第104章 這些人都不存在

“好吧。”楊明也不再堅持，但他總覺得哪裡不大對勁，直覺告訴他好像有什麼不大好的事情要發生。

“孟的新技術真的相當好用啊！”在這幾天的實驗迭代當中，臉書的DeepFace團隊已經有了好幾個較大的飛躍。

首先就是原本臃腫不堪的模型大小得到了極大的緩解，由於運算元簡單易用，速度也快了不少。

看模型的訓練日誌，演算法的效能也是一路走高，很可能超越他們之前最好的結果。

“真不知道他是怎麼想到的。”沃夫長長的嘆了一口氣，一個如此簡潔的操作，就能夠解決困擾了整個領域好幾年的大難題。

“其實這種情況是最氣人的，如果他真的搞出一套非常複雜的理論和操作倒也好了。”楊明很能理解大家心裡的想法：“如果他的策略當真搞得十分複雜，我們也就徹底折服了，不會生出什麼幻想和遺憾。”

“偏偏他用這麼簡潔簡單的辦法把事情給辦成了，給人的感覺就像是哥倫布在海上一直開，就發現了新大陸一樣。其中的智慧和努力或許很多，可總給我們一種我上我搞不好也有機會的錯覺。”

楊明的自我認識還算是清晰，知道這種‘我上我也行’的想法只是海市蜃樓，終究未墮落成鍵盤俠。

幾位研究人員還是相當認可孟繁岐研究成果的，只是他們完全沒想到，孟繁岐為他們還未出爐的最新演算法準備了怎樣的一份驚喜禮物。

人臉的識別可以說是整個計算機視覺領域當中，研究人員最多，應用範圍最廣，規模最大的一個方向了。

作為一個古老的課題，人臉識別這一任務歷經了傳統模式識別到現代深度AI的發展，已經相當成熟。

不過自始至終，它都被一個無法解決的難題所困擾，那就是影象中的遮擋型別問題。

普通的相片不是Photoshop的圖層，如果一樣物體被遮擋住了，那麼這部分資訊就徹底喪失掉了。

沒有任何技術手段可以還原當時的場景，就像去馬賽克一樣，是不可能的，被破壞的圖層是不可逆的。

不過現在，我們有了新的辦法去另闢蹊徑，解決這個非常棘手的問題，那就是孟繁岐的生成式對抗網路。

透過大規模資料的反覆對抗生成，生成網路將具備非常恐怖的影象生成能力，完全可以產生非常接近現實的內容去填充遮擋部分，雖然這些生成的內容有可能與原本的內容其實毫無關係。

可它看上去確實挺像是那麼回事的，不影響人對於影象的理解。

何況，如果它事先看過相當多目標人物的其他照片的話，生成出的部分很有可能幾乎和現實完全一致。

並且，生成還只是最基本的一方面，透過對隱藏層一些維度上引數的理解，人們甚至能夠做到精細地調節影象的一些屬性。

影象特定屬性的編輯，是生成技術更為進階的應用方式。

比如影象中，人物的情緒，臉部表情的喜怒哀樂皆可隨著你的調整而做出相應的變化。

後來十分流行的假笑表情包，就是透過控制影象中人臉的情緒，使得原本悲傷憤怒的人咧開嘴巴，誇張大笑。

甚至有人會連貫地修改整個影片，讓整個場面看起來十分滑稽，喜感。

除了表情情緒之外，另一個後來比較流行的是年齡調節，透過修改某些特定維度的引數，人們可以直接一夜白頭，又或者是返老還童。

這些還都只是普通的影象編輯，並且只編輯其中面部的部分。

後面還有更加高階的演算法應用，比如智慧換臉，智慧美顏等等。

前者在許多影視二創和鬼畜當中十分流行，人人都能‘演’三分鐘大片。

想讓誰客串都可以，關公戰秦瓊成為可能。

而後者則在各種直播平臺上應用廣泛，地上扔兩隻拖鞋都能給你自動上個妝。

“不過由於現在硬體和其他技術手段的限制，我還沒有辦法生成非常高解析度的清晰假圖，想要直接操作整個影片也稍顯勉強。”

孟繁岐清晰地知曉目前自己可以做到哪一步，4k解析度的高畫質圖沒什麼辦法，但二三百甚至五百左右的普通清晰度卻是差不多夠了。

針對一下目前階段的人臉演算法，綽綽有餘了。

並且，孟繁岐如今已經有了谷歌大腦的研究員許可權，呼叫幾十張顯示卡不是什麼問題，做這些實驗的速度比起之前數十倍地增長。

待得這個模型訓練完成之後，孟繁岐計劃建設一個網站，叫做[這些人都不存在]，來炒起熱度，使得大家關注到這種人臉的偽造生成技術。

每次開啟這個網站，都會隨機生成一個栩栩如生，但實際上完全不存在的人物肖像照。

孟繁岐準備藉助自己和谷歌還有白度的關係，宣傳這個網站，透過這種方式來提醒人們，使得人們注意到原來識別演算法一定需要有能力去分辨，影象究竟是真的還是人工智慧生成的。

可謂是一舉兩得了，即宣傳了自己的生成式技術，又給目前的人臉識別方向提出了一個短時間無法解決的大難題。

而藉助這一年左右的時間差，已經可以輕鬆妥善處理該問題的孟繁岐，將形成牢不可破的技術壁壘，迅速搶佔國內人臉識別方向的市場。

“不過即便這件事比較重要，仍舊還是要排在推薦廣告演算法的後面。”孟繁岐皺了皺眉頭，若想創業，以後瑣事一定很多。

推薦演算法這件事情不能再耽誤了，它是自己目前最大的搖錢樹，也是以後多個公司的核心啟動資金來源。

自己不可以因小失大，明天就要去谷歌尚海分部開始這部分內容的研發。

在測試結果成功之前，所有其他的事情都要為它讓步。

不管是FaceGAN臉部生成技術，建立公司，還是後續的計劃，建立[這些人都不存在]網站，以宣傳這種虛擬生成技術，都得排在推薦演算法的後面。

等到這些內容都完成了，再抽空去和尚海衛生中心談醫療影象智慧處理的問題。