全文约1600字，阅读时间预计8分钟。
照片本来应该是真实世界的真实记录和反映，但随着Adobe这样的图像处理软件出现后，图像后期编辑技术越来越先进，人们对于修图编辑已经习以为常。特别是当AI带来强大的学习能力和图像处理能力之后，照片的修改甚至可以自动化、批量化。
Adobe等公司的图片处理软件技术带给了我们一个更养眼的世界，同时也带来了很多“照骗”。
我们在享受修图美颜后图片在朋友圈收获的一片点赞的同时，也在深受网上泛滥的各种各种谣言、虚假信息所害。假新闻和假照片已经成为互联网上的“毒瘤”，不仅可以在社交平台上颠倒舆论方向，严重的更可能影响政治大选结果。
这些谣言之所以能够混淆视听，很大程度上是因为处理后的假新闻照片如假包换，叫人真假莫辨，比如，新闻摄影，政客或名人的虚假照片，以及执法部门使用的法医证据，都可以通过PS伪造出来。很多人信以为真，这些图片被大量转发，加上措辞激烈的配文，这些扭曲事实的假新闻一下子就占据了舆论的上风。
不过这个局面可能很快会被改变。造出Photoshop的Adobe公司最近宣布，他们的AI能够像侦探一样识别出被PS过的图片，假照片再也逃不过AI的法眼。
PS照片甄别技术，让“照骗”无处遁形
Adobe 本月在CVPR 计算机视觉大会上展示了用机器取代人类进行数字图像取证的技术，利用神经网络，通过真实的篡改图像的训练识别出那些被改动过的图片。
关于这项研究的目的，Adobe高级研究科学家弗拉德·莫拉里乌(Vlad Morariu)表示，Adobe开发出世界上功能最强大的图像编辑软件，但今天，它也要利用AI创造出能甄别图片真伪的工具，以帮助人们鉴别和监控数字媒介上信息的真实性，或者让司法取证更加公正。
来自Adobe新的研究论文展示了机器学习如何用于识别三种常见的图像处理类型：
拼接，即将两张不同图像的两部分组合在一起；
涂抹（克隆），也就是利用印章或选择工具将图像内的对象进行复制和粘贴；
删除，即把图像的某部分从照片中删除。
弗拉德·莫拉里乌(Vlad Morariu)和他在美国马里兰大学(Universityof Maryland)的同事表示，这些经过处理的照片或许能够骗过人的眼睛，但往往会留下p图痕迹，比如对比度很大的边缘，刻意平滑区域，或不同的噪声样式。
而Adobe的算法能够感知这些细微的差别，检测出图片中异常的RGB（红，绿，蓝）值和背噪样式。除此以外，Adobe的算法，还可以区分各种篡改技术。”
简单来说，就是用深度学习对大量PS过的图片进行学习和训练，得出深度学习神经网络模型，通过对图像噪点和颜色的变化来识别图像有没有被修改过。
负责该技术的Morarium说，Adobe在图像识别方面有“得天独厚的优势”：“我们利用数以万计的已知的、经过处理的图像样本，成功地训练出一种深度学习神经网络来识别图像处理。”
假照片识别技术能跑赢生成逼真照片的AI吗
不过，The Verge在评论这项技术的时候指出，“Adobe的神经网络系统的缺陷在于，它依赖现有大量样本的训练来获得比较高的成功率，对于那些阴影和反射几何失真识别学习的效果不是很好。
同时，对于像引入人工智能创造的那些不是“移花接木”，而完全是“无中生有”的假照片，神经不太可能识别出来这些到更高级别的造假照片”。要知道神经网络的机器学习结果的质量在很大程度上取决于神经网络所训练的数据的质量，如果这些数据跟不上AI制造逼真的假图像的速度，假照片泛滥的现状难以扭转。
（英伟达的一组研究人员最近创建了一个系统，可以通过分析成千上万真正的名人照片，并创建看起来相似，实则完全“无中生有”的“假照片”。）
不过至少，在人工智能发展以超乎预期的速度发展，许多技术在人工智能的伦理方面界定模糊，对于这些技术的不当使用可能会导致像假新闻这样的乱象产生。Adobe提出要“负责任地开发技术，使得这些技术最终服务于社会而不是有害于社会。因此，我们都有共同的责任，通过改变我们的管理机构和技术公约应对新技术的潜在负面影响。”
反照片造假技术的意义就是通过创造信任，来实现商业效率的进步，减少假照片产生的社会成本和不良影响。
-End-
本文章图片来源于网络
