大...大義滅親？谷歌AI判定：美國登月照系偽造
1969年阿波羅11號成功登陸月球，阿姆斯特朗說出了那句至今讓無數人記憶猶新的話“這是我個人的一小步，卻是全人類的一大步”。
現在，故事出現了反轉…..
在俄羅斯的一個科技展上，美國谷歌的人工智能通過神經網絡對美國登月照片進行了大量分析，包括光的明暗對比等，并用紅色對可能造假的部分做了標記，最后得出結論：登月那張照片是合成的。
圖片
與此同時，神經網絡對關于中國月球車的照片沒有識別出特別問題。
有意思的是，俄聯邦儲蓄銀行負責人格爾曼·格列夫則說，上述結論不是俄羅斯公司的神經網絡得出的，而是美國公司谷歌的神經網絡在根據多個指標進行分析的基礎上得出的。（大.....大義滅親？?）
對此，文摘菌也詢問了一下谷歌強大的AI模型Bard，得出的結論是.......
圖片
可能不同的AI模型會得出不同的結論？這確實讓人繃不住了。
起底圖片合成
最初圖片合成的技術基礎是“左右互博術”GAN（生成對抗網絡），這一概念由機器學習研究者Ian Goodfellow在2014年提出。之所以叫“生成”是因為該模型的輸出為圖像一類的信息，而非與輸入數據相關的預測值（比如“該圖像是否是根熱狗”的預測）；“對抗網絡”則是因為該模型使用兩組貓鼠游戲一般相互競爭的神經網絡，就像收銀員和偽造者斗智斗勇一樣：一方試圖欺騙另一方認為它拿的真實鈔票，而另一方則試圖區分鈔票的真偽。
其實，最開始的那一批生成對抗網絡（GAN）圖像很容易就能被發現不是真實照片。
比如2014年的這些圖片：
圖片
后來，在GAN的加持下，AI生成的圖片越來越逼真。真正讓圖片合成出圈的是一款名為Deepfake的應用。通過"Deepfake"應用，計算機可以對數百份照片或錄音進行采樣合成，偽造一些人們沒有說過的錄音或是照片。
曾經，美國眾議院議長Nancy Pelosi的一段深度偽造的談話視頻在Facebook上獲得了超過250萬次的瀏覽量。
相比于GAN，擴散式生成模型是當期比較火的一個圖片合成模型。它擁有一些良好的性質，比如靜態的訓練目標和易擴展性。此外，還有自回歸模型方法，其能夠更加自然的處理多模態數據，以及利用目前流行的Transformer模型。
2021年OpenAI的DALL-E問世讓人們驚艷于AI根據一段話直接生成圖像的能力。
一年后，更新版的DALL-E 2實現了更高分辨率和更低延遲，而且還包括了新的功能，如編輯現有圖像。
今年9月份，OpenAI 的文生圖 AI 工具 DALL-E 系列迎來了最新版本 DALL?E 3。據悉，DALL?E 3 比以往系統更能理解細微差別和細節，讓用戶更加輕松地將自己的想法轉化為非常準確的圖像。
圖片
隨著DALL-E，Stable Diffusion和DreamFusion的發布，AI 作畫和3D 合成實現了令人驚嘆的視覺效果并且在全球范圍內的爆炸式增長
美國登月謎團
我們再來說回美國登月計劃。1961年4月12日，蘇聯宇航員尤里·加加林成為了首次進入航天的人類，加深了美國對在航天競賽中落后的恐懼。于是基于軍備競賽的考慮美國發起阿波羅計劃（Project Apollo）。
阿波羅計劃是美國航空航天局從1961年-1972年從事的一系列載人航天任務，計劃在1960年代的10年中，主要致力于完成載人登陸月球和安全返回地球的目標。
1969年，阿波羅11號宇宙飛船達成了上述目標，尼爾·阿姆斯特朗成為第一個踏足月球表面的人類。為了進一步執行在月球的科學探測，阿波羅計劃一直延續到1970年代早期。
整個阿波羅登月工程歷時約11年，到1972年12月第6次登月成功結束，耗資255億美元。在工程高峰時期，參加工程的有2萬家企業、200多所大學和80多個科研機構，總人數約40萬。嚴格而科學地管理幾十萬人奮斗8年，實現登月工程，集中體現了現代科技的水平，推動了航天技術的迅速發展。
但阿波羅計劃中的登月事件一直存在真假難辨。質疑者聲稱在月球照片中發現了某些 "矛盾"，例如星星的缺失、影子的方向不一致、旗幟似乎在飄動等。他們認為這是在一個電影棚或類似的環境中拍攝的。
這次谷歌AI給出的結論，僅從現有信源來看還有一些可以商榷的地方，例如用的谷歌AI哪個模型？用哪些數據訓練得到的神經網絡？這些目前都尚未可知。
那么，對于谷歌AI給出的結論你怎么看？歡迎在評論區留言~
參考來源：
