HOME

 

 

那福忠,網路作者。
   
  西海岸數位隨筆
美國西海岸 吸取太平洋與陽光精華 隨時有精彩故事發生
  April 04, 2021  AI眼力知多少?
  請把你的想法寫信給我: frank.na@gmail.com
   


眼力除了近視遠視的度數,對 AI 的辨識有多少?
photo from Pixabay

   眼科醫師可以檢驗視力的好壞,但眼力、也就是看見了什麼,並不完全等於視力,對 AI 的辨識更要加一點腦力的判斷。網站上有一個分辨 AI 創作的有趣測驗,邀請大家參加,看看對 AI 有多瞭解,一時興起就參加了。開始之前先問知不知道神經網路這回事,回答知道之後,再問對 AI 瞭解的程度,一共分五級,自認只有一級的程度,回答後測驗立即開始。

   題目有很多類別,影像、繪畫、音樂、文字、meme 梗圖,每一題都同樣的問是人做出來的、還是 AI 做出來的。影像有貓頭,人頭,以及幾張同一人變造的照片,問原稿是哪一張。繪畫則是現代畫,以及變造的原始畫作,很難區分。音樂有的沒有音調,又有的類似巴哈的重複音調,恐怕是最難區分的。在文字方面一共有幾小段文稿,問是人寫的還是 AI 寫的,其中有兩段講的是同一主題。每題回答之後,還要說回答的原因。

   一共有 21 題,我矇對了 8 題,因為沒有一題是有把握「答」對的。這個測驗,是一位波蘭記者作家 Kazimierz Rajnerowicz 創作的,他說這個測驗從一開始吸引了 400 人,到現在有 1,200 人參加,但成績普遍低落,最好的僅答對 13 題,而且無論對 AI 有沒有概念、瞭解多少,在成績上幾乎沒有差別。他說每一類別的 AI 創作,都有蛛絲馬跡可尋,但在完全沒有說明之下,他承認這個測驗也許難了一點。

   生成對抗網路 (Generative Aadversarial Networks, GAN) 的出現,是 AI 的另一突破,這像是兩個網路在玩零合遊戲,一個進、另一個就退,一個獲利、另一個就損失,一個網路主管生成、即是製作,另一個網路主管判別,專挑生成的毛病,而生成網路漸漸的開始糊弄判別網路,迫使判別網路提升能力,這樣相互競爭達到完美結果。機器學習需要龐大資料訓練,GAN 等於藉判別網路間接的生成資料,來替代傳統的人力收集,使機器學習得以不加外力運作。

   GAN 最擅長生成人臉影像,有一個網站說有 10 萬張人臉照片供免費使用,因為照片裡的人並不存在於地球。GAN 人像看起來與普通人一樣,與真人照片放在一起,很難分辨真偽。測驗後,有一系列的的專家建議給大家參考,比如 Photoshop 修飾過的照片通常不會用做訓練 AI,所以看到修飾過的痕跡,多半是真的照片。而職業照片有清晰的細節,業餘拍攝的照片多有雜訊,AI 製作的影像沒有這兩種特徵。

   專家又提出辨別 AI 人像的幾個要領,特別是頭上的「零件」,像耳環、衣著、髮型、化妝,這些獨特的部分 AI 不容易複製,兩邊的耳環不一樣就是一例。另外 AI 製作的臉孔經常是對稱的,兩眼在同一水平面。一張照片如果切割,去掉肩膀、手、髮型,就可能是 AI,因為機器學習用的資料可能沒臉部以外的部分。最後,皮膚的瑕疵與眼睛反射,都不經測驗後的專家指點,使圖像缺乏真實感。但技術不斷進步,這些缺失可能慢慢消失。

   至於畫作的辨別,最明顯的是 AI 多有固定的圖樣模型,在畫裡會一再重複,而藝術家對重要的部位多會仔細描繪,AI 則不做區分。畫作的照片雖經數位化,仍可以放大檢視細節,而 AI 製作多為低解析度沒有細節。AI 或可以製作亂真的抽象、超現實、風景等圖畫,卻沒有能力製作複雜逼真的場景,而 AI 的筆刷較機械化,有時沒有依順物件的形態。

   GPT-3 的作文能力大家漸漸熟悉,測驗特別用了兩段文稿,都是說怎麼減輕體重,好像刻意誤導一篇是人寫的,一篇是 AI 寫的,幸好大多數人都沒中計,正確回答兩篇都是人寫的。大家提出來的理由很多,第一篇:用日常生活的用語,普通中學生的程度,有小的文法錯誤,這些在 AI 都不可能發生。另一篇:像製造趣味的傻子,把減重與可愛連在一起,引用權威的資訊來源,這種人性化與邏輯化,正是 AI 作文所缺欠的。

   測驗的創作人 Rajnerowicz 說,原以為大家可以分辨出人工製造的藝術贗品,但顯然在視覺能力上出現問題,有些人以為技術還不成熟,應該很容易分辨,只是一般大眾還沒有明察其中的微妙差異。這一現象一旦讓熟悉 AI 的人誤用,就很容易的製造虛假資訊來欺騙大眾。

   2018 年的調查,35% 誤認電腦製作的照片為真,今年加倍到 68%,幾年以後呢?

上一篇  下一篇  索引