设计用来欺骗：这些人对您来说真实吗？

这些人可能看起来很熟悉，就像您在Facebook或Twitter上看到的人一样。

或者是您在亚马逊上阅读过产品评论的人，或者是在Tinder上约会过的个人资料。

现在有出售假货的商家。在Generated.Photos网站上，您可以以2.99美元的价格购买“独特，无忧”的假人，或以1,000美元的价格购买1,000人。如果您只需要几个假人（用于视频游戏中的角色，或使公司网站看起来更加多样化），则可以在ThisPersonDoesNotExist.com上免费获取其照片。根据需要调整其相似度；让他们变老或变小或您选择的种族。如果您想让假人动起来，那么一家名为Rosebud.AI的公司可以做到这一点，甚至可以让他们说话。

这些被模仿的人开始出现在互联网上，被有恶意的真实人用作面具：间谍为了渗透情报界而伪装成漂亮的面孔；躲在伪造的个人资料，照片和所有物品后面的右翼宣传者；在线骚扰者以友好的面貌拖曳目标。

我们创建了自己的AI系统了解生成不同假脸的难易程度。

人工智能系统将每个面孔视为一个复杂的数学图形，可以改变一定范围的值。选择不同的值（例如确定眼睛大小和形状的值）可以改变整个图像。

对于其他质量，我们的系统使用了不同的方法。系统首先移动两个图像以为所有值建立起点和终点，然后再在这两个图像之间创建图像，而不是移动确定图像特定部分的值。

近年来，由于一种新型的称为生成对抗网络的人工智能，才可能创建这些类型的伪造图像。从本质上讲，您向计算机程序提供了一堆真实人物的照片。它研究他们，并尝试拿出自己的人像，而系统的另一部分则试图检测出其中哪些人是伪造的。

来回的往返使得最终产品与真实物品变得越来越难以区分。这个故事中的肖像是由The Times使用GAN软件制作的，该软件由计算机图形公司Nvidia公开提供。

鉴于进步的步伐，不难想象，在不那么遥远的未来中，我们不仅要面对假人的肖像，而且要面对他们的全部收藏品-在与假朋友的聚会上，与假狗闲逛，抱着他们的假婴儿。分辨谁是真正的在线人物以及谁是计算机的想象力，这将变得越来越困难。

“这项技术在2014年首次出现时，情况就很糟糕–就像模拟人生一样，”虚假信息研究员卡米尔·弗朗索瓦（CamilleFrançois）说，他的工作是分析社交网络的操纵。 “这提醒人们技术可以快速发展。随着时间的推移，检测只会变得更加困难。”

面部伪造的进步之所以成为可能，部分原因是技术在识别关键面部特征方面变得更加出色。您可以用脸来解锁智能手机，或告诉照片软件对成千上万张照片进行排序，并仅显示孩子的照片。执法部门使用面部识别程序来识别和逮捕犯罪嫌疑人（一些活动家还利用这些程序来揭露掩盖其姓名标签以保持匿名的警务人员的身份）。一家名为Clearview AI的公司抓取了数十亿张公开照片的网络（日常用户在网上随便共享），以创建一款能够从一张照片中识别陌生人的应用程序。这项技术具有超强的力量：以前所未有的方式组织和处理世界的能力。

但是像其他人工智能一样，面部识别算法系统并不完美。由于用于训练它们的数据存在潜在的偏差，因此其中一些系统在识别有色人像方面不那么出色。 2015年，由Google开发的早期图像检测系统将两个黑人标记为“大猩猩”，这很可能是因为该系统为黑猩猩提供的照片要多于皮肤黝黑的人。

而且，相机-面部识别系统的眼睛-不能很好地捕捉皮肤黝黑的人。不幸的标准可以追溯到胶卷显影的早期，当时是对照片进行校准以最好地显示皮肤白皙的人的脸。后果可能很严重。一月份，底特律一个名叫罗伯特·威廉姆斯的黑人因涉嫌不正确的面部识别比赛而没有犯下的罪行而被捕。

人工智能可以使我们的生活更轻松，但最终它会像我们一样存在缺陷，因为我们在所有这些背后。人类选择AI制作系统以及将其暴露给哪些数据。我们选择可以教虚拟助手听的声音，从而使这些系统无法理解带有重音的人。我们设计了一种计算机程序，通过向其提供有关人类法官过去的裁决的数据来预测某人的犯罪行为，并在此过程中烘烤出这些法官的偏见。我们标记训练计算机查看的图像；然后，他们将眼镜与“ dweebs”或“书呆子”联系起来。

您可以发现我们发现人工智能的一些错误和模式伪造面孔时，系统会重复进行。

我们大多数人没有完美对称的功能，而且系统擅长重新创建它们。

但结果是，它可能在一只耳朵上产生深凹痕，而另一只耳朵可能没有凹痕。

通常情况下，它们仅在图像的一部分中，但是如果您仔细观察，很难看不到它。

有时，关于图像是否为伪造的线索并不在人的特征中。

当然，人类会犯错：我们忽略或忽视了这些系统中的缺陷，太快地相信计算机是超理性的，客观的，永远正确的。研究表明，在人与计算机必须合作做出决定（识别指纹或人脸）的情况下，人们总是在计算机轻推它们时才做出错误的识别。在早期的仪表盘GPS系统中，驾驶员着名地遵循设备的指示进行故障处理，将汽车驶入湖泊，悬崖和树木中。

这是谦卑还是自大？假设我们非常聪明以至于我们仍然可以创造出更智能的东西，那么我们在人工智能中的价值是否太低？或者我们高估了它？

Google和Bing的算法为我们整理了世界的知识。 Facebook的新闻提要过滤掉来自我们社交圈的更新，并确定哪些重要信息足以向我们展示。借助汽车的自动驾驶功能，我们将安全性放在了软件的手中（和眼睛）。我们对这些系统非常信任，但是它们可能和我们一样容易出错。

注意：使用TensorFlow中实现的Nvidia的StyleGAN2软件包的预训练版本来生成此故事的图像。这些网络在Flickr-Faces-HQ数据集上进行了训练，其中包括70,000多张人物照片。 Karras等人对原始StyleGAN体系结构的改进。等