AI造脸：得力“助手”还是幕后“黑手”？
他们为用户的“面部”设计提供了10万张AI能生成的人脸资源，而且这些都可以免费使用，为用户提供了充足的创意设计空间，但如今的“AI造脸”还是很难．．．．．．
这些图像虽然是伪造的，但不论从其皮肤的细腻度还是五官的组合搭配来看都毫无破绽。
这些对于大多数从事设计工作的人来说可谓是“神一样的助手”。
在大多数的设计项目和演示文稿中，搜集、整理、插入人物照片是工作中必不可少的环节。
设计师往往要的是免费、高清、样式无一重复的图片，为此花费宝贵的时间在整个网络上企图找到合适的图像是一件令人“很头疼”的事情。AI为你打造“高逼格颜值”
但如今，这样一个通过简单的API来生成人脸的项目让这一切都变的非常容易。
先来看看其生成一张“人脸”可设置的属性有多少。
其可以根据“种族、年龄、皮肤”等多重性质来打造你的专属“AI脸”。
面部表情范围甚广，角度位置可任意调控，种族、脸型及年龄段都可任意选择，甚至还细分到可设置“心情”属性。
这是lcon8团队开发的一个关于AI的项目，他们为用户的“面部”设计提供了10万张AI能生成的人脸资源，而且这些都可以免费使用，为用户提供了充足的创意设计空间。
同时正是由于这些“人脸”图像全部都由AI生成，他们的“不真实性”同时也让用户很好的避免了“侵权”、“图片版税”等问题。
“用于生成这万千图像的AI技术，其背后的训练数据信息全部都来自于团队内部拍摄的数据，而不是单纯的用那些从各个媒体及互联网上随意抓取来的照片来训练。”Iconss8产品设计师Konstantin Zhabinskiy说。
“你不必担心使用的创意素材某一天会突然出现‘侵权’等问题，虽然这种方法需要花费我们整个团队数千小时的心力。但我相信这都是值得的。”
据Icon8的创始人Ivan Braun表示，在过去的三年里，他们的团队曾总共为69个模型拍摄了29，000张照片，作为训练AI算法的数据素材。
不过据外媒报道，该项目目前还处于早期阶段，Konstantin Zhabinskiy指出，在AI生成的各种创意“人脸”中可能还存在着一些
该团队希望此项目接下来可以继续用大量的拍摄数据来训练AI算法，用户通过一个简单的API根据输入各种关键字轻松的搜索“AI人脸图像”，同时还不需时刻为“侵权”、“创意性”而头疼。
这种能够大规模、 根据个人意愿量产的“AI人脸”，虽然能够在一定程度上帮助设计师、某些专业用户工作上的烦恼。
但与此同时，人们也在为带来的不安而开始担忧。“AI造脸”真的太难了
在过去的几年里，人工智能的发展步伐惊人，以至于我们看到了各种各样利用AI来伪造“人脸” 的技术，也看到不止一种AI软件、网站生成的“伪造脸”。
当时的利用AI来生成“人脸”的技术还相对不成熟。
说到生成对抗网络（GAN）不得不提到一个“AI生成人脸”的著名网站——ThisPersonDoesNotExist．com。此网站是由Uber的软件工程师Philip Wang的创建，并且利用了芯片设计师Nvidia 于2017年研究发布的“样式转换法”来不断的生成各种“人脸”。
其背后的算法在数量庞大的图像数据（旧图像）集上进行训练，之后再使用生成对抗网络（GAN）的神经网络来生成新的“人脸图像”。
Philip Wang曾发帖于Facebook：“大多数人都想象不到，未来AI在合成图像上能有多出色，每一次对站点的刷新，网络都会迅速的从头开始生成新的面部图像。”
当然这必然离不开Nvidia设计师将著名的“样式转换法”。
Nvidia将一个图像的特征与另一个图像的特征相融合，继而将“样式转换法”应用于“人脸生成”，使得他能够以惊人的速度自定义面部图像。
在这些图像中，肤色、发色等特征都被融合在一起，新生成的图像，绝对有种“来自外星”的味道。
但利用AI来生成“人脸”的同时也带来了一系列令人困扰的问题：比如实时换脸视频的“Deepfakes”，导致明星换脸视频肆虐色情网站。
亦或者是一度引起新闻机构和政治人物极度恐慌的 Deep Video Potrait （DVP） ，其可以轻松的生成“以假乱真”演讲视频。
过去的几年里，专家们一直在警告AI伪造人脸技术对社会产生的不利影响，这些工具一度被看作是“虚假”、“色情”等信息的完美载体。
在发生Deepfake侵犯隐私的情况下，来制作情色视频等事件起，这同时也削弱了公众在某些必要场合对于图片证据的信任。
当然在某些时候，当AI造假时我们也应该及时学会分辨，在去年的一个博客中，艺术家兼编码员Kyle McDonald对此列出了一些阐述。
在一般的图片中，细心观察还是会发现破绽的：比如这样的头发总像被刷子刷过一般；耳朵的一高一低；眼睛也可能由于AI不擅长生成文本或数字的原因，通常会表现出不同的颜色。
