|
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？
|
