大...大義滅親？谷歌AI判定：美國登月照系偽造
1969年阿波羅11號成功登陸月球，阿姆斯特朗說出了那句至今讓無數(shù)人記憶猶新的話“這是我個人的一小步，卻是全人類的一大步”。
現(xiàn)在，故事出現(xiàn)了反轉…..
在俄羅斯的一個科技展上，美國谷歌的人工智能通過神經(jīng)網(wǎng)絡對美國登月照片進行了大量分析，包括光的明暗對比等，并用紅色對可能造假的部分做了標記，最后得出結論：登月那張照片是合成的。
圖片
與此同時，神經(jīng)網(wǎng)絡對關于中國月球車的照片沒有識別出特別問題。
有意思的是，俄聯(lián)邦儲蓄銀行負責人格爾曼·格列夫則說，上述結論不是俄羅斯公司的神經(jīng)網(wǎng)絡得出的，而是美國公司谷歌的神經(jīng)網(wǎng)絡在根據(jù)多個指標進行分析的基礎上得出的。（大.....大義滅親？?）
對此，文摘菌也詢問了一下谷歌強大的AI模型Bard，得出的結論是.......
圖片
可能不同的AI模型會得出不同的結論？這確實讓人繃不住了。
起底圖片合成
最初圖片合成的技術基礎是“左右互博術”GAN（生成對抗網(wǎng)絡），這一概念由機器學習研究者Ian Goodfellow在2014年提出。之所以叫“生成”是因為該模型的輸出為圖像一類的信息，而非與輸入數(shù)據(jù)相關的預測值（比如“該圖像是否是根熱狗”的預測）；“對抗網(wǎng)絡”則是因為該模型使用兩組貓鼠游戲一般相互競爭的神經(jīng)網(wǎng)絡，就像收銀員和偽造者斗智斗勇一樣：一方試圖欺騙另一方認為它拿的真實鈔票，而另一方則試圖區(qū)分鈔票的真?zhèn)巍?/p>
其實，最開始的那一批生成對抗網(wǎng)絡（GAN）圖像很容易就能被發(fā)現(xiàn)不是真實照片。
比如2014年的這些圖片：
圖片
后來，在GAN的加持下，AI生成的圖片越來越逼真。真正讓圖片合成出圈的是一款名為Deepfake的應用。通過"Deepfake"應用，計算機可以對數(shù)百份照片或錄音進行采樣合成，偽造一些人們沒有說過的錄音或是照片。
曾經(jīng)，美國眾議院議長Nancy Pelosi的一段深度偽造的談話視頻在Facebook上獲得了超過250萬次的瀏覽量。
相比于GAN，擴散式生成模型是當期比較火的一個圖片合成模型。它擁有一些良好的性質(zhì)，比如靜態(tài)的訓練目標和易擴展性。此外，還有自回歸模型方法，其能夠更加自然的處理多模態(tài)數(shù)據(jù)，以及利用目前流行的Transformer模型。
2021年OpenAI的DALL-E問世讓人們驚艷于AI根據(jù)一段話直接生成圖像的能力。
一年后，更新版的DALL-E 2實現(xiàn)了更高分辨率和更低延遲，而且還包括了新的功能，如編輯現(xiàn)有圖像。
今年9月份，OpenAI 的文生圖 AI 工具 DALL-E 系列迎來了最新版本 DALL?E 3。據(jù)悉，DALL?E 3 比以往系統(tǒng)更能理解細微差別和細節(jié)，讓用戶更加輕松地將自己的想法轉化為非常準確的圖像。
圖片
隨著DALL-E，Stable Diffusion和DreamFusion的發(fā)布，AI 作畫和3D 合成實現(xiàn)了令人驚嘆的視覺效果并且在全球范圍內(nèi)的爆炸式增長
美國登月謎團
我們再來說回美國登月計劃。1961年4月12日，蘇聯(lián)宇航員尤里·加加林成為了首次進入航天的人類，加深了美國對在航天競賽中落后的恐懼。于是基于軍備競賽的考慮美國發(fā)起阿波羅計劃（Project Apollo）。
阿波羅計劃是美國航空航天局從1961年-1972年從事的一系列載人航天任務，計劃在1960年代的10年中，主要致力于完成載人登陸月球和安全返回地球的目標。
1969年，阿波羅11號宇宙飛船達成了上述目標，尼爾·阿姆斯特朗成為第一個踏足月球表面的人類。為了進一步執(zhí)行在月球的科學探測，阿波羅計劃一直延續(xù)到1970年代早期。
整個阿波羅登月工程歷時約11年，到1972年12月第6次登月成功結束，耗資255億美元。在工程高峰時期，參加工程的有2萬家企業(yè)、200多所大學和80多個科研機構，總人數(shù)約40萬。嚴格而科學地管理幾十萬人奮斗8年，實現(xiàn)登月工程，集中體現(xiàn)了現(xiàn)代科技的水平，推動了航天技術的迅速發(fā)展。
但阿波羅計劃中的登月事件一直存在真假難辨。質(zhì)疑者聲稱在月球照片中發(fā)現(xiàn)了某些 "矛盾"，例如星星的缺失、影子的方向不一致、旗幟似乎在飄動等。他們認為這是在一個電影棚或類似的環(huán)境中拍攝的。
這次谷歌AI給出的結論，僅從現(xiàn)有信源來看還有一些可以商榷的地方，例如用的谷歌AI哪個模型？用哪些數(shù)據(jù)訓練得到的神經(jīng)網(wǎng)絡？這些目前都尚未可知。
那么，對于谷歌AI給出的結論你怎么看？歡迎在評論區(qū)留言~
參考來源：
