近年來隨著人工智能的發(fā)展，Deepfake（deep learning 與 fake 的結(jié)合，類似換臉軟件，即機(jī)器在深度學(xué)習(xí)大量已有資料后，偽造某人的圖像和視頻）已成為世界政壇的又一大威脅。

試想，別有用心的程序員完全可以借此操縱各國(guó)領(lǐng)導(dǎo)人的形象，借助各類媒體傳播虛假信息，小到影響總統(tǒng)選舉，大到引發(fā)國(guó)際關(guān)系危機(jī)。

不過，加州大學(xué)伯克利分校和南加州大學(xué)的研究者為我們帶來一絲希望。

他們先運(yùn)用生成式對(duì)抗網(wǎng)絡(luò)，提取了包括特朗普、克林頓、奧巴馬等人的面部、頭部運(yùn)動(dòng)特征，制作了虛假版本的圖像視頻。隨后，利用機(jī)器學(xué)習(xí)原理，比對(duì)真假數(shù)據(jù)之間到底有何區(qū)別。他們發(fā)現(xiàn)，一些異常細(xì)微的特征，比如聯(lián)邦眾議員桑德斯（Bernie Sanders）在說到特定字眼時(shí)點(diǎn)頭的樣子，或是特朗普重返競(jìng)選臺(tái)的詭異一笑，Deepfake 的算法還無法建模分析，而這正是其檢測(cè)技術(shù)的核心所在。

目前的實(shí)驗(yàn)顯示，新型檢測(cè)工具分辨真假的準(zhǔn)確率約 92%。

這種工具可對(duì)抗的 Deepfake 類型多種多樣，無論是用在簡(jiǎn)單的“換臉術(shù)”、模仿秀演員搭配數(shù)字木偶（digital puppet）制作出的視頻中，還是那些帶有壓縮過的原始數(shù)據(jù)的文件上，效果都還算可觀。研究人員還計(jì)劃，進(jìn)一步分析不同人物的說話風(fēng)格，讓甄別技術(shù)更上一層樓。

其實(shí)，“打假”工具不是第一次出現(xiàn)，可惜的是，制假的這方適應(yīng)速度也很快。

比如在過去，虛假視頻中的眼動(dòng)十分不自然，以此為基礎(chǔ)的甄別技術(shù)早就投入使用。但是 Deepfake 也不甘示弱，相關(guān)算法現(xiàn)已能制作出更佳的眨眼效果。

論文作者之一的南加州大學(xué)教授 Hao Li 也表示，正因?yàn)槿斯ぶ悄艿木M(jìn)為兩方都提供了便利，識(shí)別 Deepfake 是一場(chǎng)無休止的對(duì)抗。出于顧慮，該識(shí)別方法的代碼尚未向社會(huì)公布。他預(yù)測(cè)，為了趕超識(shí)別技術(shù)的不斷更新，未來的 Deepfake 將不僅僅是換臉那么簡(jiǎn)單，直接合成人物的動(dòng)作和行為不是沒有可能。不久后，不僅僅是政客和名人，也許連普通人都會(huì)遭殃。不過在一到兩年內(nèi)，徹底的人工偽造人物形象也是不切實(shí)際的。