深度伪造
深度伪造(Deepfake)是用 AI 把真人的面孔、声音、动作合成得以假乱真或进行替换的图像、视频和音频。这个词由深度学习(deep learning)和伪造(fake)组合而成。
通俗解释 这类似于由计算机代劳的高超模仿和化装。不同之处在于,与人的模仿不同,任何人都能在短时间内大量制作。
工作原理
AI模型通过大量观看和聆听某个特定人物的照片或声音,学习此人的外貌和说话方式的特征。然后,它可以把其他视频中的人脸换成此人的脸,或让任意句子以此人的声音读出来。早期主要使用GAN等生成模型,如今随着扩散模型和TTS(语音合成)技术的发展,质量已大幅提升。一个重大变化是,现在用比以前更少的素材也能做出以假乱真的结果。
为什么重要
深度伪造可以用于电影制作、配音、为失去声音的人恢复语音等有益用途。但它也会造成严重危害,例如模仿家人或高管声音的转账诈骗、未经同意的色情合成内容,以及政治人物的虚假发言视频。最重要的问题在于,它动摇了“看到和听到的东西是否可信”这一社会信任。还有一个副作用:人们甚至可以声称真实视频是深度伪造,从而否认它。
须知要点
识别深度伪造的检测技术也在进步,但它与生成技术是你追我赶的关系,因此很难做到完美检测。所以,除了检测之外,AI水印、内容来源证明等“从一开始就标明真实性”的方法也在同步研究。就个人而言,收到紧急转账请求等可疑联系时,通过其他渠道再次确认的习惯是最现实的防御方法。许多国家正在制定法规,对未经同意制作、传播深度伪造的行为予以处罚,或强制要求标注AI生成内容。
示例
随着在视频会议中利用深度伪造模仿公司高管的面孔和声音、指示员工转账的诈骗手法被曝光,许多企业正在修改规定,大额转账不再仅凭视频或语音指示处理,而是通过单独的流程再次确认。反过来,视频制作行业也会在征得演员同意后,用同样的技术进行连口型都对得上的其他语言配音。