過去幾個月掀起AI小高潮，先是OpenAI的大模型GPT-4公布，多家測評表示比ChatGPT準(zhǔn)確許多，學(xué)習(xí)速度也更快；隨后不久ChatGPT宣布將實(shí)現(xiàn)對插件的支持，表示它可以通過第三方服務(wù)為用戶提供更強(qiáng)大的功能。
這些消息讓全網(wǎng)興奮不已，將AI的聰慧捧上神壇之時，AI卻也在悄悄展露自己的另外一個黑暗面，那就是它撒謊不打草稿的能力。
01.生成式AI：謊言制造機(jī)
我們都知道，AI的強(qiáng)大之處在于能夠快速收集來自各種源頭的信息并根據(jù)用戶的特殊指令“見機(jī)行事”，這就說明即使是非常荒謬和片面的信息也可能被借AI之口說出，謠言就這樣因其表述的合理性和完整度被大眾接受和傳播。
新聞評級網(wǎng)站Newsguard最近進(jìn)行了一項(xiàng)嘗試，他們讓ChatGPT以反新冠疫苗者的口吻進(jìn)行對話，結(jié)果AI生成了一段看似非常合理的言論，“有理有據(jù)”的講述疫苗制藥公司如何不擇手段，甚至對兒童健康產(chǎn)生極大負(fù)面影響他們也不在乎。
這樣的技術(shù)落到造謠者手中，就會有許多無知大眾上當(dāng)受騙。
ChatGPT anti vaccine
不僅是文字，AI在圖片和視頻上造假的功力也了得。
川普被捕的一系列假照片在網(wǎng)上被瘋狂轉(zhuǎn)載，這些用AI工具M(jìn)idJourney創(chuàng)造出的圖片十分以假亂真，即使某些細(xì)節(jié)并不合理 - 比如圖中的川普有三條腿，還是不妨礙網(wǎng)友們大肆轉(zhuǎn)發(fā)并信以為真。
Trump arrested pic
而視頻因其復(fù)雜性常常給人難以偽造的假象，殊不知只要在圖片的基礎(chǔ)上稍加技能視頻造假也并沒那么難。
Deepfake技術(shù)的出現(xiàn)更是讓這件事變得十分簡單，像是馬斯克為加密貨幣交易平臺打廣告、拜登和奧巴馬打游戲、假阿湯哥打高爾夫球和變魔術(shù)、還有無數(shù)女明星被換臉進(jìn)色情片都是deepfake的產(chǎn)物，除了鑒偽專家，普通人實(shí)在難以分辨真假。
Obama playing video game
deepfake tom cruise
AI作出滑稽的梗圖或許可以博網(wǎng)友一笑，但虛假信息在某些場景下的負(fù)面影響卻是致命的。
2020年“犯罪科學(xué)”的一項(xiàng)報告顯示，在未來15年內(nèi)AI可能創(chuàng)造出的安全威脅中，深度偽造被列為最嚴(yán)重的一項(xiàng)，而哈里斯民調(diào)機(jī)構(gòu)的調(diào)查也顯示，美國有67%的成年人對生成式人工智能技術(shù)的安全性倍感擔(dān)憂，只有約29%的被調(diào)查者表示從未用過這項(xiàng)技術(shù)也并不打算使用。
02.打假AI：沒那么簡單
目前許多AI技術(shù)的開發(fā)者都相信這一問題需要“以毒攻毒”，科技創(chuàng)造出的麻煩要科技去破局，在這一點(diǎn)上，科技大廠們已經(jīng)在行動了:
Google早在2019年就發(fā)布了一個大型開源數(shù)據(jù)庫，招募演員錄制了視頻后利用網(wǎng)上現(xiàn)有的deepfake技術(shù)進(jìn)行偽造，最終生成的視頻數(shù)據(jù)可以幫助打假技術(shù)的開發(fā)者更好學(xué)習(xí)deepfake的算法和邏輯。今年Google還在歐洲地區(qū)開始了用付費(fèi)廣告進(jìn)行對反信謠和鑒別虛假信息的大型宣傳。
Google deep fake database
微軟在去年推出了一個叫做“Video Aunthenticator”的工具，它能夠?qū)Ξ嬅嬷袖秩具吔绾突叶鹊燃夁M(jìn)行逐幀的實(shí)時分析進(jìn)而生成可靠指數(shù)，以此來幫助用戶鑒別內(nèi)容的真實(shí)性。
Microsoft Video Aunthenticator
Meta此前也推出過和Google類似的開源數(shù)據(jù)庫，還和微軟及MIT、牛津、UC伯克利等高校聯(lián)合發(fā)起了提供1000萬美元獎金激勵的挑戰(zhàn)賽，鼓勵更多檢測虛假信息和深度偽造技術(shù)的創(chuàng)新。
Twitter會對經(jīng)常發(fā)布deepfake和虛假信息的賬號進(jìn)行封殺，還會將比較可疑的內(nèi)容打上標(biāo)簽，并且在用戶轉(zhuǎn)發(fā)這類內(nèi)容時還會進(jìn)行“確定要轉(zhuǎn)發(fā)嗎？”的提問。
Twitter manipulated media
TikTok最新推出的社群規(guī)范規(guī)定使用真實(shí)場景進(jìn)行合成的內(nèi)容必須被明確指出， 這就說明所有以生成合成式AI創(chuàng)造出的內(nèi)容必須在標(biāo)題或者tag中使用“合成”“虛假”等詞匯。
雖然科技巨頭們在技術(shù)和預(yù)防上都在努力，但虛假和偽造信息似乎并沒有減少。
打擊虛假和偽造信息難度之大有很多原因，比如首先需要對什么是虛假信息進(jìn)行一個準(zhǔn)確的定義，在這點(diǎn)上許多平臺并做不到，因?yàn)樘摷傩畔⒉⒉皇窃诿總€場景下都可以被簡單甄別，而當(dāng)虛假信息被用多種語言傳播到世界各地，難度就更大了。
同時很多時候信息本身并不是謊言也不是被偽造出的內(nèi)容，而發(fā)布和傳播者只是巧妙地用了隨意選取的方式來誤導(dǎo)網(wǎng)民，這類內(nèi)容尤其難跟虛假信息進(jìn)行分別。
再有，對社交媒體等平臺來說，擊打虛假信息從來都不是他們商業(yè)目標(biāo)的重中之重，當(dāng)一件事只是為了符合規(guī)范卻并不能帶來利潤，顯然微薄的動力致使打假的腳步走的異常緩慢。
正因如此，許多人將眼光和希望放在了一批正在將精力全部放在開發(fā)鑒別虛假信息技術(shù)的初創(chuàng)公司身上。
03.資本涌向打假初創(chuàng)公司
投資者的資本也伴隨著大眾迫切的希望涌向了這些初創(chuàng)公司，在過去幾年間，數(shù)億美元被投資進(jìn)了這一賽道。
Disinformation And Misinformation Mitigators
孵化于硅谷加速器Nex Cubed的 Blackbird 已經(jīng)開發(fā)出了一套成熟的鑒偽技術(shù)，因在擊破新冠謠言方面表現(xiàn)出色而開始被知曉，它的專利算法技術(shù)可以通過即時對上億個數(shù)據(jù)點(diǎn)的分析搞清楚虛假信息的源頭和傳播者。
這一技術(shù)使用五項(xiàng)「風(fēng)險信號」來對虛假信息進(jìn)行甄別，包括“敘事口吻”- 對信息和對話背景進(jìn)行分析；“社群網(wǎng)絡(luò)”- 對用戶及分享內(nèi)容之間關(guān)系進(jìn)行分析；“族群”- 對有類似興趣的用戶是否聚集加劇信息分享的幅度進(jìn)行分析；“操縱”- 對信息的合理使用進(jìn)行分析；以及“欺騙” - 分析傳統(tǒng)意義上比較明確的真與假。
Blackbird CONSTELLATION DASHBOARD
Blackbird還在今年推出了一個叫做RAV3N Copilot的AI助手，通過使用生成式AI來制作敘事性智能和風(fēng)險報告，為虛假信息安全隱患提供更多的背景分析，以此幫助安全部門進(jìn)行更加高效和自動化的監(jiān)控和分析。
Blackbird目前融資總額為1000萬美元，服務(wù)領(lǐng)域涉及品牌、金融、企業(yè)及公共部門等等，客戶包括美國國防部及多個Fortune 500公司。
背景分析在鑒別虛假信息這件事上十分重要，因?yàn)椴煌瑘鼍暗男畔⑹褂每赡軙?dǎo)致真或偽的天壤之別，因其人工智能和自然語言處理(NLP)防偽技術(shù)而知名的舊金山公司Primer最近就對背景智能技術(shù)公司 Yonder 進(jìn)行了收購。
Primer的神經(jīng)網(wǎng)絡(luò)技術(shù)可以快速對大量文本進(jìn)行掃描，根據(jù)詞語的頻率和重點(diǎn)提取主題，快速識別可疑信息，這樣以來可以對全球事件進(jìn)行即時分析，識別用虛假信息進(jìn)行的大型宣傳，對網(wǎng)絡(luò)安全攻擊事件進(jìn)行反擊等等。 它的NLP模型結(jié)合上Yonder的背景敘事智能分析能力，讓用戶甚至能夠預(yù)防性的監(jiān)控即將出現(xiàn)的虛假信息，快速識別謠言背后的造謠者，分析潛在風(fēng)險等級，以及對受到虛假信息傷害的品牌和行動用系統(tǒng)提供的建議減小損傷程度。
Primer如今已經(jīng)完成了1.68億美元融資，最大投資包括來自Lux Capital的4000萬美元B輪和來自Addition的1.1億美元C輪。
在紐約和特拉維夫都有團(tuán)隊的 ActiveFence 也是獲得了這一賽道最多融資的公司之一，融資總額達(dá)到了1億美元，包括來自Grove Ventures和Norwest Venture Partners的A輪，以及CRV和Highland Europe的B輪。
ActiveFence的技術(shù)使用NLP對全網(wǎng)正在進(jìn)行的對話進(jìn)行搜索，即使是網(wǎng)絡(luò)最深處的角落也可以觸及，然后通過對“壞種子”式信息的預(yù)判進(jìn)行風(fēng)險分析，這就意味著它可以預(yù)估一段看似無害的對話是否會被造謠者惡意使用，導(dǎo)致更加深遠(yuǎn)的惡性影響，這種前瞻性對于虛假信息的預(yù)防來說格外關(guān)鍵，ActiveFence的主要客戶包括社交媒體、音頻及視頻流媒體、文件分享平臺和游戲平臺等，覆蓋用戶總數(shù)達(dá)到了10億+。
DeepMedia 可以說是一家提供“雙管齊下”業(yè)務(wù)的公司，最初的主營生意是開發(fā)出了可以通過翻譯、語音合成和配音等技術(shù)讓用戶看起來能說多種語言的工具DubSync，而在這項(xiàng)服務(wù)成功被接受后目前研究起了如何監(jiān)測合成音頻和視頻的技術(shù)，它對其監(jiān)測工具的訓(xùn)練方式就是通過用自家的合成工具不斷生成deepfake，然后考驗(yàn)監(jiān)測系統(tǒng)是否能夠察覺。
創(chuàng)始人Gupta表示現(xiàn)有的像是DeeperForensics和FaceForensics等大型數(shù)據(jù)庫在合成時往往帶有強(qiáng)烈的偏見，因此訓(xùn)練出的技術(shù)在監(jiān)測上也有盲點(diǎn)，而DeepMedia的競爭優(yōu)勢在于它所使用的deepfake數(shù)據(jù)庫質(zhì)量更高，對于網(wǎng)絡(luò)上現(xiàn)有的deepfake內(nèi)容的代表性也更強(qiáng)。
這一AI監(jiān)測工具在預(yù)先處理和正式分析方面都十分強(qiáng)大，比如它要想驗(yàn)證一個視頻中的阿湯哥是否是真的，首先模型需要對視頻中人物的臉部特征進(jìn)行提取并分析，然后從背景音中提取出人物的真聲，接下來這些信息會在一系列的分類器中被檢驗(yàn)， 最后整體的內(nèi)容還要被卷積神經(jīng)網(wǎng)絡(luò)刷一遍看看生成deepfake的算法是否被使用。
DeepMedia detection
DeepMedia還開始了使用基于視覺的圖像分類模型，Google就是用這種模型來進(jìn)行搜索結(jié)果提取的，這樣的模型比傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度要快上10倍。DeepMedia的這一監(jiān)測業(yè)務(wù)已經(jīng)和美國空軍下屬的實(shí)驗(yàn)室達(dá)成了合作，目前準(zhǔn)確率達(dá)到了95%，會在99%的時候在市面上公開發(fā)布。
大廠也好，初創(chuàng)公司也好，他們?yōu)榇蚣倏萍佳邪l(fā)所作出的努力至關(guān)重要。
在未來的5到10年內(nèi)，AI技術(shù)的發(fā)展將更快，這也就意味著AI在“撒謊”這件事上會更加聰明，僅靠網(wǎng)友們的人工鑒別肯定是不夠的。
許多deepfake賽道的創(chuàng)始人呼吁各國政府的參與也至關(guān)重要，比如設(shè)立跨國界的對于虛假信息界定和干預(yù)的規(guī)范條例，比如撥款用于這一類危機(jī)的教育和研究等等。
如果AI有善和惡之分的話，那么未來幾年在虛假信息這方面可以說是AI自身善與惡的一場賽跑，雖然科技不是唯一的答案，但希望我們眾志成城的打假行動能夠?yàn)槲覀儬幦∫恍r間。