人工智能的发展速度惊人——如此之快以至于很难跟踪。但有一个领域的进展就像人工智能生成的脸上的鼻子一样简单，那就是使用神经网络来创建假图像。简言之：我们越来越擅长于此。

在上图中，你可以看到四年来人工智能图像生成的进展情况。左侧粗糙的黑白面孔来自2014年，作为一篇里程碑式论文的一部分发表，该论文介绍了人工智能工具，即生成性对抗网络（GAN）。右边的彩色人脸来自本月早些时候发表的一篇论文，该论文使用了相同的基本方法，但就图像质量而言，显然是天壤之别。

这些真实的面孔是Nvidia研究人员的作品。在他们上周公开发表的论文中，他们描述了修改基本的GAN结构来创建这些图像。请看下面的图片。如果你不知道它们是假的，你能区分它们吗？

特别有趣的是，这些假脸也可以很容易地定制。Nvidia的工程师在他们的工作中采用了一种称为风格转换的方法，即将一幅图像的特征与另一幅图像的特征相融合。你可能会从近年来在Pri**a和Facebook等应用程序上流行的各种图像过滤器中认出这个词，这些过滤器可以让你的**看起来像印象派绘画或立体派艺术作品。

将风格转换应用于人脸生成，使得Nvidia的研究人员能够对人脸进行令人印象深刻的定制。在下面的网格中，您可以看到这一点。真实人物（顶行）的源图像具有另一个人（右栏）的面部特征。皮肤和头发颜色等特征混合在一起，在这个过程中创造出一个全新的人。

当然，创造真实人工智能人脸的能力提出了令人不安的问题(不仅如此，股票照片模特还要多久才能下班？）过去几年来，专家们一直在就人工智能造假可能对社会产生的影响发出警报。这些工具可能被用于错误信息和宣传，并可能损害公众对图片证据的信任，这一趋势可能损害司法系统和政治(遗憾的是，Nvidia的论文中没有讨论这些问题，当我们联系该公司时，该公司表示，在经过适当的同行审查之前，该公司无法谈论这项工作。）

这些警告不应该被忽视。正如我们所看到的，使用deepfakes**非自愿色情作品，总有人愿意以可疑的方式使用这些工具。但与此同时，不管末日论者怎么说，信息世界末日还不是很近。首先，生**脸的能力在人工智能社区受到了特别关注；你不能以你喜欢的方式以同样的保真度对任何图像进行修改。在专业知识和时间方面也存在严重的限制。Nvidia的研究人员花了一周的时间在八个特斯拉GPU上训练他们的模型来**这些面孔。

我们也可以寻找线索来发现假货。在最近的一篇博文中，艺术家兼编码师凯尔·麦克唐纳列举了一些故事。例如，头发很难伪造。它通常看起来太规则，像是用刷子画的，或者太模糊，混入某人的脸。同样，人工智能生成器也不太了解人类的面部对称性。他们经常把耳朵放在不同的位置，或者把眼睛变成不同的颜色。它们也不太擅长生成文本或数字，而这些文本或数字只能显示为难以辨认的斑点。

但是，如果你读了这篇文章的开头，这些提示可能不是一个巨大的安慰。毕竟，Nvidia的工作显示了人工智能在这一领域的发展有多快，研究人员很快就会发明出能够避免这些问题的算法。

谢天谢地，专家们已经在考虑验证数字图片的新方法。一些解决方案已经推出，比如在照片上打上地理代码的相机应用程序，以验证照片拍摄的时间和地点。很明显，在未来几十年里，人工智能造假和图像认证之间将有一场持续的战斗。目前，人工智能正在果断地冲向领先地位。