【中國智能制造網 智造快訊】這是一個眼見為實的世界,所有人都相信自己親眼看到的事情,但是隨著人工智能技術的不斷發展,眼見有時也絕非為實,它給人們根深蒂固的觀念帶來了沖擊。
過去很多人為了證明清白,在辯駁的時候都會說要是當時有視頻記錄下這一切就可以還自己一個清白了,可見視頻信息的真實性在人們印象中的根深蒂固。因為在這個社會,我們認為錄音和錄像是真相的化身,人們的一面之辭遠不如錄像帶來的可信。
但事實當真如此嗎?自今年4月份以來,涉及美國前總統巴拉克·奧巴馬(Barack Obama)的一段一分鐘長視頻已被觀看過480萬次。在這個視頻里,你可以看到奧巴馬在發表演講,演講內容卻是其正在用語言攻擊他的繼任者唐納德·(Donald Trump)。
如此一幕當真發生過嗎?答案是否定的,這只是一段經過加工的視頻。吊詭的是,當奧巴馬在發表上述演講時,他的嘴巴會隨之而動,表情、口型、聲音和奧巴馬一模一樣,讓人完全看不出任何破綻,就像是奧巴馬真的發表演講一樣,雖然大家都知道這個演講并不存在。
這是由演員兼導演皮勒制作的一段視頻,視頻一經發出就引發了廣泛討論,這個信奉“眼見為實”的世界即將被AI顛覆,即眼見未必為實,同時也讓深度偽造技術進入了人們的視線。
深度偽造視頻的制作離不開AI技術,而AI技術的實現則離不開機器學習和深度學習技術,通過這個技術,讓計算機在生成具有統計相似性的假實例之前從真實數據中學習,模仿語音和形象,進而創造出另類的現實,讓人們真假難辨。
那么能夠進行視頻偽造,且讓人看不出破綻的機器學習和深度學習技術到底是什么,為什么可以有著如此大的魔力,這二者又有什么關系?
首先是機器學習技術,這是一門多領域的交叉學科,涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。和傳統的為解決特定任務、硬編碼的軟件程序不同,機器學習是用大量的數據來“訓練”,通過各種算法從數據中學習如何完成任務。這個技術是人工智能的核心,人工智能需要通過機器學習,才能真正具有智能,機器學習是一種實現人工智能的方法。
深度學習是一種實現機器學習的技術。其本身也會用到有監督和無監督的學習方法來訓練深度神經網絡。和機器學習不同的是,它所用來學習的層數和神經元非常的多,然后給系統輸入海量的數據,來訓練網絡。深度學習是機器學習研究中的一個新的領域,其動機在于建立、模擬人腦進行分析學習的神經網絡,它模仿人腦的機制來解釋數據,例如圖像,聲音和文本。
深度學習乍一聽好像概念很新穎,其實它已經存在好幾年了。隨著人工技術的發展需要,深度的學習越來越被大家放到重要的層面上。
那二者的區別在哪里呢?深度學習與傳統的機器學習主要的區別在于它會隨著數據規模的增加其性能也不斷增長。傳統的機器學習可以在使用既定規則下運行,即使數據較少,也能夠有比較好的性能。但深度學習卻不能,深度學習需要大量的數據來理解它,隨著數據量的增加,深度學習的性能也可以不斷的提升。
機器學習技術和深度學習技術其實并不難理解,二者的核心都是數據、算法(模型函數)和算力(計算機運算能力),都是通過對數據的學習訓練,為人工智能的發展服務。人工智能所演繹出來的新技術離不開機器學習和深度學習的幕后輔助,我們在驚奇于深度偽造技術的逼真時,就可以想見這是幕后無數大數據的支撐。
人工智能的發展正熱,離不開各種技術的支撐,在各技術完善的同時,人工智能也將會帶給我們更多的驚喜。
版權與免責聲明:
凡本站注明“來源:智能制造網”的所有作品,均為浙江興旺寶明通網絡有限公司-智能制造網合法擁有版權或有權使用的作品,未經本站授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的,應在授權范圍內使用,并注明“來源:智能制造網”。違反上述聲明者,本站將追究其相關法律責任。
本站轉載并注明自其它來源(非智能制造網)的作品,目的在于傳遞更多信息,并不代表本站贊同其觀點或和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。如其他媒體、平臺或個人從本站轉載時,必須保留本站注明的作品第一來源,并自負版權等法律責任。如擅自篡改為“稿件來源:智能制造網”,本站將依法追究責任。
鑒于本站稿件來源廣泛、數量較多,如涉及作品內容、版權等問題,請與本站聯系并提供相關證明材料:聯系電話:0571-89719789;郵箱:1271141964@qq.com。