Deepfake检测大赛的获胜者猜错的次数仍然有三分之一

Deepfake检测大赛的10万个视频中使用了一些面孔。这些深假图像越靠右越有说服力。

脸书发起的一项竞赛显示，在观看人们的视频时，很难让电脑分辨出真实的视频和电脑生成的名为deepfake的虚假视频。2114名参与者提交了35000个深度造假计算机模型，平均成功率为70%，最好的为83%。

但这些分数使用的是Facebook为这场名为“深度造假检测挑战”(Deepfake Detection Challenge, DFDC)的竞赛创建的10万段视频的公共数据集。通过对10万段之前未公开过的视频进行单独收集，再加上一些额外的技术使其更难判断，最高的分数是65%。

人工智能技术已经自动化了许多以前计算机难以完成的任务，比如转录人类声音、过滤垃圾邮件以及在自拍中添加梵高风格的特效。不过，该技术的一个缺点是，它也可以用来制造深度伪造，比如把一个人的声音风格和特征映射到另一个人的视频中。如果一名政治候选人的尴尬失态在被揭穿之前就在社交媒体上疯传，这可能会是个问题。

微软、亚马逊、Facebook和包括麻省理工学院、牛津、康沃尔和加州大学伯克利分校在内的大学于2019年9月发起了这项比赛。主办方向3500名演员支付了制作源视频的费用，这些源视频经过各种方式的修改，生成了10万段公开视频，参赛者可以在这些视频上训练他们的人工智能模型。脸书称，这些演员被挑选出来代表各种性别、肤色、种族、年龄和其他特征。

鉴于人们担心虚假视频可能在11月美国大选前夕误导人们，Deepfake检测挑战的结果具有重大意义。专家们担心，即使令人信服的深度赝品不多，而且大多数都被抓获了，但深度赝品的存在可能会让选民怀疑他们所看到视频的可信度，从而扰乱选举。

Facebook认为其他线索可以帮助处理深度造假。

Facebook的研究人员在一篇博客文章中表示:“当研究团体着眼于挑战的结果时，我们都应该从更广泛的角度思考，考虑超越分析图片和视频的解决方案。”“考虑到来源和其他信号可能是改进深度造假检测模型的方法。”

深度造假检测的研究还没有结束。比赛组织者计划为该地区的新作品发布38天的原始视频资源。

Facebook表示:“这将帮助人工智能研究人员开发新一代和检测方法，以提高该领域的技术水平。”