127. 真假難辨

請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。

空前的熱度意味著絕佳的廣告機會。

孟繁岐此時正在自己的公司緊鑼密鼓地測試新人臉演算法的效能和對生成式假臉的識別成功率。

原本這件事情只需要做得差不多就好，可現在生成式內容的安全性問題被高度關注，在這方面容不得任何一點閃失。

在孟繁岐對自己的演算法效果精益求精的同時，世界各地的人臉識別團隊都在苦思冥想當中。

機遇和挑戰並存，整個人臉識別方向雖然面臨著真假難辨的巨大難題，但只要解決了這個問題，帶來的益處也是同樣巨大的。

這種安全性隱患是勢必需要解決的根本問題，可以說誰能夠解決這個問題，誰就掌握了核心科技，能夠先人一步摘走最大的果實。

臉書的DeepFace團隊，剛剛根據孟繁岐的幾個新資料迭代了一輪，還沒能從取得了幾個關鍵提升的喜悅中緩過神來，就直接遭遇了重大危機。

幾兄弟人都麻了。

前一秒還覺得孟繁岐是自己團隊的大救星，現在則整個反過來，覺得孟繁岐是團隊的究極大仇人。

“這個鳥人怎麼技術突破搞那麼快.....”楊明深深嘆了一口氣，自己這邊一個專注人臉的四人團隊，做起實驗來輕車熟路，分工合作更是親密無間。

怎麼每次接近可以釋出的時候，就老被這個鳥人打斷節奏。

上回是骨幹網路的革命性突破，導致幾人不得不重新迭代一輪實驗，以確保自己技術的地位。

現在倒好，不搞突破了，直接換了一整個賽道，給你整了個革命性的安全問題。

這下倒大黴了，直接變成了這技術還能不能用的問題了。

把一整個賽道整沒了。

“我們的演算法識別生成式假臉的準確率怎麼樣？”沃夫問道。

“這個要看情況了，主要看你到底有多少比例的假臉給它看。”

“此話怎樣？”沃夫愣了一下。

“因為反正它都會認為所有的臉都是真的，因此你如果一張假臉都不給它看，準確率就是百分百，你要全給它看假臉，那就一個人認不出來。”

“還在貧是吧？？”沃夫臉一黑，什麼時候了還在這抖機靈呢。

“唉..如果不能解決安全性問題，公司短期內商用人臉視覺演算法的計劃就要推遲成為長期了。”

沃夫人也麻了，短期商用計劃變長期，直接意味著他們四人組的價值和地位打骨折。

研究人員本來不說指望這這一波走上人生巔峰，好歹也是想改善一下生活的，這下又遙遙無期了。

臉書谷歌這樣的公司雖然不吝嗇科技投入，但你做的技術能不能變現，待遇和地位還是差很多的。

你像孟繁岐，原本就是谷歌大腦的一個普通打工仔，三輪板斧一揮，谷歌現金流都不方便給他那麼多分成，已經談過相當一部分以股權的形式給到了。

瞬間變成了持有份額不小的股東，地位自然水漲船高。

這事情也是夠離譜的，人還沒正式入職呢，一不小心就從打工仔變成小老闆了。

雖然折算下來，孟繁岐一年後能夠到手的谷歌股權只有不到百分之0.3，但谷歌是一個經過多輪融資的巨無霸。

即便是創始人佩奇和布林，所持有的股權也僅只有百分之5.5左右。

谷歌的股價還是一路起飛的，從14年的30左右，到22年最高峰接近150。

十數億美金的資產如果需要保值的話，化為股權先持有也是一個不錯的選擇。

等到有投資機會的時候，再取出一部分，比如特斯拉，比特幣，都會是幾十倍的利潤。

但這些機會未必能經受得住太多的資金，馬斯克不會坐視自己瘋狂抄底，BTC自己抄底太多，資本也可能選擇其他的貨幣收割百姓。

總之，宗旨是先在谷歌保值，然後分散投資。BTC，特斯拉，投資初創，自行創業，多點開花。

這樣才最保險。

與此同時，華國港城的港中文大學裡，華國學者湯小鷗帶著他的一群學生和研究員們，神色凝重，氣氛低沉。

就在一週前，湯小鷗團隊的人臉演算法識別能力首次達到了人眼水準(97.53%)，按照原本的計劃，團隊會花上兩三個月的時間將這個結果繼續往前推進一些。

隨後便會開啟人臉識別技術落地的時代。

可惜天不遂人願，孟繁岐橫插一手，給落地難度來了個超級加倍。

“我們目前有什麼辦法可以分辨生成式內容嗎？”湯小鷗是殘差網路原作者愷明的恩師，愷明09年一鳴驚人的暗通道去霧演算法，便是在湯教授的指導下做出的。

一舉奪得了視覺頂會CVPR的最佳論文，這是該頂級會議25年曆史上第一篇斬獲此榮譽的亞洲論文。

在深度學習未如此流行之前，湯教授的實驗室就已經頻繁在國際頂會上釋出相關論文。

11-13年間的頂級視覺會議上，湯教授實驗室在深度學習領域上產出的論文數量，與世界上其他所有機構的總和相當。

足以可見其遠見、技術實力和理論底蘊。

可饒是如此湯教授面對這個突如其來的安全性難題，也仍舊是一籌莫展。

“湯老師，FaceGAN雖然公佈了論文和展示網站，但是其具體的訓練程式碼和做法細節，我們完全不清楚。在這種情況下，我們很難總結出任何有價值的規律。”

“是啊，湯老師，生成式技術是比較新的技術，用在人臉影象上也是第一次。我們在這方面沒有經驗，解決這個問題可能需要相當長的一段時間。”

“倘若我們透過他們的[這些人並不存在]網站，收集大量的生成內容，有沒有機會總結出什麼規律？”湯小鷗眉頭緊鎖，對方的技術路數新穎，己方完全不熟悉。

想要從源頭上搞明白，實在太久了。

他的想法是，透過這些虛假的內容，專門做出一個針對性的檢測器。

和自己原本的核心識別部分分開，獨立進行。

不得不說，這也是一種思路，可生成這些虛假資料的模型，也是從這種對抗中訓練而來的，短期之內，很難取得什麼成效。

“我們先發布技術，這個難題之後再解決。”幾乎是同時，臉書和湯小鷗實驗室均做出了這個決定。

在原本時間線，兩邊的技術釋出都要再遲上一兩個月。

但突如其來的難題，讓兩邊都意識到夜長夢多，再不釋出，搞不好局面會更加尷尬。