“AI換臉”火爆背后：人臉識別是門好生意嗎？_人工智能:學人工智能后悔死了

上個周末，一款名為“ZAO”的換臉APP突然火了起來。一夜之間，整個朋友圈好像都在“跟明星談戀愛”。

不過，由于用戶協議中關于個人隱私的一些條款，這款軟件火了還不到一天，就遭到多方質疑，日前更是被工業和信息化部網絡安全管理局約談，要求其開展自查整改。

雖然“ZAO”的火爆只是曇花一現，但有關AI換臉及人臉識別等技術的討論卻仍舊火爆。

AI是如何實現換臉的？

所謂隔行如隔山，作為一個外行人，我們很難搞明白AI換臉的深層原理，但綜合互聯網上所得到的信息，我們可以了解到AI換臉的大致流程。

STEP1:

框選人臉、提取人臉信息

要想成功地實現人臉替換，就要將一個視頻分解成若干幀圖片，再依次對這些圖片進行處理。

人工智能需要先經過大量的學習與訓練，知道如何從圖片中正確地框選出人臉，以及將這張臉還原成正常光線下的正面照。這之后，再從框選出的人臉圖片上提取核心信息，比如五官、表情等。

消息人士：億萬富翁Steve Cohen聘請黑客“AcidPhreak”為其加密初創公司首位交易員:金色財經報道，據消息人士稱，對沖基金億萬富翁Steve Cohen聘請了知名黑客“AcidPhreak”為其加密初創公司的首位交易員，也是該公司迄今為止唯一的投資組合經理。AcidPhreak是技術專家和投資者Elias Ladopoulos的化名，曾與Phiber Optik(Mark Abene)和Scorpion(Paul Stira)一起創立了著名黑客組織Masters of Deception(MOD)。

兩位知情人士透露，Elias Ladopoulos于6月加入Steve Cohen的鏈上投資部門。據悉，作為長期的量化和區塊鏈愛好者，Ladopoulos已經通過Raptor Group等公司投資了多家風險投資公司，他還擁有豐富的人工智能經驗，包括機器學習技術。（Blockworks）[2022/8/20 12:36:47]

STEP2:

得到轉換編碼

在上述學習、訓練的過程中，人工智能會總結出一套如何將圖片轉換成核心人臉信息的編碼，也可以理解成一套公式。

律師觀點：“Archer訴Coinbase”一案再次佐證了“不是你的私鑰，就不是你代幣”:律師Justin Wales概述了近期加密貨幣行業內部發生的案件，并指出該案的判決再一次佐證了一句真理——“不是你的私鑰，就不是你代幣”。

Justin Wales給出的例子為“Archer訴Coinbase”一案。在本案中，原告Darrell Archer起訴Coinbase違反了用戶協議，原因是該公司拒絕向其提供此前由比特幣分叉而生成的比特幣黃金（BTG）。在分叉發生時，Archer在Coinbase上存儲了350枚比特幣，Archer表示這將產生價值約15.9萬美元的BTG。但由于Archer已將其比特幣的控制權委托給了Coinbase，因此其無法自行獲取分叉而出的BTG。在本案的判決中，加州第一上訴法院認為，Coinbase的用戶協議中沒有規定交付BTG的義務，因此無需向Archer交付BTG。（Decrypt）[2020/8/23]

STEP3:

完成轉換

Bitcoin ABC首席開發者：同意實施“aserti3-2d”難度調整提案:Bitcoin ABC首席開發者Amuary今日發文介紹了Bitcoin ABC全節點軟件的11月份改進計劃：

1.同意實施由開發者Jonathan Toomim提出的“aserti3-2d（ASERT）”提案，該提案已獲得多數BCH節點軟件的支持；

2.添加新的coinbase規則，所有新開采的區塊必須包含一個輸出，該輸出會將新開采代幣的8%分配給一個指定的地址。

BCH社區近日的爭議焦點在于改進難度調整算法（DAA）。此前，開發者Jonathan Toomim提出了一項經過充分測試的“aserti3-2d”提案，但遭到Bitcoin ABC首席開發者Amuary的反對。Amuary繼而提出一項名為Grasberg的提案，社區中的General Protocols項目認為，該提案尚未通過大多數節點的評審，ABC方面也沒有提供進一步的測試數據來支撐它，因此號召社區反對Amuary的提議。[2020/8/7]

最后，只需要套用這套公式，就可以得到一張“新”臉了，再將這張臉復原回圖片和視頻，我們的換臉就成功啦。

動態 | McAfee發現新勒索軟件“Anatova” 要求10個DASH作為贖金:據crypto.watch報道，McAfee日前在官方博客上表示發現了一種新的勒索軟件“Anatova”。Anatova偽裝成一般應用程序，從Windows PC侵入網絡，并加密PC內部和共享上的機密文件。Anatova完成目標文件的加密后，要求支付10個DASH作為贖金。[2019/1/28]

舉個例子

或許我們可以這樣簡單理解，如果你想將楊紫的臉換成自己的，去和李現“談戀愛”，需要這樣做：

①讓人工智能通過學習和訓練得到“楊紫轉換公式”

②讓人工智能通過學習和訓練能夠順利提取你的五官

③將你的五官套用到“楊紫轉換公式”中得到一張擁有你的五官的“楊紫臉”

④將這張“臉”還原到視頻中

知乎上關于“AI換臉是什么原理？”的問題中，答主“CalebGe”的回答更加生動：

假設我們的世界里只有兩個畫家，畫家A只會畫貓，畫家B只會畫狗。一天，畫家A偶遇了一條兇悍的狗，狗狗怕生，齜牙咧嘴，不停地朝他吠。他一時畫意頓生，把眼前的景象隨手畫了下來。只是因為常年的畫貓經歷讓他不管畫什么看起來都是貓，所以這次他畫出來的是一只齜牙咧嘴的貓。畫家B拜訪朋友家，見到了一只正在玩線團的貓，被它的古靈精怪吸引，他也隨手將景象畫了出來，只是他筆下畫出的，是一條擺弄線團的狗。

2018“幣圈”共識大會新亮點：推特CEO“All-in 比特幣”:推特兼移動支付企業Square的CEO Jack Dorsey在2018共識大會上，力挺比特幣成為未來互聯網的“土著貨幣”。Dorsey贊揚了比特幣的底層技術區塊鏈，還號召數字貨幣支持者們“不要等待土著貨幣出現，而是助推其出現”。他還認為，當比特幣或其他數字貨幣成為全球合法支付手段時，將降低Square等新型P2P支付公司進入新市場的壁壘。[2018/5/17]

人臉識別前景幾何？

“ZAO”雖然一夜爆紅，但也讓不少人感到害怕：如今AI換臉技術發展得如此迅速，個人的隱私與信息安全如何保證？

而作為實現AI換臉的基礎技術之一，人臉識別技術也再一次引發關注和討論。

所謂人臉識別技術，就是利用計算機分析人臉圖象，進而從中提取出有效的識別信息，用來“辨認”身份的一門技術。

應用場景逐漸增多

關于人臉識別的研究其實可以追溯到20世紀50年代，不過在此后的一段時間內，這種研究還只是停留在“人工”階段。直到20世紀90年代，借助于計算機的超高運算能力，人臉識別研究才開始真正發展起來，也成為了當時的科研熱點。大約在2010年前后，人臉識別技術開始進行商業化嘗試，并在最近兩年出現了快速發展。

2013~2018年中國人臉識別市場規模統計情況及預測

數據來源：前瞻產業研究院整理

2014年開始大幅增長的專利申請數量也揭示了最近兩年這一行業的發展速度。

2010~2017年中國人臉識別相關技術申請量變化趨勢

數據來源：前瞻產業研究院整理

另外，隨著自身的快速發展以及5G等其他技術的不斷壯大，人臉識別技術的應用場景也正在逐漸增多。

目前已應用場景

身份識別：刷臉進站、手機解鎖、APP登錄等

安防：抓捕罪犯、尋人等

金融：刷臉支付等

未來，在身份識別、金融、安防、智慧城市建設等領域，人臉識別的前景非常廣闊。

《中國經營報》記者曾采訪到刷臉設備生產商和微信支付服務商錢客多的總經理于挺進，他表示，比如在監獄、學校、工廠等一些不允許攜帶手機的場所，刷臉支付非常方便。“有服務商已經把刷臉支付產品鋪到了監獄里！”

前途仍不明朗

不過，目前行業內也確實存在一些問題。

1.

技術發展不完善

目前人臉識別技術的發展仍不完善，用戶體驗差的情況時有發生。同時，大部分網友對這一技術還不大信任，擔心存在個人隱私泄露的問題。

比如這次引起大家熱議的AI換臉技術，不少網友擔心，一旦我們的“臉”被犯罪分子利用，很可能會出現詐騙、賬戶盜刷的情況。

諸多顧慮下，人們對于人臉識別的態度仍比較謹慎。

2.

盈利能力待解

目前，國內的頭部人臉識別企業主要有四家：商湯科技、曠視科技、云從科技、依圖科技，這四家公司也被稱為“AI四小龍”。

據公開資料整理

雖然商湯科技、云從科技、依圖科技都曾對外表示公司已實現盈利或收支平衡，但我們從前不久剛剛在港交所提交IPO申請的曠視科技的招股書中，還是能看到目前行業內存在的變現難題。

曠視科技收入與虧損情況

數據來源：曠視科技招股書

曠視科技的收入雖然從去年開始有了大幅提高，但虧損也在不斷擴大。

不過對于虧損增加的原因，曠視科技方面解釋稱，主要是由于優先股的公允價值變動以及對研發的持續投入。

因此，曠視科技也披露了經調整后的財務數據：2018年經調整凈利潤為3219.5萬元；2019年上半年經調整凈利潤為3267.7萬元。

3.

研發與人才成本高昂

作為高新技術產業，人臉識別企業的研發成本肯定十分可觀，這點從曠視科技逐年增長的研發開支中也能窺得一二。

曠視科技研發支出情況

數據來源：曠視科技招股書

另外，對于這樣的領域來說，從業人員門檻較高，人力成本也相對較大。

更何況目前行業內還存在較大的人才缺口。

商湯科技總裁張文曾在2018年進行的一次演講中表示：

據騰訊研究院發布的《中美兩國人工智能產業發展全面解讀》分析，美國人工智能產業總量約是中國的2倍，基礎層人才數量是中國的13.8倍，人才差距巨大。另據高盛發布的《全球人工智能產業分布》報告統計，2017年全球人工智能人才儲備，中國只有5%左右，人才缺口超過500萬人。稀缺的人才更加重了企業的人力成本。

雖然目前行業內仍存在不少發展難題，但隨著技術的升級以及產業的完善，這些問題或許都有機會迎刃而解。

如今，資本及各大企業都已開始積極布局。未來，人臉識別會不會成為下一個“風口”，這或許又是一個需要交給時間驗證的問題了。

Tags：人工智能STEPTEP人工智能技術應用學人工智能后悔死了人工智能考研考哪些科目STEP價格STEP幣TEP幣TEP價格

MANA