他們?yōu)橛脩舻摹懊娌俊痹O(shè)計(jì)提供了10萬張AI能生成的人臉資源，而且這些都可以免費(fèi)使用，為用戶提供了充足的創(chuàng)意設(shè)計(jì)空間，但如今的“AI造臉”還是很難．．．．．．

這些圖像雖然是偽造的，但不論從其皮膚的細(xì)膩度還是五官的組合搭配來看都毫無破綻。

這些對(duì)于大多數(shù)從事設(shè)計(jì)工作的人來說可謂是“神一樣的助手”。

在大多數(shù)的設(shè)計(jì)項(xiàng)目和演示文稿中，搜集、整理、插入人物照片是工作中必不可少的環(huán)節(jié)。

設(shè)計(jì)師往往要的是免費(fèi)、高清、樣式無一重復(fù)的圖片，為此花費(fèi)寶貴的時(shí)間在整個(gè)網(wǎng)絡(luò)上企圖找到合適的圖像是一件令人“很頭疼”的事情。AI為你打造“高逼格顏值”

但如今，這樣一個(gè)通過簡(jiǎn)單的API來生成人臉的項(xiàng)目讓這一切都變的非常容易。

先來看看其生成一張“人臉”可設(shè)置的屬性有多少。

其可以根據(jù)“種族、年齡、皮膚”等多重性質(zhì)來打造你的專屬“AI臉”。

面部表情范圍甚廣，角度位置可任意調(diào)控，種族、臉型及年齡段都可任意選擇，甚至還細(xì)分到可設(shè)置“心情”屬性。

這是lcon8團(tuán)隊(duì)開發(fā)的一個(gè)關(guān)于AI的項(xiàng)目，他們?yōu)橛脩舻摹懊娌俊痹O(shè)計(jì)提供了10萬張AI能生成的人臉資源，而且這些都可以免費(fèi)使用，為用戶提供了充足的創(chuàng)意設(shè)計(jì)空間。

同時(shí)正是由于這些“人臉”圖像全部都由AI生成，他們的“不真實(shí)性”同時(shí)也讓用戶很好的避免了“侵權(quán)”、“圖片版稅”等問題。

“用于生成這萬千圖像的AI技術(shù)，其背后的訓(xùn)練數(shù)據(jù)信息全部都來自于團(tuán)隊(duì)內(nèi)部拍攝的數(shù)據(jù)，而不是單純的用那些從各個(gè)媒體及互聯(lián)網(wǎng)上隨意抓取來的照片來訓(xùn)練。”Iconss8產(chǎn)品設(shè)計(jì)師Konstantin Zhabinskiy說。

“你不必?fù)?dān)心使用的創(chuàng)意素材某一天會(huì)突然出現(xiàn)‘侵權(quán)’等問題，雖然這種方法需要花費(fèi)我們整個(gè)團(tuán)隊(duì)數(shù)千小時(shí)的心力。但我相信這都是值得的�！�

據(jù)Icon8的創(chuàng)始人Ivan Braun表示，在過去的三年里，他們的團(tuán)隊(duì)曾總共為69個(gè)模型拍攝了29，000張照片，作為訓(xùn)練AI算法的數(shù)據(jù)素材。

不過據(jù)外媒報(bào)道，該項(xiàng)目目前還處于早期階段，Konstantin Zhabinskiy指出，在AI生成的各種創(chuàng)意“人臉”中可能還存在著一些

該團(tuán)隊(duì)希望此項(xiàng)目接下來可以繼續(xù)用大量的拍攝數(shù)據(jù)來訓(xùn)練AI算法，用戶通過一個(gè)簡(jiǎn)單的API根據(jù)輸入各種關(guān)鍵字輕松的搜索“AI人臉圖像”，同時(shí)還不需時(shí)刻為“侵權(quán)”、“創(chuàng)意性”而頭疼。

這種能夠大規(guī)模、 根據(jù)個(gè)人意愿量產(chǎn)的“AI人臉”，雖然能夠在一定程度上幫助設(shè)計(jì)師、某些專業(yè)用戶工作上的煩惱。

但與此同時(shí)，人們也在為帶來的不安而開始擔(dān)憂�！癆I造臉”真的太難了

在過去的幾年里，人工智能的發(fā)展步伐驚人，以至于我們看到了各種各樣利用AI來偽造“人臉” 的技術(shù)，也看到不止一種AI軟件、網(wǎng)站生成的“偽造臉”。

當(dāng)時(shí)的利用AI來生成“人臉”的技術(shù)還相對(duì)不成熟。

說到生成對(duì)抗網(wǎng)絡(luò)（GAN）不得不提到一個(gè)“AI生成人臉”的著名網(wǎng)站——ThisPersonDoesNotExist．com。此網(wǎng)站是由Uber的軟件工程師Philip Wang的創(chuàng)建，并且利用了芯片設(shè)計(jì)師Nvidia 于2017年研究發(fā)布的“樣式轉(zhuǎn)換法”來不斷的生成各種“人臉”。

其背后的算法在數(shù)量龐大的圖像數(shù)據(jù)（舊圖像）集上進(jìn)行訓(xùn)練，之后再使用生成對(duì)抗網(wǎng)絡(luò)（GAN）的神經(jīng)網(wǎng)絡(luò)來生成新的“人臉圖像”。

Philip Wang曾發(fā)帖于Facebook：“大多數(shù)人都想象不到，未來AI在合成圖像上能有多出色，每一次對(duì)站點(diǎn)的刷新，網(wǎng)絡(luò)都會(huì)迅速的從頭開始生成新的面部圖像�！�

當(dāng)然這必然離不開Nvidia設(shè)計(jì)師將著名的“樣式轉(zhuǎn)換法”。

Nvidia將一個(gè)圖像的特征與另一個(gè)圖像的特征相融合，繼而將“樣式轉(zhuǎn)換法”應(yīng)用于“人臉生成”，使得他能夠以驚人的速度自定義面部圖像。

在這些圖像中，膚色、發(fā)色等特征都被融合在一起，新生成的圖像，絕對(duì)有種“來自外星”的味道。

但利用AI來生成“人臉”的同時(shí)也帶來了一系列令人困擾的問題：比如實(shí)時(shí)換臉視頻的“Deepfakes”，導(dǎo)致明星換臉視頻肆虐色情網(wǎng)站。

亦或者是一度引起新聞機(jī)構(gòu)和政治人物極度恐慌的 Deep Video Potrait （DVP） ，其可以輕松的生成“以假亂真”演講視頻。

過去的幾年里，專家們一直在警告AI偽造人臉技術(shù)對(duì)社會(huì)產(chǎn)生的不利影響，這些工具一度被看作是“虛假”、“色情”等信息的完美載體。

在發(fā)生Deepfake侵犯隱私的情況下，來制作情色視頻等事件起，這同時(shí)也削弱了公眾在某些必要場(chǎng)合對(duì)于圖片證據(jù)的信任。

當(dāng)然在某些時(shí)候，當(dāng)AI造假時(shí)我們也應(yīng)該及時(shí)學(xué)會(huì)分辨，在去年的一個(gè)博客中，藝術(shù)家兼編碼員Kyle McDonald對(duì)此列出了一些闡述。

在一般的圖片中，細(xì)心觀察還是會(huì)發(fā)現(xiàn)破綻的：比如這樣的頭發(fā)總像被刷子刷過一般；耳朵的一高一低；眼睛也可能由于AI不擅長(zhǎng)生成文本或數(shù)字的原因，通常會(huì)表現(xiàn)出不同的顏色。