或斷開相關鏈接。 )

    贊助商
    2022-02-23
    研究報告:人工智能生成的臉比真實的臉更容易獲得信任
    近日發(fā)表在《Proceedings of the National Academy of Sciences USA》上的一項新研究提供了一個衡量“深度偽造”技術已取得多大進展的標準。研究結果表明,真正的人類很容易被機器生成的面孔所迷惑,甚至將其解釋為比真人更容易獲得信任。

    長按掃碼 閱讀全文