深度伪造技术打破传统观念：眼见未必为实 —— 文章正文2018-09-19

    这是一个眼见为实的世界，所有人都相信自己亲眼看到的事情，但是随着人工智能技术的不断发展，眼见有时也绝非为实，它给人们根深蒂固的观念带来了冲击。

    深度伪造技术打破传统观念：眼见未必为实

    过去很多人为了证明清白，在辩驳的时候都会说要是当时有视频记录下这一切就可以还自己一个清白了，可见视频信息的真实性在人们印象中的根深蒂固。因为在这个社会，我们认为录音和录像是真相的化身，人们的一面之辞远不如录像带来的可信。

    但事实当真如此吗？自今年4月份以来，涉及美国前总统巴拉克・奥巴马(BarackObama)的一段一分钟长视频已被观看过480万次。在这个视频里，你可以看到奥巴马在发表演讲，演讲内容却是其正在用语言攻击他的继任者唐纳德・特朗普(DonaldTrump)。

    如此一幕当真发生过吗？答案是否定的，这只是一段经过加工的视频。吊诡的是，当奥巴马在发表上述演讲时，他的嘴巴会随之而动，表情、口型、声音和奥巴马一模一样，让人完全看不出任何破绽，就像是奥巴马真的发表演讲一样，虽然大家都知道这个演讲并不存在。

    这是由演员兼导演皮勒制作的一段视频，视频一经发出就引发了广泛讨论，这个信奉“眼见为实”的世界即将被AI颠覆，即眼见未必为实，同时也让深度伪造技术进入了人们的视线。

    深度伪造视频的制作离不开AI技术，而AI技术的实现则离不开机器学习和深度学习技术，通过这个技术，让计算机在生成具有统计相似性的假实例之前从真实数据中学习，模仿语音和形象，进而创造出另类的现实，让人们真假难辨。

    那么能够进行视频伪造，且让人看不出破绽的机器学习和深度学习技术到底是什么，为什么可以有着如此大的魔力，这二者又有什么关系？

    首先是机器学习技术，这是一门多领域的交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。和传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。这个技术是人工智能的核心，人工智能需要通过机器学习，才能真正具有智能，机器学习是一种实现人工智能的方法。

    深度学习是一种实现机器学习的技术。其本身也会用到有监督和无监督的学习方法来训练深度神经网络。和机器学习不同的是，它所用来学习的层数和神经元非常的多，然后给系统输入海量的数据，来训练网络。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

    深度学习乍一听好像概念很新颖，其实它已经存在好几年了。随着人工技术的发展需要，深度的学习越来越被大家放到重要的层面上。

    那二者的区别在哪里呢？深度学习与传统的机器学习最主要的区别在于它会随着数据规模的增加其性能也不断增长。传统的机器学习可以在使用既定规则下运行，即使数据较少，也能够有比较好的性能。但深度学习却不能，深度学习需要大量的数据来理解它，随着数据量的增加，深度学习的性能也可以不断的提升。

    机器学习技术和深度学习技术其实并不难理解，二者的核心都是数据、算法(模型函数)和算力(计算机运算能力)，都是通过对数据的学习训练，为人工智能的发展服务。人工智能所演绎出来的新技术离不开机器学习和深度学习的幕后辅助，我们在惊奇于深度伪造技术的逼真时，就可以想见这是幕后无数大数据的支撑。

    人工智能的发展正热，离不开各种技术的支撑，在各技术完善的同时，人工智能也将会带给我们更多的惊喜。

责任编辑：null