AI 生成的人像，你能分辨真假嗎？－YoYo's Garden

最近有同學傳來群組一個辨認『真人』的遊戲，簡直可以『哀號遍野』來形容。

我的同學都不笨，可是，當他們看到兩個都像真人的照片根本分辨不出來，挫折感好嚴重，只有一個開海報社，常常做印刷的優秀同學，每個題目都答對，讓大家佩服的五體投地。

我看到Line群組討論熱烈，也好奇地點入網站瞧瞧，結果，幾乎每題都答對，我想可能是多年來後製照片的經驗累積吧！？

『THE PERSON DOES NOT EXIST』網站上的每個人都不是真人，他們是由電腦技術產生，看了讓人起雞皮疙瘩。

據報導，這個網站是Phillip Wang 所創立，使用的演算法為『生成對抗網路』Generative Adversarial Network (GAN)，這個演算法是由 Nvidia 的研究團隊所開源在 GitHub 上的，該算法將兩個神經網路相互作用，一個為生成偽造的臉部圖像，另一個神經網路用來標記假的圖像，最終使用了真實臉孔數據產生一個看來真實卻不存在的臉孔。

（Resource: https://github.com/jonbruner/generative-adversarial-networks/blob/master/gan-notebook.ipynb）

我們暫且把上圖的Descriminator Network翻譯為鑒別家，Generator Network翻譯為畫家。

一、畫家先將手上真正的圖檔偽造成假的圖檔，再由鑑別家來分辨手上的圖檔是真是假，並且提供一個回饋意見。

二、畫家根據這個回饋來精進他的仿真技術，也就是調整model中的參數。

三、當畫家的技術讓鑑別家分辨不出圖檔的真假，也就是說，透過自我對抗不斷改進，最終達到很好的輸出結果。

（https://mc.ai/機器學習-ml-notegenerative-adversarial-network-gan）

系統會自左邊三張真的照片依照「粗糙（大範圍）」、「中等」、「精緻（細節、紋理）」三個層次調整噪點（noise）後，生成右邊全新的人像面孔。噪點是相片的術語，即『顆粒』的意思。

（擷取自Nvidia）

Nvidia的影片：A Style-Based Generator Architecture for Generative Adversarial Networks

在internet時代，在電腦裡面和我們交談的人可能是任何陌生人，比方說，一個在音樂界享有盛名的人或許只是住在媽媽地下室的小孩; 一個在聊天室打屁的14歲女孩搞不好是臥底的警察。

我們逐漸從錯誤中吸取經驗，但一張網路上的『相片』卻讓我們毫無戒心。

一般認為，我們無法『從無到有』生成一張人像，也就是說一張照片必定是『某個人』的照片。騙子雖然可以使用他人的照片來行騙，但今天google有圖片搜尋功能，致使其詭計無法得逞，因此，我們還是相信照片的真實性。

真實的照片也會騙人，當某人拿著十年前的照片到相親網站尋找約會對象，這時的他（她）已經比照片老十歲，也可能比十年前胖10公斤，不過，這張照片到底還是真實的。

但如果相片是機器生成，相片上的人根本不存在，『有圖有真相』一詞必須改寫，我們看到網路上的照片，如臉書....等平台的交友照片必須努力辨認，免得純情女（男）遇到大騙子，人財兩失。

因此，Phillip Wang 發明生成對抗網路讓我們了解眼見未必為真。生成對抗網路不侷限生成人像，還可以生成風景、動物、車子、房子...等照片，『截至現在為止』，這種生成對抗網路技術2.0版雖能輕易騙過人的眼睛，但仔細看還是有一點破綻，再過幾年，等這個技術持續改進到3.0版、4.0版...，人眼再厲害也無法找出任何瑕疵，『有圖沒真相』的未來，我們準備好了嗎？

-----

捧由們可以點以下『Which Face Is Real?』網站自我測驗一下。（網址：http://www.whichfaceisreal.com。)

這些生成照片的瑕疵有點像用photoshop修圖沒有修乾淨，這些瑕疵大致可分為：頭髮與額頭的交界處、兩頰靠耳朵的部位、臉上原本對稱的組織或毛髮不再對稱、臉部是否有奇怪的線條、牙齒排列、背景合理性...。

----

下圖右邊是真人。左邊男士的額頭與頭髮連接處的髮色與其他地方的髮色不一樣。