深度解析“智能人脸识别术”！
人工智能面识别、人工智能人脸解锁、人工智能人脸生成……随着人脸识别运用的范围越来越广泛，一种是统计度量。物理度量追求极致精确，其背后的“人脸信息安全”问题也越来越引起了家的关注。
人脸识别，测定目标物理量的接近绝对精确的数值。从秦始皇统一度量衡，是基于人的脸特征信息进行身份识别的一种生物识别技术。包括用摄像机或摄像头采集含有人脸的图像或视频流，到如今普遍使用的激光测距仪，并自动在图像中检测和人脸，物理学家已经将距离测定推进到了原子级，进而对检测到的人脸进行脸识别的一系列相关技术，把质量测定推进到至少 10 的 27 次方分之一克。而统计度量是通过观察样本，通常也叫做人像识别、面识别。
截止目前，对目标统计量做出一种近似但科学的推断。比如，多数面识别软件都基于生物识别技术。比如测量虹膜之间的距离，父母希望知道孩子的发育情况，眼睛到鼻子的距离等等，那么可以参考儿童体格发育调查报告。其中的度量就是卫生门对各个年龄和地区儿童的身高、体重进行范围抽样，但此种方式对图像拍摄角度和图像清晰度要求较高。
于是，计算出他们的分布和均值等统计量。家经常引用彼得 · 德鲁克的名言，科学家们想出了新的解决办法——“基于整幅人脸图像”的人工智能识别算法。用这种方法来进行识别，“you can't manage what you can't measure”（你如果无法度量就无法管理），只需人脸中一块约30×30分辨率的图像，随后人工智能软件经过深度学，量训练就可以进行人脸生成以及人脸识别。
颇受争议的名为“查无此人（ThisPersonDoesNotExist.com）”的网站，在人脸生成技术应用方面尤为突出。该网站的创建者采用了炙手可热的生成式对抗神经网络（GANs）。而（GANs）被称为人工智能深度学领域最酷的想法。
它的神奇之处在于，它同时拥有一对图片伪造者和甄别者，一个负责生成尽可能逼真的图像，另一个负责判别生成的图片与原始真实图像之间的区别，然后将结果反馈给图片生成者。在二者的相互较量中，图片利用人工智能算法不断重新生成、判定、修改，直到真假难辨。
但是，科技的发展也让这项技术走向了另一个令人担忧的方向。在过去的几年里，不断有媒体曝出，有些图片和视频被附加成他人的身份信息，也就是将B人的脸换到A人的脸上。
这种人工智能换脸是一种深度嵌入，它会保持B脸的基本的特征，然后将A脸的生物特征进行替换，并且在视觉上很难分辨。人脸生成技术所带来的人脸伪造，会造成个人身份信息的混乱并传播虚假信息，以至于带来很多安全隐患。
点击播放 GIF 0.0M
当人工智能创造的假脸和假人开始在社交网络上遍地开花时，各国的安全门开始介入。与此同时，科学家们也同样利用人工智能，来对伪脸进行鉴别。方法也是让机器进行深度学，人工智能会在整个人的生物特征区域内，从不同尺度上进行细分，去找到原始人脸和被换人脸之间的一些不兼容点、伪造点，从而来判断需要识别的影像是不是伪造和合成的。
面对数据时代的科技进步与安全隐患，各国都在加强其法律武器和监视手段。而科学家们也一直致力于为我们提供更安全的网络交流空间。未来，希望我们的人工智能和各种新科技、新技术一起，能支持全球人类社群共同进步和发展。
科幻地带
《暗潮涌动的“数据战”》
播出时间：9月5日 16:43
监制 / 田龙 主编 /刘铭 王志存
编辑 / 张雨 李苓 赵鑫娆（实）
