「资讯」AI造假泛滥，首部法规即将出台！

不需要人工智能知识，不用懂变成代码技术，甚至连 GAN（生成式对抗网络）都可以没听说过。只要你想，分分钟就能在换脸 APP 上和小李子搭戏、和女友切换性别、甚至一键“扒光”自己的女神。
如果你愿意再多花几块钱，把色情片换头成自己的 ex、让特朗普说一段子虚乌有的政治言论，这些以假乱真的视频，淘宝卖家也都能帮你实现。

从 2017 年底 Deepfake 出现以来，这项技术就在以令人惊愕的速度飞速发展，从肉眼可辨的粗糙感，到嘴角弧度、肌肉走向都惟妙惟肖，但它衍生出来的各类恶意应用，也逐渐将网络与现实世界推向失序的边缘。
在法律监管缺席两年后，针对使用 AI 技术造假的法规终于在路上了。
根据前不久印发的《网络音视频信息服务管理规定》，从明年 1 月 1 日开始，我国网信办将对 Deepfake 展开严格监管。

简而言之，明年开始，再想用 AI 技术搞事情，就是在挑战法律底线，严重的还可能被视为是刑事犯罪。

色情、假新闻、诈骗，Deepfake引发的全球恐慌

如果不了解 Deepfake 的发展现状，我们恐怕很难理解为何它会造成如此严重的恐慌。
2017 年，一名叫 “Deepfake” 的用户在 Reddit 论坛中，上传了几段换脸好莱坞女星的色情视频，引发网民热烈讨论。之后，这个开源项目被迅速传播开，只需几张目标对象的照片，加上并不深奥的技术能力，就能轻松制作出曾经足以乱真的假视频。

色情内容为 Deepfake 提供绝佳的土壤，根据 CNN 的统计，Deepfake 生成的影片中 96% 都是以女性为主角的色情视频。
Deepfake 自诞生以来，最大的受害群体一直是女性，比如引起轰动的“一键脱衣”应用 DeepNude，上线短短几天内获得了 50 万的用户，服务器几度出现了宕机。
虽然后来 DeepNude 被迫下架了，但类似的产业链却并未消失，围绕 Deepfake 色情视频甚至产生一条专门的产业链，最少只需要几十块钱，就能定制一条色情视频。

很多使用者都不怀好意，除了自娱自乐，他们也将假视频进行传播，用作骚扰、恐吓、羞辱女性的手段，甚至演变成为另一种形式的“色情复仇”，Deepfake 对受害者造成的长期心理影响，甚至比身体威胁更可怕。
除此之外，女性群体被物化的现象也在 Deepfake 技术下变得更加严重。
而 Deepfake 进化到会对口型、模仿人声时，它的威胁范围就不只限于女性群体了。
今年 6 月，语音版的 Deepfake 也诞生了，只要输入文字，算法就能在一句话中，随意增减、修改词语，借视频主角之口说出任何你想说的话，语音和口型都十分自然。

举个简单的例子，比如某财经新闻的原报道是“今天苹果股价收盘于 191.4 美元”，只要将输入的文字改为 “182.2”，发音和口型天差地别的两组数字就可以轻易被替换，几乎没有任何破绽，最终成片中很难被察觉。

也就是说，用这种方法生成的假新闻，足以骗过大多数人的眼睛和耳朵。
在过去半年多时间内，运用 AI 变声诈骗的案子多次发生。比如，有犯罪分子通过模仿一家德国能源公司 CEO 的声音，在一天之内骗走了 22 万欧元；还有间谍使用 AI 生成并不存在的个像和资料，在职场社交平台领英上，欺骗了包括政治专家和政府内部人士的众多联系人。
而当这些图片、视频、音频被放置于特定语境中，配合上名人的传播效应，就可能带来难以估量的后果。你能想象当有人借特朗普之口，发表一段种族或宗教歧视言论后，所引发的灾难性后果吗？

道德、技术、法律，能否圈出技术的边界？

其实，除了 DeepNude 这类将色情作为诱饵获利的软件外，大部分类似“造假”算法的初衷都是善意的。比如，“换脸术”可以被运用于电影制作中，来替代以往依靠高价 CG 技术实现的电影效果；对口型的工具，则是为了减轻视频编辑的工作量，或者帮助快速译制影片。

Deepfake 的背后是一种叫做 GAN（生成对抗网络）的机器学习方法。同样是基于 GAN，科学家可以生成大量现实世界中出现概率很低的 Corner Case（极端情况），可以用来训练自动驾驶的感知与决策力；也可以合成医学图像，并用于训练 AI 通过 X 光影像确诊癌症的能力。
鉴于法律在显示面前的滞后性，以往对于 Deepfake 滥用的限制，依靠更多的是企业自己的道德约束。
风靡一时的换脸软件“ZAO”，尽管被下架，在防范技术被恶意使用方面，显然有过考虑的。

比如，ZAO 要求用户在摄像头前完成指定动作，以确认照片为本人后，才能进入换脸页面，如果使用公众人物照片，则无法通过验证；这保证了你没法拿别人的头像来恶搞。而且在生成的视频中，还有“未经肖像权验证，此视频无法分享”的水印，以此提示这是个假视频。

这些手段从一些方面阻断了假视频的恶意传播，比起 Deepfake 在论坛中野蛮发展的时期，有了不小的进步。但对于有能力有技术，不用依赖于软件“做片儿”的技术宅来说，这没什么约束力可言。
于是，针对已经广泛传播的视频，科学家门也试图通过“以毒攻毒”的技术手段，来甄别假视频。
Deepfake 算法根据静态图像创建视频，因此很难完美再现人的所有生理信号，不正常的眨眼频率、奇怪的头部动作、不合常理的呼吸节奏，根据这些特征，一些“反 AI 换脸”研究已初有成效，能识别出一些“ AI 假视频”。

但就像区块链从非法洗钱走向正规，在对技术的监管中，法律依然是最根本、最有效的监管手段。
即将出台的《网络音视频信息服务管理规定》中，明确了对于 AI 生成内容管理的几个维度：企业和个人用户的责任、技术手段鉴别，以及法律监督管理。
从用户角度出发，不仅使用 Deepfake 创造的假新闻将被明令禁止，任何使用相关技术生成的内容，都必须以醒目的方式标记清楚。
与此同时，服务提供商也被要求承担起更多社会责任，包括对 AI 内容展开安全评估、建立健全的辟谣机制、部署鉴别技术等等。

作为支撑 Deepfake 的底层技术之一，CNN（卷积神经网络）元老 Yann Lecun 曾被问到过一个问题：“如果当初知道卷积神经网络（CNN）会催生DeepFake，我们还要不要发表CNN？”
Lecun 没有给出明确答案，而是列出了 CNN 在医疗、安全方面的种种贡献。
一项技术的影响力往往超乎我们的想象，但它 本身不存在原罪，无论是责任、道德还是法律，我们试图圈定出一个不可逾越的边界，针对的终究还是人性。

//

DJI Mavic Mini上手体验

跟随王自如来一场欧洲新能源之旅