Diese Gesichter zeigen, wie weit AI image generation hat advanced in nur vier Jahren

Entwicklungen in der künstlichen Intelligenz verschieben, in einem bestürzenden Tempo — so viel, so dass es oft schwer den überblick zu behalten. Aber ein Bereich, wo der Fortschritt ist so deutlich wie die Nase auf dem AI-erzeugt Gesicht ist der Einsatz von neuronalen Netzen zu schaffen, gefälschte Bilder. Kurz: wir sind immer erschreckend gut.

Im Bild oben können Sie sehen, was vier Jahre Fortschritt in AI-Bild-generation aussieht. Die Rohöl-schwarz-und-weiß-Gesichter auf der linken Seite sind von 2014, veröffentlicht als Teil einer wegweisenden Arbeit eingeführt, das das AI-tool bekannt als die generative gegnerische Netz (GAN). Die Farbe, die Flächen auf der rechten Seite kommen aus einem Papier veröffentlicht früher in diesem Monat, die verwendet die gleiche grundlegende Methode, ist aber klar eine Welt, die auseinander in Bezug auf die Bildqualität.

Diese realistische Gesichter der Arbeit der Forscher von Nvidia. In Ihrem Papier, öffentlich geteilt Letzte Woche, Sie beschreiben das ändern der basic-GAN-Architektur zu erstellen, diese Bilder. Werfen Sie einen Blick auf die Bilder unten. Wenn Sie nicht wissen, dass Sie gefälschte waren, konnte man den Unterschied erkennen?

Was besonders interessant ist, dass diese fake-Flächen können auch leicht angepasst werden. Nvidia-Ingenieure eingebunden, eine Methode, bekannt als Stil-transfer in Ihre Arbeit, in dem die Eigenschaften eines Bildes mit einem anderen überblendet werden. Vielleicht kennen Sie den Begriff aus verschiedenen Bild-Filter, die beliebte apps wie Prisma und Facebook in den letzten Jahren, die Ihren selfies Aussehen wie ein impressionistischer Malerei oder einem kubistischen Kunstwerk.

Anwenden des formats zu übertragen, zu Gesicht generation erlaubt Nvidia die Forscher anpassen, Gesichter, auf beeindruckende Weise. In der Tabelle darunter können Sie dies in Aktion zu sehen. Quelle Bild einer echten person (in der oberen Zeile) hat die Gesichtszüge einer anderen person (Rechte Spalte) verordnet. Merkmale wie Haut-und Haarfarbe sind gemischt, die Schaffung, was aussieht wie eine völlig neue person in den Prozess.

Natürlich, die Möglichkeit zum erstellen von realistischen AI Gesichter wirft beunruhigende Fragen. (Nicht zuletzt, wie lange, bis stock Foto-Modelle gehen aus von der Arbeit?) Experten schlagen alarm für die letzten paar Jahre über, wie AI Bluff machen könnten könnte Auswirkungen auf die Gesellschaft. Diese Werkzeuge können verwendet werden, für die Fehlinformation und propaganda und könnte untergraben das öffentliche Vertrauen in die bildliche Beweise, ein trend, der Schaden könnte die Justiz als auch die Politik. (Leider werden diese Fragen nicht behandelt, in Nvidia ‘ s Papier, und wenn wir das erreicht das Unternehmen, es sagte, es konnte nicht reden über die Arbeit, bis es wurde richtig peer-reviewed.)

Diese Warnungen sollten nicht ignoriert werden. Wie wir gesehen haben-mit dem Einsatz von deepfakes zu schaffen, nicht einvernehmliche Pornografie, es gibt immer Menschen, die bereit sind, diese Werkzeuge in fragwürdige Weise. Aber zur gleichen Zeit, trotz dem, was die Schwarzmaler sagen, die Informationen, die Apokalypse ist nicht ganz nahe. Für einen, der die Fähigkeit zur Erzeugung von faces hat Besondere Aufmerksamkeit erhalten in der AI-Gemeinschaft,; Sie können nicht Arzt jedes Bild in irgendeiner Weise, die Sie mögen mit der gleichen Genauigkeit. Es gibt auch gravierende Einschränkungen, wenn es um know-how und Zeit. Es dauerte Nvidia-Forscher eine Woche training Ihre Modell auf acht Tesla-GPUs zu schaffen, diese Gesichter.

Es gibt auch Hinweise, die wir überprüfen können, zu erkennen fakes. In einem aktuellen blog-post, Künstler und Programmierer Kyle McDonald aufgeführt eine Reihe von erzählt. Haare, zum Beispiel, ist sehr schwer zu fälschen. Es sieht oft zu gleichförmig, wie es war gemalt mit einem Pinsel, oder zu verschwommen, mischen in ein Gesicht. Ebenso AI Generatoren verstehe nicht ganz, menschlichen Gesichts-Symmetrie. Sie legen oft die Ohren auf verschiedenen Ebenen oder machen die Augen verschiedene Farben. Sie sind auch nicht sehr gut an der Erzeugung von text oder zahlen, die nur kommen als unleserlich blobs.

Wenn Sie Lesen Sie den Anfang von diesem post, aber diese Hinweise sind wohl kein großer Trost. Nach allem, Nvidia zeigt die Arbeit nur, wie schnell KI in diesem Bereich voran, und es wird nicht lange dauern, bis Forscher erstellen algorithmen, können diese vermeiden, erzählt.

Zum Glück, Experten denken bereits über neue Möglichkeiten der Authentifizierung digitaler Bilder. Einige Lösungen wurden bereits gestartet, wie die Kamera apps, die Stempel Bilder mit Geo-Codes, um zu überprüfen, Wann und wo Sie aufgenommen wurden, zum Beispiel. Klar, es geht um einen Laufenden Kampf zwischen AI Bluff machen könnten und Bild-Authentifizierung für die kommenden Jahrzehnte. Und in dem moment, KI aufladen entscheidend in Führung.