此人不存在

技术宅

AI画像——“真实”的不存在

我们只要打开浏览器登录https：//thispersondoesnotexist.com，成功加载网页后就会看到一幅人物画像，可以看到这些人像非常的真实，而且每刷新一次会出现新的画像，他们就像是我们生活中的各个普通人物（图1）。

AI画像背后——认识StyleGAN算法

那么这些人像是怎么生成的呢？该网站明确表示，是基于GAN的StyleGAN算法生成的。GAN是Generative AdversarialNetworks（生成式对抗网络）的简称，它是一种深度学习模型，这种模型一般包括两个模块：生成模型G（Generative Model）和判别模型D（Discriminative Model），通过两个模型的互相博弈学习产生完美的输出。博弈的结果是让G可以生成足以“以假乱真”的图片G（z）。

因为博弈训练需要大量的运算，随着GPU运算能力的提升，2018年英伟达开发了基于GAN的人工智能算法——StyleGAN，它可以合成足以骗过人类的各种假人脸。StyleGAN的算法生成器和普通的GAN不一样，它是借助风格迁移的思路重新发明的。在实际训练中，科学家们向AI输入两张图，比如图A决定人物的年龄、性别、头发长度和姿势;图B决定一切其他因素，如肤色、发色、衣服颜色等等。这样通过博弈训练后，图B的画风就自然迁移给A，从而生成一个A、B融合的新图片（图2）。

显然StyleGAN的核心是融合，将多张不同风格的目标任务融合在一个输出目标上。为了让生成的人像更为逼真、多变和自然。StyleGAN先通过学习在低分辨率下出现的基本特征来创建基础图像，然后通过更高分辨率的图片训练来识别更多的细节，这样通过渐进式训练，最终融合输出的照片就显得非常自然、逼真（图3）。

StyleGAN通过从粗糙、中等、精细三种R度上调节图像的生成。其中粗糙是指规模最大的调整，它的分辨率在4²-8²之间，比如人脸的朝向、脸型和发型，都在这里调整。通过粗糙调整，让AI画出几乎风格、外形完全不同的人物画像（图4）。中等则是只调整部分特征，比如对脸部特征、发色发量、鼻子大小等局部的特征进行调整，这样生成的图像看上去似曾相识，但是仔细观察却可以看到脸部特征是不同的。精细改变的是图像的配色，几乎不会给人物变脸。

当然这三种调整不是独立的，而是相辅相成的，StyleGAN通过特定的算法将它们组合在一起，最终实现完美的输出，即通过简单的输入，如选择一种自己喜欢的脸型、发型或肤色，StyleGAN在后台就可以通过预置的算法生成你需要的人像（图5）。

回到文章前面介绍的网站，这是一位来自Uber的软件工程师Philip Wang创建的，他利用的正是英伟达创建的StyleGAN算法，创作了源源不断的假人像。当访问者每次刷新这个网站，网站后台服务器就会使用StyleGAN算法结合上述介绍的三种调整来重新生成一张以假乱真的人物图像（图6）。

AI造假——让人欢喜让人忧

通过上面的介绍我们见识到了基于StyleGAN算法的AI画像的超能力。AI画像的模仿能力可以让我们有意想不到的惊喜，比如去年的“天价”AI画作事件，佳士得拍卖行以43.25万美元（约为300万人民币）的高价拍出一件人工智能艺术品（图7）。

虽然目前模型是被训练用来生成人脸图像的，但理论上来说它可以模仿任何来源的图像。比如我们可以利用这个模型来生成新的字体，这样设计师们再也不用苦思冥想，利用现成的海报字体就可以“模仿”出各种漂亮的字体了（图8）。

当然隐忧也是显而易见的，比如可能有不怀好意的人利用它来生成一个不存在的人，然后利用臆想的文字编造假新聞，这种有图有真相的假新闻可能会造成各种不良的影响。类似的，用GAN模仿字迹写欠条、换脸开门禁，这类看似不可能完成的任务，在以后的生活中可能一一出现。任何一项新技术的出现，其好坏两面的评估都值得科学家认真、审慎地去对待！