ZAO换脸软件风波逐渐平息，可关于AI生物识别模仿的讨论才刚刚开始以人脸为代表的生物识别信息逐渐被AI采集、融合并应用时，阿诺·施瓦辛格主演的电影《第六日》恐怕离大家并不太远。镜子里面的自己用光开启了另一个视界，可当屏幕里出现另一个自己时，你会感到疑虑或担忧吗？
你相信这些都是AI生成的脸吗
近日，有国外网友搭建了一个名为“This Person Does Not Exist”（此人不存在）的网站，每次刷新后你都会看到一张微笑的人脸。尽管这些笑脸“真实”的人眼难辨，但却是电脑算法生成的，现实生活中根本不存在。
其实，该技术基于NVIDIA去年推出的最先进人工智能StyleGAN，全新的生成器架构让这个“新一代GAN”生成的人脸真实到可怕。
如今，StyleGAN已经开源，包括源代码和官方TensorFlow实现，附有详细使用说明。此外，Github库里还包含了一个基础的预训练StyleGAN生成器 pretrained_example.py，下载后使用相关Python代码，就可以直接用来生成图像了。
除了逼真的人像，StyleGAN也可用于生成其他动物，汽车甚至房间。英伟达研究人员指出，新架构可以完成自动学习，无监督地分离高级属性以及生成图像中的随机变化，并且可以对合成进行更直观且特定于比例的控制。
AI换脸与盗脸的一步之遥
移动互联网时代，从爆红到暴雷需要多长时间？以AI换脸应用为卖点的ZAO前不久给出了答案。
AI换脸、简单易用、社交属性种种亮点让ZAO有了爆红的基础，尤其是背靠陌陌这个金主加社交达人，让“只要在APP中上传一张照片，你想变成哪个明星，就能变成哪个明星。”愿望实现的ZAO仅仅用了几个小时就在8月31日苹果商店的下载量飙升到了免费App下载榜的138位、娱乐App第13位。
一夜之间，朋友圈也被无数换脸视频“攻占”，病毒式的社交营销更让其在极端的时间里圈粉无数。一夜爆红的ZAO渐有成为现象级软件的态势，可谁能想到从爆红到暴雷所需的时间不足3天。
9月1日下午，ZAO在官方微博回应称，会对相关问题进行修改，需要一点时间。同日，Zao被微信屏蔽分享链接，提示理由为“网页存在安全风险，被多人投诉。”当换脸的新鲜感淡去后，越来越多用户和媒体开始质疑ZAO采集用户脸部信息涉及的隐私问题。
根据ZAO用户协议内容中的必要授权协议：用户上传发布内容后，意味着同意授予ZAO及其关联公司以及ZAO用户在“全球范围内完全免费、不可撤销、永久、可转授权和可再许可的权利”，“包括但不限于可以对用户内容进行全部或部分的修改与编辑（如将短视频中的人脸或者声音换成另一个人的人脸或者声音等）以及对修改前后的用户内容进行信息网络传播以及《著作权法》规定的由著作权人享有的全部著作财产权利及邻接权利”。
用户利用ZAO进行“换脸”，首先需要用手机号动态验证码进行验证登录。用户如果想要下载或分享换脸视频，则需要进行验证确认所使用的照片的确是用户本人，而验证的方式则是在摄像头前进行眨眼、扭头、张嘴等指示动作。用户面部识别信息被ZAO以验证的本人的形式获取，虽然ZAO一直声明不会擅自使用、泄露用户隐私，可问题是网络时代谁能保证数据库、服务器绝对的安全？隐私风险的担忧仅仅是大众对于ZAO态度转换的第一步，从刷脸支付、授权应用到黑产介入，AI换脸渐渐脱离的娱乐的范畴。
不仅仅是隐私侵权
依靠AI换脸在网络上爆红的ZAO应用最早其核心功能无非是为满足“人人都有明星梦”的用户需求，可随着用户对面部隐私的担忧与思考，AI换脸技术早已不是单纯的隐私问题了。
明星梦始终得有一个背景支持，ZAO软件本身内置可供选择的影视剧片段中，有包括《延禧攻略》、《长安十二时辰》、《还珠格格》在内的多部热门国内电视剧，也有石原里美、莱昂纳多·迪卡普里奥等国外明星的影视剧片段，还有大量热门的综艺片段。这些资源的搭载，有效丰富了软件的趣味性和应用性，却也延伸出影视剧版权及明星肖像权的纠葛。用户或许从一开始并没有“以商业为目的”，可软件平台本身采集、提供这些素材，很难说自己没有打擦边球的想法。
而在版权和肖像权争议浮出水面的同时，闻到血腥味儿的黑产同样盯上了AI换脸应用。100元打包200部换脸情色片，囊括国内一二线女明星，5张照片就可以帮你定制换脸视频，400元就可以购买换脸软件及教程并包教包会目前AI换脸黑产已经形成了完整的产业链，从下游成品情色视频、中游定制视频到上游软件及教程都有提供，有的卖家甚至提供全产业链产品和售后服务，据部分卖家透露，现在定制视频要排队，因为前面有很多人也有这个需求，可见AI换脸黑产已经发展到一定程度。
当AI换脸门槛越来越低的时候，谁能保证自己不会成为非法视频的主角？人们对AI换脸的担忧还在于刷脸支付的普及，真金白银的损失显然更让人焦虑，不过好在目前主要的金融机构都明确表示自己非常安全。
蚂蚁金服称：“刷脸支付”采用的是3D人脸识别技术，在进行人脸识别前，也会通过软硬件结合的方式进行检测，来判断采集到的人脸是否是照片、视频或者软件模拟生成的，以避免人脸伪造带来的冒用情况。以支付宝为例，在进行人脸识别后，部分用户还需要输入与账号绑定的手机号进行校验，进一步提高安全性。即便出现账户被冒用的极小概率事件，大家也不必惊慌，支付宝也会通过保险公司进行全额赔付。
刷脸支付表示AI换脸突破不了识别系统
微信方面也回应媒体称，换脸从技术上完全不会影响刷脸支付的安全性。而银行方面以刷脸取款为例，采用红外活体检测技术、生物识别技术等，可抵御照片、换脸视频、翻拍、3D头套等面具攻击。
换脸早已不是新鲜事儿
阳光下没有太多新鲜事儿，AI换脸显然也不是一夜成型的。早在2017年底，国外一位ID为“deepfakes”的网友，他发布了一种让用户可以使用机器学习技术来将视频换脸，只是当时还处于初级阶段，普通用户根本没办法通过这些资料来自己动手DIY，直到简单版的FakeApp出现，把复杂的AI换脸变成了简单，让普通用户也能轻松将视频中的人物换脸。
更早一些的1997年，为了拟补一些配音电影唇音不同步的缺陷，国外进行了一项“视频重写”的研究项目，这项技术使视频中的人物嘴唇自动与音频系统同步，所以即使原视频图像中的人没有张过嘴，通过“视频重写”也可以使这个人按照被匹配的音频“口若悬河”，这项技术可用于电影配音、电视会议、电影特效中。
“视频重写”的研究项目可以看做AI换脸的早期尝试
技术的发展让换脸变得越来越容易，ZAO虽从始至终未公开其技术原型，但根据国外类似换脸应用的技术原理解析会发现，AI换脸始终离不开训练神经网络、使用卷积神经网络识别图像、MTCNN类人脸检测技术、人脸编码生成等技术，而这些技术恰恰是AI成长和应用的方向。
相信随着AI技术的成熟，用海量数据反复训练出来的神经网络和趋于完善的算法，能够让AI换脸越来越逼真且难以识别，而在支付、授权、门禁、签到等大量应用人脸识别技术的今天，AI换脸的广泛应用的确很容易引发全网焦虑。
实际上，当前AI换脸的作品已经很难通过肉眼识别了，用AI对AI识破假视频才是最有效的方式。目前大多数生成视频都是利用 DeepFace 相关的技术，其背后就是 AutoEncoder、Pix2Pix 或者 CycleGAN，“闪屏”成为当下技术的软肋，也让AI识别模型有了识别造假的机会。
写在最后：别视AI为洪水猛兽
技术始终是中立的，凭借海量的数据采集、分析与整理、转换，AI通过换脸、声音合成等技术，打造另一个你并非难事儿，只不过从AI诞生之初，有关AI伦理的讨论就从未中止过，实际上，AI造人的难点并非复制另一个你，而是打造一个全新的自己，这或许才是AI生物识别应用发展的最终方向。（文/小呆）