展望2018：人工智能能夠“以假亂真”，“恐怖谷理論”已經(jīng)終結(jié)
近日，《連線》雜志發(fā)布了一系列文章，對2018年科技行業(yè)各個領(lǐng)域發(fā)展的趨勢進(jìn)行預(yù)測。本文是其中一篇，介紹了人工智能技術(shù)在文本、圖片、視頻處理方面的應(yīng)用以及發(fā)展趨勢。作者為SANDRAUPSON，文章由36氪編譯。
一場革命正在醞釀中，你可以從條紋中知道它的存在。
今年早些時候，加州大學(xué)伯克利分校的一組研究人員發(fā)布了兩組視頻。在其中一個視頻里（左邊），一匹馬在柵欄后面小跑。在第另一個視頻中（右邊），這個馬被匹配上了斑馬那種黑白相間的條紋。
把一匹普通馬變成斑馬是一個很好的噱頭，但事實(shí)并非如此簡單。這標(biāo)志著機(jī)器學(xué)習(xí)算法在改寫現(xiàn)實(shí)的力量日益強(qiáng)大。例如，其他人也會使用相同的工具，將黑熊變成了熊貓、將蘋果變成桔子、將貓變成狗等等。有一位Reddit用戶使用不同的機(jī)器學(xué)習(xí)算法來編輯視頻，將其中主角的面部替換成名人的面部，從而使得像名人真正出演視頻一樣。在一家名為Lyrebird的創(chuàng)業(yè)公司中，機(jī)器學(xué)習(xí)專家正在從一分鐘的人聲樣本中合成令人信服的音頻。開發(fā)Adobe人工智能平臺Sensei的工程師們正在將機(jī)器學(xué)習(xí)技術(shù)注入到各種具有突破性的視頻、照片和音頻編輯工具中。雖然這些項(xiàng)目在立項(xiàng)和意圖上有很大的不同，但它們有一個共同之處：它們產(chǎn)生的人工場景和聲音，與現(xiàn)實(shí)世界的真實(shí)畫面非常接近。與之前用人工合成的媒體做的實(shí)驗(yàn)不同的是，這些圖片、視頻和聲音看起來和聽起來都是非常真實(shí)的。
這一轉(zhuǎn)變背后的技術(shù)將很快推動我們進(jìn)入新的創(chuàng)意領(lǐng)域，不僅能提升當(dāng)代藝術(shù)家創(chuàng)作的能力，也能將業(yè)余愛好者提升到經(jīng)驗(yàn)豐富的專業(yè)人士的水平。以至于我們將需要為創(chuàng)新尋找新的定義了。但這種繁榮也有黑暗的一面。一些人工生成的內(nèi)容將被用于欺騙，從而引發(fā)人們對大量算法假新聞的恐懼。關(guān)于一幅圖片是否被篡改的老辯論，將會讓位于關(guān)于各種各樣的內(nèi)容，包括文本。如果你還沒有意識到，你會發(fā)現(xiàn)自己在想：如果有的話，人類在創(chuàng)作那部電影/電視劇/標(biāo)題黨文章中扮演了什么角色？
一個充斥著人工生成內(nèi)容的世界是烏托邦的經(jīng)典案例，同時也是一個反烏托邦的例子。它很混亂，很漂亮，而且已經(jīng)在這里了。
起初，深度學(xué)習(xí)生成的內(nèi)容并不適應(yīng)現(xiàn)實(shí)。谷歌2015年發(fā)布的DeepDreams是利用深度學(xué)習(xí)來制造迷幻風(fēng)景和多眼怪物的早期例子。2016年，一款名為Prisma的流行照片編輯應(yīng)用使用深度學(xué)習(xí)技術(shù)為藝術(shù)照片濾鏡提供動力，例如將照片變成Mondrian或Munch的風(fēng)格，以向他們表達(dá)敬意。Prisma背后的技術(shù)被稱為風(fēng)格轉(zhuǎn)移：采用一種圖像的風(fēng)格（如《尖叫》），并將其應(yīng)用于另一種照片。
現(xiàn)在，驅(qū)動風(fēng)格轉(zhuǎn)移的算法正在變得越來越精確，這標(biāo)志著恐怖谷理論的終結(jié)這種由計(jì)算機(jī)生成現(xiàn)實(shí)，通常會讓人類產(chǎn)生一種不安感。與之前的一些粗略的影響形成對比的是，由人工智能驅(qū)動的工具已經(jīng)開始填補(bǔ)谷底的盆地。想想康奈爾大學(xué)卡KavitaBala實(shí)驗(yàn)室的研究成果吧，深度學(xué)習(xí)可以將一張照片的風(fēng)格融入到一個單調(diào)乏味的大都市的快照中，讓人誤以為這個合成的地方是真實(shí)存在的。受到人工智能潛能的啟發(fā)，Bala在這個基礎(chǔ)上創(chuàng)立了一個叫Grokstyle的公司。比如說，你很喜歡朋友家沙發(fā)上的枕頭，或者一本雜志的封面吸引了你的眼球。給Grokstyle的算法提供一個圖像，它會在任何外觀上顯示你喜歡的對象。
我喜歡這些技術(shù)的地方在于它們代表著設(shè)計(jì)和風(fēng)格的民主化。Bala說。我是一名技術(shù)專家我欣賞美麗和時尚，但卻無法創(chuàng)造出值得一看的東西。所以這項(xiàng)工作讓我有了機(jī)會。讓別人也能享受到這一點(diǎn)是一件樂事，這樣人們就可以玩得很漂亮了。我們在這些方面沒有天賦，并不意味著我們必須生活在一片沉悶的土地上。
在Adobe，機(jī)器學(xué)習(xí)早在十年前就已經(jīng)是該公司創(chuàng)意工具的一部分了，但直到最近，人工智能才開始具有變革意義。10月，該公司的人工智能技術(shù)公司Sensei的工程師們展示了一款未來的視頻編輯工具AdobeCloak。該工具可以讓用戶無縫地從視頻中移除一個燈柱對于資深編輯來說，這是一項(xiàng)非常痛苦的任務(wù)。另一項(xiàng)名為ProjectPuppetron的實(shí)驗(yàn)，他們將一種藝術(shù)風(fēng)格實(shí)時應(yīng)用到視頻中。例如，它可以拍攝一個人的動態(tài)視頻，讓他成為一個愛說話的銅像或手繪的卡通形象。人們基本上可以在網(wǎng)絡(luò)攝像頭或任何攝像頭前進(jìn)行表演，并實(shí)時將其轉(zhuǎn)化為動畫，資深科學(xué)家、Adobe研究主管JonBrandt說。
機(jī)器學(xué)習(xí)使這些項(xiàng)目成為可能，庫卡機(jī)器人何服電機(jī)維修，因?yàn)樗軌虮纫郧暗挠?jì)算機(jī)視覺方法更好地理解人臉，或者照片前景和背景之間的差異。Sensei的工具讓藝術(shù)家可以偏重于概念，而不是原始材料。Photoshop擅長處理像素，但人們想要做的是操作像素所代表的內(nèi)容，Brandt解釋說。
這是一件好事。Brandt說，當(dāng)藝術(shù)家不再浪費(fèi)時間在屏幕上爭論單個點(diǎn)時，他們的效率就會提高，也許還會增加他們的創(chuàng)造力。我對出現(xiàn)新藝術(shù)形式的可能性感到興奮，我認(rèn)為這將會到來。
但不難看出，單單說這會帶來創(chuàng)造性的爆炸可能是錯誤的。對于芝加哥大學(xué)研究生YuanshunYao來說，這會讓假視頻變得更加真實(shí)并且非常容易，讓他在最近的一個項(xiàng)目中探索機(jī)器學(xué)習(xí)的一些危險。他在最近一個又人工智能生成的，非常真實(shí)的奧巴馬發(fā)表演講中剪輯了一段，他開始思考：他能在文字上做類似的事情嗎？
一個文本組合需要近乎完美地欺騙大多數(shù)讀者并不容易，所以他從一個人們?nèi)萑潭容^高的目標(biāo)開始，在Yelp或亞馬遜這樣的平臺上發(fā)布虛假的在線評論。一個評論可能只有寥寥幾句話，讀者也不會期待有什么高質(zhì)量的寫作。因此，他和他的同事們設(shè)計(jì)了一個神經(jīng)網(wǎng)絡(luò)，每次能夠生成大約5句Yelp-style的評論。出來了一堆評論，比如我們最喜歡的地方！、我和我哥哥一起去吃素食，那里很好吃。他讓人類去猜測它們是真的還是假的，果然，人類被愚弄了。
在微任務(wù)市場上，制造虛假評論的成本大約在10美元到50美元之間。YuanshunYao認(rèn)為，一個有驅(qū)動力的工程師試圖將這個過程自動化，從而壓低價格，并生成一堆虛假評論，只是時間問題。（他還探索了使用神經(jīng)網(wǎng)絡(luò)來保護(hù)一個平臺，以抵御虛假內(nèi)容，并取得了一定的成功。）據(jù)我們所知，目前還沒有這樣的系統(tǒng)，Yao說。但也許在5到10年內(nèi)，我們會被人工合成的東西所包圍。他的下一個目標(biāo)是什么？生成令人信服的新聞文章。
視頻方面的進(jìn)展可能會更快。HanyFarid是研究假照片和視頻的專家，同時也是達(dá)特茅斯學(xué)院的教授。他擔(dān)心病毒傳播的速度會很快，但驗(yàn)證過程卻異常緩慢。