虛擬藝術與造假犯罪一線之隔，誰該為Deepfake負責？

Deepfake是什麼？

Deepfake主要泛指透過深度學習（Deep Learning）製成的各式幾可亂真的圖片、聲音或影片，主要使用生成對抗網路（GAN）與自編碼器（Autoencoder）的技術與概念。GAN的中文譯名為「生成對抗網絡」，顧名思義可用來「生成」資料，搭配大量的訓練資料，GAN能夠學習到資料中的特性，並產生看似真實的「假資料」，例如提供大量人物肖像作為訓練資料，GAN就能學習到人物的圖片特徵，並產生栩栩如生的假人物肖像，除了圖片，聲音也能被模擬。

舉例來說，GAN的架構就像是由一個學徒與一個導師所組成。學徒負責畫出人物圖片，而導師負責評判學徒畫出的人物圖是否足夠真實且令人信服。一開始，學徒畫出的成果可能不夠真實，但隨著繪畫經驗越來越多，成品也逐漸變好。學徒不斷看著大量人物圖片且持續產出，直到導師覺得足夠「真實」。最後，學徒所畫出的人物肖像已經能夠以假亂真。（了解更多GAN的技術原理與應用）

讓已故藝術家也能「重生」的技術

雖然換臉不雅或是造謠影片引發許多爭議，但是，Deepfake技術也被應用在電影產業或是藝術策展中，例如，電影《玩命關頭》男主角保羅沃克因為車禍身亡，劇組便邀請其弟出演，將弟弟的臉換成保羅沃克的五官再加上聲音合成，讓保羅沃克「重生」在螢幕上。

同樣的概念也能使用在展覽上，讓已故的藝術家或是文學家開口說話，提高參觀者的使用者體驗。例如美國佛羅里達州的達利博物館（Salvador Dalí Museum）在達利115歲冥誕時推出的「達利實況Dalí Lives」特展，借用Deepfake的技術，讓已故的藝術家栩栩如生地與訪客互動，除了介紹自己的藝術、創作及生平，還會邀請拍照、分享新聞。又或者像今年的台灣文化協會與國立臺灣文學館合作的「百年情書特展」，讓賴和、楊逵、盧丙丁、林氏好、陳澄波、李獻璋等6位重要的文協或新文化運動人物宛如親臨展覽現場。

「科技是中性的，刀子可以切菜也可以殺人，端看人的使用。」人工智慧科技基金會首席資料科學家蔡源鴻認為，當前有許多技術都有類似的討論，例如基因編輯技術（CRISPR）可用於複製人或生物導致倫理爭議；也可以用於疾病的治療。蔡源鴻說，慾望是科技前進的原動力，但是人類需要付出努力監督使其不致偏移。

反制Deepfake氾濫，各大科技公司出招

但是，快速發展的Deepfake 技術也讓 AI 犯罪、假訊息迅速蔓延，為了防止Deepfake過度被濫用，包括臉書、微軟等科技公司也陸續推出反制 Deepfake的技術與工具。例如微軟的「Microsoft Video Authenticator」，可協助判讀影片或靜態圖片是否被Deepfake 修改，幫助媒體與大眾判別真偽。

社群平台臉書也和密西根州立大學合作發展出一項Deepfake逆向工程技術，嘗試新的FEN演算法分析AI產出的圖片或相片，辨識建立Deepfake圖片的機器學習模型的特徵，包括找出是哪一台電腦上傳Deepfake影片。

也有研究人員提出利用血氧儀原理辨識假臉的方法，這篇刊登在 IEEE PAMI （模式分析與機器智能彙刊）上的論文是由紐約州立大學賓漢頓分校和英特爾公司的三位研究人員所提出，主張臉部會因為血液流動而產生微弱變化，而Deepfake製作的人臉無法還原這種顏色變化。

人工智慧科技基金會技術發展中心總監張嘉哲則提到，除了這些反制技術的開發以外，也許會需要有一個第三方的安全認證機制，以確保影片沒被竄改。

害怕科技？僅靠立法禁止並不切實際

新科技可以用來煽動暴力或製做色情影片圖利，同樣也能用做展覽教育用途。一味的呼籲修法並非當務之急，更多時候，執法者也不懂這些科技與其所產生的問題。當Deepfake的技術越來越容易取得，我們該如何做？

維吉尼亞大學法學院法律教授丹妮爾‧西倫（Danielle Citron）認為，法律是一種鈍器，需要明智的運用它。如果犯罪者在國外，和受害者不同國家，那麼你可能無法堅持要犯罪者到當地法庭去面對司法。因此，我們需要協調出一制性的國際回應方式，這個回應也需要包含教育。

此外，媒體也需要被教育，記者需要了解Deepfake的現象才不會去放大和散播它們。事實上， 每一個人都需要被教育，也需要有更好的判讀能力來辨識真偽。