“我们对AI合成人脸照片真实感的评估表明，合成引擎已经走过了‘恐怖谷’，能够创造出跟真实人脸难以区分且更受人信赖的人脸。”2月14日，一篇发表在《美国国家科学院院刊》（PNAS）的论文在摘要中表示。
Deepfake可以套苹果花呗信用购的二维码(这几点你一定要知道)

　　“恐怖谷效应”于1970年由森昌弘提出，是一个关于人类对机器人和非人类物体感觉的假设。

　　“恐怖谷效应”称，由于机器人与人类在外表、动作上相似，所以人类亦会对机器人产生正面的情感；而当机器人与人类的相似程度达到一个特定程度的时候，人类对他们的反应便会突然变得极其负面和反感，哪怕机器人与人类只有一点点的差别，都会显得非常显眼刺目，从而觉得整个机器人非常僵硬恐怖。在合成人脸照片的情景中，“恐怖谷”效应往往来自于合成人眼中空洞的表情所引发的不安感。

　　而一旦机器人和人类的相似度继续上升，相当于普通人之间的相似度时，人类对其的情感反应会再度回到正面，产生人类与人类之间的移情。

　　越来越令人信服的图像正在将观者拉出“恐怖谷”，进入由Deepfake（深度伪造）构建的欺骗世界。在加州大学伯克利分校教授Hany Farid和兰开斯特大学博士生Sophie Nightingale的《AI合成的人脸与真实人脸没有区别且更被信赖》研究中，参与实验的人被要求区分神经网络StyleGAN2合成人脸和真实人脸，以及这些人脸唤起的信任程度。

　　这项研究由三个实验构成。在第一个实验中，315名参与者从128张面孔（从一组800张面孔中提取）分类为真实面孔或合成面孔，准确率为48%。

　　在第二个实验中，219名新参与者被培训如何识别真实人脸与合成人脸，然后与第一个实验一样对128张人脸进行分类。尽管进行了训练，最后准确率也只是提高到了59%。

　　继而，研究人员决定探索可信度的感知是否可以帮助人们识别人造图像，“人脸提供了丰富的信息来源，只需几毫秒的时间就足以对个人特征（例如可信度）进行隐含推断。我们想知道合成面孔是否会激活相同的可信度判断，如果不是，那么对可信度的感知可能有助于区分真实面孔和合成面孔。”

　　第三项实验，223名参与者对128张面孔的可信度进行评分，这些面孔取自同一组800张面孔，评分范围为1（非常不可信）到7（非常可信）。最后，合成面孔的平均评分比真实面孔的平均评分高7.7%，具有统计学意义。

　　整个实验结果表明，合成的人脸照片与真实人脸几乎无法区分，甚至被认为更值得信赖。这样的结果也在研究者的意料之外，Nightingale表示，“我们最初认为合成面孔不如真实面孔可信。”

　　这个生成人脸照片的StyleGAN是Nvidia于2018年开发的一种神经网络。GAN由2个相互竞争的神经网络组成，其中一个称为生成器，不断生成一些东西，另一个称为鉴别器，不断尝试确定结果是真实的还是由第一个生成的。生成器以随机像素开始练习。随着鉴别器的反馈，它逐渐产生了越来越逼真的人脸。最终，鉴别器无法区分真脸和假脸，训练就结束了。

　　创建不存在的人脸照片实际上是GAN的一个副产品，其原本的主要目标是训练人工智能识别假脸和一般人脸，Nvidia需要通过自动识别人脸并对其应用其他渲染算法来提高其显卡性能。然而，由于StyleGAN代码是公开的，Uber的一名工程师就利用它创建了一个随机人脸生成器。