9月6日消息，据外媒报道，Facebook日前宣布将出资一千万美元，与科技企业及学术界一道发起DeepFake检测挑战赛，旨在刺激创新，并使发现虚假内容变得更容易。这一挑战的目标是创建一个可用于训练模型的实质数据集，这些模型可以准确地检测Deepfake伪造的视频。
提到DeepFake，大家或许还有些陌生，但是如果说“ZAO”，你绝对会有印象。8月30日，一款号称“仅需一张照片，出演天下好戏”的AI换脸APP在社交网络上火爆异常，用户只需上传一张自己的照片，这款叫做ZAO的神器可以将影视剧中的人物面部替换为用户上传的人物形象。不过，ZAO因涉嫌过度收集用户个人信息也遭到了广泛质疑。
事实上，ZAO是基于DeepFake技术演变出来的一种产品。DeepFake这个词来自于新闻类社交网站Reddit上一位叫做deepfakes的用户，该用户在2017年12月上传了一段视频，他将某个电影里的女主角换成了好莱坞明星，一下子引起了轩然大波。因此，DeepFake一词既可以指人脸交换这项技术，也可以指用它制作的视频。
DeepFake作为一种基于深度学习的人物图像合成技术，可用来制作或修改视频内容，从而呈现出一些实际上并没有发生的内容。该技术使用的是生成式对抗网络(GANs)，一个网络叫做“生成器”，另一个网络叫做“鉴别器”。基本上，生成器创建一个假视频剪辑，然后要求鉴别器确定该剪辑是真还是假。每当鉴别器准确地识别出一个视频剪辑是假的，它就会提示生成器在创建下一个剪辑时不要做什么。随着生成器越来越擅长创建假视频剪辑，鉴别器也越来越擅长识别它们。相反，随着鉴别器在识别假视频方面做得越来越好，生成器在创建假视频方面也做得越来越好。这个过程会继续下去，直到生成器能够欺骗鉴别器，使鉴别器认为视频是真实的为止。
由于DeepFake的技术门槛很低，几乎任何一个具有深度学习算法知识的人都可以用一台个人电脑、一些软件花费几个小时的时间来制作一个虚假视频。
当然，能够伪造视频或者图片的人工智能技术不仅有DeepFake，近年来，常见的人工智能换脸技术可谓是层出不穷，例如，Face2Face和CycleGAN。
1、Face2Face
2016年7月的计算机图形学大会SIGGRAPH 2016上，首次展出了RGB视频实时人脸捕捉和重演技术Face2Face。Face2Face利用面部追踪技术和图像算法，将一个人的面部表情、说话时肌肉的变化复制到另一个视频中的目标人脸上，从而实现面部重演。这种技术应该算是第一个能够进行实时面部转换的模型，准确度和真实度比传统面部图形处理方式的结果要精确很多。
2、CycleGAN
图像到图像的转换涉及到对给定图像进行修改后生成新的合成版本，例如，将夏季景观转换为冬季景观。训练用于图像到图像转换的模型通常需要大量成对的示例数据集，这些数据集准备起来既困难又昂贵。2017年3月，Jun-YanZhu等人提出了CycleGAN。CycleGAN是一种无需成对示例便可自动进行图像到图像转换的技术。这些模型是在无监督的情况下，使用来自源域和目标域的不需要任何关联的图像集合进行训练的，它可以说是所有人脸转换中重要早期尝试。
写在最后：
目前，由于人工智能换脸技术带来的负面影响，开始让越来越多的人感到担忧。但是，我们也不能否认这类技术所带来的积极作用，例如，拍摄超现实视觉叙事摄影作品成本非常高。好莱坞的电影公司花费数十亿美元来创造一个能吸引观众或将他们带到另一个世界的奇观，而他们使用的工具对于大多数创作者来说是难以承受的。DeepFake技术整合了合成图像的能力，这可能会给规模较小的创作者带来类似的能力，从而节约成本获得更好地拍摄效果。
最后想说的是，技术是无罪的，关键在于使用技术的人以及用技术做什么事。