全文共3745字，預計學習時長10分鐘

如果你過去幾年間曾在網上發過自己的照片， Clearview人工智慧很有可能已將這圖儲存下來，新增到該公司龐大的容納超過31億張圖片的面部識別資料庫中。《紐約時報》稱，Clearview可以“終結我們的所謂隱私”。1月份時，筆者拿到了自己的Clearview 人工智慧配置檔案，這讓我為之一怔。

Clearview面臨著許多法律上的挑戰。美國公民自由聯盟(AmericanCivil Liberties Union)曾引用筆者的一篇文章對該公司發起集體訴訟，該訴訟具有里程碑意義。但即使立法者限制了Clearview，阻止線上面部識別就像打地鼠：總有另一個公司會取代它的位置。

隨著線上面部識別的普及，消費者如何才能讓自己的面部遠離大規模監控資料庫收集呢？合成內容創業公司GeneratedMedia提出一個解決方案：把臉換成一個由神經網路建立的高科技假臉。假臉會讓人們知道你的長相，但真正的臉是不顯示的。

這家公司專門製作人工面部。他們使用了一種被稱為收集對抗網路（GANs）的技術，這類技術讓兩個神經網路相互對立。以GeneratedMedia為例，隨著兩種網路相互競爭，其中一個網路(生成網路)在生成人臉方面做得越來越好。GANs的技術非常先進，足以製作出以假亂真的臉。

該公司最近在《紐約時報》上發表了一篇關於生成人工面孔背後技術的文章，引起了巨大轟動。

GANs也可以大規模地生成人工面孔。Generated Media成立不到一年，已經生成了超過200萬張人工面孔。這些面孔代表了各種年齡和外貌的人。它們看起來完全真實，但描繪的人實際上並不存在，也從未存在過。GeneratedMedia允許這些影象以儲備照片的形式存在網站上，並將它們作為訓練資料以減少其他人工智慧系統中的偏差。

運用大量面部影象資料，Generated Media正將目光轉向消費者。透過一款今天剛釋出的工具Anonymizer，使用者可以在上傳面部真實影象後獲得許多以假亂真的臉。使用者可以在社交媒體上，或其他任何需要在公共網際網路上釋出照片的地方，使用人工面孔而非真臉。這些假照片供個人免費使用，還可以選擇使用透明背景。

GeneratedMedia稱這些人工面部看起來同真人非常相似，所以可信度高。但由於這並非使用者的真臉，如果Clearview或其他面部識別公司將使用者的人工面部新增到資料庫中，這些公司將無法透過假臉來找到真正的使用者。

GeneratedMedia表示，使用者“至少每天”都可以將自己的照片換成新的假照片，以享受真臉識別所不具備的隱私性。

在接受採訪時,GeneratedMedia的策略主管Tyler Lastovich稱，他“私下使用領英時看到有人用了一張合成圖片作為頭像”，公司也發現“有更多的圖片用在推特的個人簡介裡”之後，該公司設計了Anonymizer。還有一些人試圖創造基於人工智慧工具改變抗議者和活動人士的頭像，從而掩蓋他們在網上的身份。

但是Clearview告訴《紐約時報》，這些工具無法欺騙它的系統。一張完全偽造的照片，比如用GeneratedMedia生成的照片，可能是一個更安全的解決方案。

筆者上傳了一張自己在加州聖拉蒙一家高檔披薩店拍攝的照片，以此測試Anonymizer。

Anonymizer展示了約20個相似影象，還可以選擇檢視更多。筆者滾動螢幕，選擇了一張最相似的假臉。

現在點對點比較。這張假臉的背景是透明的，所以可以把它疊加在一張照片上，這張照片攝於在一家漂亮的披薩店，而真實照片就是在這家店拍的。

看起來像嗎？不，筆者不會把髮型梳成這樣。但這兩幅圖太相似了，親密的朋友和家人以外的人可能會把假臉誤認為是真人——尤其在推特這樣的社交媒體網站上使用假照片時，那裡的個人資料照片只有49x49畫素。

電腦也可能會犯同樣的錯誤。為了測試真人和AI照片看起來有多相似，筆者用一款廣泛運用的面部比較API，由面部識別軟體face ++提供，對兩幅圖進行了比較。Face++得出結論是：“正常機率”下真人同和照片相匹配，並且估計有64%的機率是同一個人。

這個數字不完美，但對於電腦創造出來的人工面部來說，已經相當不錯。而且效果會隨著時間的推移而改善。Anonymizer的工作原理是分析使用者的臉，然後從Generated Media現有的資料庫中找到最接近的匹配。隨著公司製造出更多的人工面孔，找到高可信度匹配的機率也會增加。

在這次實驗中，筆者發現面部越容易辨認，越難偽造人工面孔。為了測試這一點，筆者上傳了一張唐納德·特朗普的照片，結果和他實際的樣子完全不一樣。不管怎樣，在過去的四年裡，看特朗普的臉肯定比自己的臉還要多。

把一張非常熟悉的真臉（例如特朗普的臉）和一張假臉進行比較時，人工面孔的漏洞就非常明顯了。對於不太熟悉的面孔，它們更容易被忽視，而且人工的看起來還更有說服力。

這展現了該系統的另一運用場景。Anonymizer的對抗程式不一定能創造出使用者足以以假亂真的臉。相反，該系統可能最適合這樣的情況：使用者想讓從未見過他的人知道他長什麼樣子，卻不洩露實際長相。

Generated Media表示約會軟體就是一個很好的例子。假如使用者建立一個線上約會檔案，可以從Anonymizer中獲取一個假的影象，用它來代替真實面孔。照片能清晰展示出外貌——但如果遇到了某個特別的人並想展露真實面孔，他們最好不會感到很尷尬。

但除非使用者選擇揭露真實的面部，人工面部能防止那些經常約會網站跟蹤狂獲取真實外表，從而把使用者當成目標。

Clearview AI從新聞文章和社交媒體網站下載了數百萬張圖片，所以在敏感文章中使用人工面部是防止Clearview搜尋情報人員的臉並將其連結回敏感文章的一個好方法。

如果使用者打算髮布一些敏感話題，也可以考慮採取類似的方法。即用假臉來建立一個獨立的社交媒體賬戶。這樣的話，敏感的內容就不會連結到真實面孔上，也不會被那些可能在Clearview這樣的平臺上搜索麵孔的人看到。

在上傳一張人工面孔之前，一定要檢查社交網路的服務條款：例如Twitter不允許出於欺騙目的使用假臉，但若是用假臉來保護自身言論自由，多數情況不會有事。

然而，並非所有的隱私倡導者都相信Anonymizer等系統行之有效。哈佛大學肯尼迪學院肖倫斯坦中心的研究員、激進主義克里斯·吉利亞德(ChrisGilliard)對我說：“對於任何假臉保護匿名的說法，我並不十分肯定。”

資料共享遠遠超出公共照片釋出到網際網路上的範疇。他告訴我,“一部分是因為缺乏監管，不論是在社交媒體上還是從車管所收集資訊，人們對資料的疏忽都能致使許多數字工具獲得人們的照片。”他認為這是社會而非技術問題，並不是什麼能透過“技術”解決的問題。

在別有用心的使用者手中，Anonymizer可以創造出這些虛假資訊。但對於那些心懷叵測的想要做人工面孔的人來說，可能有更簡單的方法。網站ThisPersonDoesNotExist.com能使用GANs技術在瀏覽器中生成假臉，類似Generated Media技術而不需要上傳圖片。

而且，由於面部生成GANs背後的程式碼可被廣泛使用，大多數心思複雜的罪犯可能會建立他們自己的面部生成系統，而不是依賴那些可以追溯到某個特定公司的面部，因為有可能找到他們。GeneratedMedia表示，使用者不能“使用圖片冒充他人或進行非法活動”。

如果想在網上釋出自己的個人資訊而不用擔心被監控，或者只是想測試一下聯絡人對自己的瞭解程度，可以透過Anonymizer把推特頭像換成假臉，看看有沒有人注意到。至少，看到一個自己的虛擬克隆臉很有意思。

如果在網上釋出敏感內容，擔心會成為跟蹤的目標，或者只是想掌控那些知道真實面目的人，Anonymizer就不只是一個玩具，而是一個潛在的強大工具。

我們一起分享AI學習與發展的乾貨