WEBVTT

00:00:00.876 --> 00:00:02.067
看看这些图像。

00:00:02.067 --> 00:00:04.736
现在，告诉我哪个是真的奥马巴。

NOTE Paragraph

00:00:04.736 --> 00:00:07.611
巴拉克·奥巴马：帮助家庭对他们的房屋重做贷款，

00:00:07.611 --> 00:00:10.262
投资高科技制造业，

00:00:10.266 --> 00:00:11.455
清洁能源

00:00:11.455 --> 00:00:14.228
和带来良好就业机会的基础设施。

NOTE Paragraph

00:00:14.647 --> 00:00:16.171
有人知道吗？

00:00:16.171 --> 00:00:18.069
答案是：都不是。

NOTE Paragraph

00:00:18.069 --> 00:00:19.217
（笑声）

NOTE Paragraph

00:00:19.217 --> 00:00:21.007
这些都不是真的。

00:00:21.007 --> 00:00:22.841
那让我来告诉你们是怎么回事。

00:00:23.940 --> 00:00:25.548
我这个工作的灵感来自于

00:00:25.548 --> 00:00:31.003
一个试图保存我们从幸存者那里
了解到的关于大屠杀

00:00:31.003 --> 00:00:32.775
的项目。

00:00:32.775 --> 00:00:35.426
这个项目叫做证词新维度
(New Dimensions in Testimony)，

00:00:35.426 --> 00:00:38.576
它可以让你与真实大屠杀幸存者的全息图

00:00:38.576 --> 00:00:41.126
进行互动对话。

NOTE Paragraph

00:00:41.793 --> 00:00:43.799
你是怎么在大屠杀中幸存下来的？

NOTE Paragraph

00:00:43.799 --> 00:00:45.451
我怎么幸存下来？

00:00:45.912 --> 00:00:47.719
我幸存下来，

00:00:48.419 --> 00:00:49.976
我相信，

00:00:49.976 --> 00:00:52.993
是因为上帝眷顾我。

NOTE Paragraph

00:00:53.573 --> 00:00:57.057
原来这些答案是预先在工作室录制的。

00:00:57.057 --> 00:00:59.533
但效果令人吃惊。

00:00:59.533 --> 00:01:03.146
你会对他的故事，
他这个人感同身受。

00:01:04.011 --> 00:01:07.332
我想人类互动的特别之处

00:01:07.336 --> 00:01:10.123
让它比图书，演讲或电影

00:01:10.123 --> 00:01:12.355
告诉我们的

00:01:12.355 --> 00:01:15.824
要更加深刻和真实。

NOTE Paragraph

00:01:16.267 --> 00:01:18.722
所以我就开始想，

00:01:18.722 --> 00:01:21.566
我们能不能为每个人做个模型？

00:01:21.566 --> 00:01:24.525
这个模型的样子，
谈话和举止就跟真人无异。

00:01:25.573 --> 00:01:27.610
于是我开始探索这个能不能搞定，

00:01:27.610 --> 00:01:29.944
并最终找到了一个新的解决方案，

00:01:29.944 --> 00:01:33.158
只需使用下面这些东西就能构建人的模型：

00:01:33.747 --> 00:01:35.961
个人现存的照片和视频。

00:01:36.701 --> 00:01:39.348
如果你能利用这种被动信息，

00:01:39.348 --> 00:01:41.379
只需公开的照片和视频，

00:01:41.379 --> 00:01:43.429
这是扩展到其他人的关键。

NOTE Paragraph

00:01:44.119 --> 00:01:45.936
顺便说一句，这是理查德·费曼，

00:01:45.936 --> 00:01:49.363
他除了是诺贝尔物理学奖得主

00:01:49.363 --> 00:01:51.810
也是位传奇教师。

00:01:53.080 --> 00:01:55.318
这岂不是很棒？
如果能够把他带回来

00:01:55.318 --> 00:01:58.607
讲课并激励成千上万的小孩，

00:01:58.607 --> 00:02:01.583
用英语或者其他任何语言？

00:02:02.441 --> 00:02:07.073
或者你也可以征求祖父母的意见，
听听那些让人宽慰的言语，

00:02:07.073 --> 00:02:08.837
即便他们已经离开我们了。

00:02:09.683 --> 00:02:13.109
或者使用这个工具，图书的作者，
不管是活着的还是去世的，

00:02:13.109 --> 00:02:16.040
可以为任何有兴趣的人朗读他们的书本。

NOTE Paragraph

00:02:17.199 --> 00:02:19.666
这里的创意可能是无限的，

00:02:19.666 --> 00:02:21.373
对我而言，这非常让人兴奋。

00:02:22.595 --> 00:02:24.627
这是目前它的工作原理。

NOTE Paragraph

00:02:24.627 --> 00:02:26.308
首先我们引入一种新的技术

00:02:26.312 --> 00:02:30.914
可以从任何图像中
重建一个高细节的3D人脸模型，

00:02:30.914 --> 00:02:33.027
而且无需经对真人进行3D扫描。

00:02:33.890 --> 00:02:36.532
这是不同视角下的同一输出模型。

00:02:37.969 --> 00:02:39.491
这也可以应用于视频，

00:02:39.495 --> 00:02:42.387
通过对每一幅视频
使用同样的算法

00:02:42.387 --> 00:02:44.593
产生移动的3D模型。

00:02:45.538 --> 00:02:48.310
这是不同视角下的同一输出模型。

NOTE Paragraph

00:02:49.933 --> 00:02:52.477
这些问题富有挑战性，

00:02:52.477 --> 00:02:55.056
但关键技巧在于我们需要提前

00:02:55.056 --> 00:02:58.006
分析一个人的大量照片集。

00:02:58.650 --> 00:03:01.189
对乔治·沃克·布什，
我们只需要搜索谷歌，

00:03:02.309 --> 00:03:04.838
这样，我们就能建立一个平均模型，

00:03:04.838 --> 00:03:08.003
一个迭代，精炼的模型来恢复表达的细节，

00:03:08.003 --> 00:03:10.303
比如折痕和皱纹。

00:03:11.326 --> 00:03:12.759
迷人的是

00:03:12.759 --> 00:03:16.206
照片集可以来自你的特定照片。

00:03:16.206 --> 00:03:18.833
你做何表情或者你在哪里拍照

00:03:18.833 --> 00:03:20.762
并不那么关键。

00:03:20.762 --> 00:03:23.176
关键的是数量要足够多。

00:03:23.176 --> 00:03:24.916
这里我们仍然缺少肤色，

00:03:24.920 --> 00:03:27.308
所以下一步，
我们开发了一种新的混合技术

00:03:27.308 --> 00:03:30.158
改善了平均模型，



00:03:30.158 --> 00:03:32.970
并产生尖锐的面部纹理和肤色。

00:03:33.779 --> 00:03:36.550
这可以用于做任何表情。

NOTE Paragraph

00:03:37.485 --> 00:03:40.024
现在我们可以
对一个人的模型进行控制，

00:03:40.024 --> 00:03:43.843
它现在被控制的方式是
一系列静态的照片。

00:03:43.843 --> 00:03:46.953
注意皱纹是如何产生和消失的，
这取决于你的表情。

00:03:48.109 --> 00:03:50.875
我们也可以使用视频来驱动模型。

NOTE Paragraph

00:03:50.879 --> 00:03:53.502
丹尼尔·克雷格：没错，但不管怎样，

00:03:53.502 --> 00:03:57.267
我们能够吸引到更多优秀的人才。

NOTE Paragraph

00:03:58.021 --> 00:03:59.693
这是另一个有趣的演示。

00:03:59.693 --> 00:04:01.963
所以你们看到的是
我使用人们的互联网图像

00:04:01.963 --> 00:04:04.441
建立的个人控制模型。

00:04:04.441 --> 00:04:07.359
现在，如果你从视频中传递表情动作，

00:04:07.359 --> 00:04:09.545
我们可以让整个派对动起来。

NOTE Paragraph

00:04:09.545 --> 00:04:11.731
布什：这是个难以通过的法案，

00:04:11.731 --> 00:04:14.068
因为有太多可供商榷的部分，

00:04:14.068 --> 00:04:19.323
立法过程可能让人奔溃。

NOTE Paragraph

00:04:19.323 --> 00:04:20.977
（鼓掌）

NOTE Paragraph

00:04:20.977 --> 00:04:22.818
那么回到正题，

00:04:22.822 --> 00:04:26.043
我们的最终目标，
不如说，是捕捉他们的言谈举止，

00:04:26.043 --> 00:04:29.132
或者每一个人交谈或微笑的独特之处。

00:04:29.132 --> 00:04:31.449
所以这样，
我们能不能只向电脑展示这个人的录像

00:04:31.449 --> 00:04:33.705
就能教会电脑

00:04:33.705 --> 00:04:36.109
去模仿人们谈话的方式？

00:04:36.898 --> 00:04:39.505
而我做的事情是，我让电脑

00:04:39.505 --> 00:04:42.776
看了14个小时的奥巴马演讲。

00:04:43.443 --> 00:04:46.989
这是我们只通过他的音频生产出来的内容。

NOTE Paragraph

00:04:46.989 --> 00:04:48.780
结果非常明显。

00:04:48.784 --> 00:04:53.163
在过去75个月中，美国企业已经创造了

00:04:53.163 --> 00:04:55.951
1450万新的工作机会。

NOTE Paragraph

00:04:55.955 --> 00:04:58.890
所以这里合成的只是嘴巴部分，

00:04:58.890 --> 00:05:00.424
这是我们做的方法。

00:05:00.764 --> 00:05:02.620
我们的处理系统使用神经网络

00:05:02.620 --> 00:05:05.550
来转换和输入音频到这些嘴巴的位置。

NOTE Paragraph

00:05:06.547 --> 00:05:10.812
我们通过我们的工作或者医疗保险
或补助来实现这一目标。

NOTE Paragraph

00:05:10.812 --> 00:05:14.246
然后我们合成纹理，
增强细节和牙齿，

00:05:14.246 --> 00:05:17.354
并将其与源视频中的
头部和背景混合在一起。

NOTE Paragraph

00:05:17.354 --> 00:05:19.283
女性可以获得免费的检查，

00:05:19.283 --> 00:05:22.235
你不会因为是女性而需要支付更高的费用。

00:05:22.973 --> 00:05:26.279
年轻人可以在父母计划中呆到26岁。

NOTE Paragraph

00:05:27.267 --> 00:05:30.249
我觉得这些结果看起来非常真实和有趣，

00:05:30.249 --> 00:05:33.456
但同时，也让我担忧，即便是我。

00:05:33.456 --> 00:05:37.455
我们的目标是构建人的精准模型，
而非歪曲他们。

00:05:37.956 --> 00:05:41.067
但让我担忧的是它被错误使用的可能。

00:05:41.958 --> 00:05:44.949
人们思考这个问题很长时间了，

00:05:44.953 --> 00:05:47.334
从Photoshop进入市场那天就开始了。

00:05:47.862 --> 00:05:51.693
作为一名研究人员，
我也在研究对抗技术，

00:05:51.693 --> 00:05:54.659
我是人工智能基金会持续努力的一份子，

00:05:54.659 --> 00:05:58.070
它结合了机器学习和人工模型

00:05:58.074 --> 00:06:00.258
来识别假图像和视频，

00:06:00.258 --> 00:06:01.756
与我们自己的工作做斗争。

00:06:02.675 --> 00:06:05.895
我们打算发布的一个工具叫做真相卫士，

00:06:05.895 --> 00:06:09.958
是个浏览器插件
可以用来自动标记潜在假内容，

00:06:09.958 --> 00:06:12.515
在浏览器中就可以使用。

NOTE Paragraph

00:06:12.515 --> 00:06:16.777
（掌声）

NOTE Paragraph

00:06:16.777 --> 00:06:18.244
此外，

00:06:18.244 --> 00:06:20.118
假视频可以带来很大危害，

00:06:20.118 --> 00:06:23.436
甚至在人们有机会验证它之前，

00:06:23.436 --> 00:06:26.172
所以让大家意识到这可能是什么

00:06:26.172 --> 00:06:28.203
非常重要，

00:06:28.203 --> 00:06:31.566
这样我们才能得到正确的推断，
并对看到的保持谨慎。

NOTE Paragraph

00:06:32.423 --> 00:06:37.470
在个人完全建模
以及确保技术的安全性方面，

00:06:37.470 --> 00:06:40.240
仍有很长的路要走。

00:06:41.097 --> 00:06:42.714
但我兴奋且充满希望，

00:06:42.714 --> 00:06:46.267
因为如果我们正确地使用它，

00:06:46.271 --> 00:06:50.630
这个工具可以让
每个人对世界积极的影响

00:06:50.630 --> 00:06:52.824
得到大规模的普及

00:06:52.824 --> 00:06:55.600
并真正帮助塑造我们想要的未来。

NOTE Paragraph

00:06:55.600 --> 00:06:56.785
谢谢。

NOTE Paragraph

00:06:56.785 --> 00:07:01.849
（掌声）