Adobe等公司的图片处理软件技能带给了我们一个更养眼的天下，同时也带来了很多“照骗”。我们在享受修图美颜后图片在朋友圈收成的一片点赞的同时，也在深受网上泛滥的各种各种谣言、虚假信息所害。假新闻和假照片已经成为互联网上的“毒瘤”，不仅可以在社交平台上颠倒舆论方向，严重的更可能影响政治大选结果。
这些谣言之以是能够稠浊视听，很大程度上是由于处理后的假新闻照片如假包换，叫人真假莫辨，比如，新闻拍照，政客或名人的虚假照片，以及司法部门利用的法医证据，都可以通过PS假造出来。很多人信以为真，这些图片被大量转发，加上说话激烈的配文，这些扭曲事实的假新闻一下子就霸占了舆论的上风。
不过这个局势可能很快会被改变。造出Photoshop的Adobe公司最近宣告，他们的AI能够像侦查一样识别出被PS过的图片，假照片再也逃不过AI的法眼。
视频加载中...
Adobe 本月在 CVPR 打算机视觉大会上展示了用机器取代人类进行数字图像取证的技能，利用神经网络，通过真实的修改图像的演习识别出那些被改动过的图片。
关于这项研究的目的，Adobe高等研究科学家弗拉德·莫拉里乌(Vlad Morariu)表示，Adobe开拓出世界上功能最强大的图像编辑软件，但本日，它也要利用AI创造出能甄别图片真伪的工具，以帮助人们鉴别和监控数字媒介上信息的真实性，或者让法律取证更加公道。
来自Adobe新的研究论文展示了机器学习如何用于识别三种常见的图像处理类型：
拼接，即将两张不同图像的两部分组合在一起；
涂抹（克隆），也便是利用印章或选择工具将图像内的工具进行复制和粘贴；
删除，即把图像的某部分从照片中删除。
弗拉德·莫拉里乌(Vlad Morariu)和他在美国马里兰大学(University of Maryland)的同事表示，这些经由处理的照片或许能够骗过人的眼睛，但每每会留下p图痕迹，比如比拟度很大的边缘，刻意平滑区域，或不同的噪声样式。而Adobe的算法能够感知这些细微的差别，检测出图片中非常的RGB（红，绿，蓝）值和背噪样式。除此以外，Adobe的算法，还可以区分各种修改技能。”
大略来说，便是用深度学习对大量PS过的图片进行学习和演习，得出深度学习神经网络模型，通过对图像噪点和颜色的变革来识别图像有没有被修正过。
卖力该技能的Morarium说，Adobe在图像识别方面有“得天独厚的上风”：“我们利用恒河沙数的已知的、经由处理的图像样本，成功地演习出一种深度学习神经网络来识别图像处理。”
假照片识别技能能跑赢天生逼真照片的AI吗？
不过，The Verge在评论这项技能的时候指出，“Adobe的神经网络系统的毛病在于，它依赖现有大量样本的演习来得到比较高的成功率，对付那些阴影和反射几何失落真识别学习的效果不是很好。同时，对付像引入人工智能创造的那些不是“移花接木”，而完备是“无中生有”的假照片，神经不太可能识别出来这些到更高等别的造假照片”。要知道神经网络的机器学习结果的质量在很大程度上取决于神经网络所演习的数据的质量，如果这些数据跟不上AI制造逼真的假图像的速率，假照片泛滥的现状难以旋转。
（英伟达的一组研究职员最近创建了一个别系，可以通过剖析成千上万真正的名人照片，并创建看起来相似，实则完备“无中生有”的“假照片”。）
不过至少，在人工智能发展以超乎预期的速率发展，许多技能在人工智能的伦理方面界定模糊，对付这些技能的不当利用可能会导致像假新闻这样的乱象产生。Adobe提出要 “负任务地开拓技能，使得这些技能终极做事于社会而不是有害于社会。因此，我们都有共同的任务，通过改变我们的管理机构和技能公约应对新技能的潜在负面影响。”
反照片造假技能的意义便是通过创造信赖，来实现商业效率的进步，减少假照片产生的社会本钱和不良影响。
原文链接：https://petapixel.com/2018/06/23/adobe-using-ai-to-spot-photoshopped-photos/
-End-
编辑/Zhilin
本文章图片来源于网络
想要理解更多人工智能领域的资讯、行业动态，欢迎关注声学在线公众号（ID：soundonline）！
加入声学在线：hr@soundonline.org