這幾天，科技新聞的頭條大事是：Facebook發(fā)布了名為Libra的加密貨幣白皮書，這是一套基于加密貨幣理念設(shè)計的，且Facebook不能完全控制的數(shù)字貨幣。當(dāng)然，它仍然是幾家巨頭控制的中心化較強(qiáng)的貨幣，而不是真正的去中心加密貨幣。這不是Facebook第一次嘗試這個方向，這一次它的準(zhǔn)備比以往的方案完善很多。雖然和真正的“區(qū)塊鏈去中心貨幣”還有很多區(qū)別，但是好歹巨頭們總算沖進(jìn)了這個市場。

不過我這篇文章并不是專門討論FB的加密貨幣，區(qū)塊鏈和加密貨幣這兩個東西緊密關(guān)聯(lián)，有的項目看重鏈多一些，有的看重幣多一些，F(xiàn)acebook的Libra是看重幣多一些，更著重強(qiáng)調(diào)它的支付功能，和更低成本的跨國支付結(jié)算。而非常巧合的是，同樣在這幾天，Stephen Wolfram也寫了一篇關(guān)于區(qū)塊鏈的文章，這篇文章講到了區(qū)塊鏈的一個重要應(yīng)用，但是在FB發(fā)幣新聞的熱潮下，它獲得關(guān)注少了很多。但在我看來，這篇文章討論了的東西更值得思考。

Stephen Wolfram知名度在中文世界似乎并沒有特別高，這和他的實(shí)際業(yè)界地位差距很大。如果讓我評價，他是整個行業(yè)內(nèi)最天才的人之一。此人無論是科研還是商業(yè)，都有超乎尋常的成就。他15歲就開始發(fā)表物理學(xué)論文，一心想做物理學(xué)家，20歲在加州理工拿到了物理學(xué)博士學(xué)位之后，開始研究復(fù)雜性理論，之后為了他的研究需要，決定自己做一些工具，最終發(fā)明了Mathematica。Mathematica算的上是歷史上最重要的軟件之一。除了數(shù)學(xué)和物理研究，他也是最早研究人工智能的科學(xué)家之一。 為什么他會寫這篇文章呢，要從基于深度學(xué)習(xí)的視頻換臉術(shù)DeepFake談起，如果你?？纯萍夹侣劊瑧?yīng)該記得去年這時候熱門的換臉黑科技DeepFake。一年之后，基于它的各種奇怪應(yīng)用層出不窮，起初人們也就是拿來換換明星的臉玩，但很快人們發(fā)現(xiàn)，這種技術(shù)如果用來做假新聞，就會造成極大破壞性和難以預(yù)料的后果。隨著2020美國大選越來越近，這種擔(dān)心也隨之增加。

六月初，美國眾議院情報委員會召開了一個聽證會，希望了解DeepFake和AI相關(guān)的一些問題，Stephen Wolfram是被邀請參加聽證會的人之一。但是他沒空去，于是把想法寫成了這篇文章放在了自己Blog上。這對于我這樣的讀者倒是個好事，這可以讓他更從容的寫下他的想法，而不是被聽證會的節(jié)奏干擾。

眾所周知，偽造照片是一個歷史悠久的技術(shù)，從有PhotoShop之前的年代使用傳統(tǒng)膠片人們就一直在做，Stephen Wolfram說照片偽造技術(shù)和照相技術(shù)歷史幾乎一樣長。而今天我們的問題是，當(dāng)AI可以用來參與偽造照片的時候，我們有沒有簡單的辦法分辨出哪些照片是真的?畢竟之前大家說“無圖無真相”，現(xiàn)在是“有圖有視頻它也未必是真的”。

要討論這個問題，我們先要隱藏技術(shù)細(xì)節(jié)來簡單介紹一下偽造照片和視頻使用的人工智能技術(shù)：GAN(生成對抗網(wǎng)絡(luò))，用最容易理解的方式，可以看作兩個系統(tǒng)互相對抗，一個系統(tǒng)生成假數(shù)據(jù)集叫做生成器，另外一個系統(tǒng)叫做判別器，它用真實(shí)數(shù)據(jù)集來判別生成的假數(shù)據(jù)集的真?zhèn)?。然后兩個系統(tǒng)互相對抗，最終目的就是讓判別器無法判斷真假，所以這類系統(tǒng)的目標(biāo)就是生成機(jī)器無法判別真假的數(shù)據(jù)集。GAN網(wǎng)絡(luò)當(dāng)然不是萬能的，說它有智能也是一種美化的說法，它當(dāng)然沒有真正的智能，也理解不了邏輯本身，但是用在偽造視頻和照片上，它目前的能力已經(jīng)足夠給人類帶來麻煩了。因?yàn)槿绻善魃傻膬?nèi)容足夠多，并且利用社交網(wǎng)絡(luò)傳播和轉(zhuǎn)發(fā)，那么要鑒別真假，就成了一個工作量巨大的事情。相信在這個時代，大部分人都對各種群里面千奇百怪的謠言有深刻體驗(yàn)，那么考慮一下，這些文字謠言都配上了很真實(shí)的照片和視頻的時候，要鑒別真假的勞動力會增加多少?

已經(jīng)無法阻止人們使用機(jī)器源源不斷產(chǎn)生假圖片和視頻了。對于某些關(guān)鍵性內(nèi)容，人類應(yīng)該還可以花費(fèi)巨大的成本，由類似鑒證小組這樣的專家組織來判別真?zhèn)?，但是對于日常生活中，尤其是社交網(wǎng)絡(luò)流行的海量內(nèi)容，限于效率和人力成本，可以說是無能為力的。假視頻生成的速度會遠(yuǎn)遠(yuǎn)大于鑒定的速度，即使能鑒定出來真?zhèn)我矝]意義了。

要高效率的鑒別真假，那就只能依靠機(jī)器，使用AI來鑒別假視頻的創(chuàng)業(yè)公司也出現(xiàn)了不少。但是如果思考這個問題：機(jī)器有沒有能力鑒別圖片和視頻是否是偽造的?很遺憾，答案應(yīng)該是悲觀的。悲觀的原因在介紹GAN的原理時候已經(jīng)包含了，既然生成器的目的就是挑戰(zhàn)判別器使之無法分辨，就意味著這樣的圖片和視頻，機(jī)器已經(jīng)分辨不出了。雖然人類能找到一些圖片生成的不足，做出更好的判別器來，但這些不足一樣會被生成器補(bǔ)上。Stephen Wolfram的說法是“這是一場軍備競賽”，兩者博弈，最終結(jié)果只能是讓假數(shù)據(jù)達(dá)到更高的高度。所以想用機(jī)器來幫助區(qū)分真假的想法，可能會在短期內(nèi)有效，但長期看來，這些掙扎都是無力的，最終一定是生成器強(qiáng)于判別器，即無法判斷的假圖片和假視頻會取勝。

按照這個推論，我們今天定義“真實(shí)”的方式會發(fā)生徹底的變化。目前我們做為事件真實(shí)發(fā)生的證據(jù)都不再可信，比如說，現(xiàn)在你可以拿行車記錄儀的視頻證明自己在交通事故中是無責(zé)一方，但是未來，這種證據(jù)可能就無效了，因?yàn)檎l也不知道視頻是不是被AI重新處理過的。甚至社會上流行的照片和視頻，假的會比真的還多，因?yàn)橐粋€真正的視頻，經(jīng)過AI處理可以變成不同的假視頻，用在不同場合。目前社會的很多錨點(diǎn)都會消失，而我們對此毫無辦法。

所以，我們需要一套完全不同的思路來處理真實(shí)性問題，即：從目前的“默認(rèn)照片和視頻真實(shí)，除非找到證據(jù)證偽“，轉(zhuǎn)變成“默認(rèn)照片和視頻是不真實(shí)的，除非找到證據(jù)證真”。為了滿足這種需求，就需要一種系統(tǒng)，可以公正，中立的存放所有證據(jù)，并且讓機(jī)器容易讀取這種證據(jù)，給出“可證真概率很高”之類的結(jié)論。Stephen Wolfram認(rèn)為，這種系統(tǒng)就是區(qū)塊鏈。區(qū)塊鏈的去中心，不可篡改，以及比較好的程序可讀寫特性，都完美符合以上需求。

使用區(qū)塊鏈技術(shù)不能直接判斷真實(shí)，但是如果每一個視頻創(chuàng)建出來，每一個照片拍攝完成，就在區(qū)塊鏈上存證，將來就有可能讓機(jī)器利用這些證據(jù)來幫助人判斷真假。而且，今天我們還不能完全預(yù)知未來世界的變化，也不知道AI和偽造技術(shù)會發(fā)展到什么程度。所以我們只能盡量保存更多的元數(shù)據(jù)。包括拍攝時候的場景數(shù)據(jù)，比如GPS信息，時間，溫度，天氣…各種相關(guān)和不相關(guān)的信息，都應(yīng)該保存起來，越多的元數(shù)據(jù)，將來用來判斷真假的數(shù)據(jù)越充足。具體做法就是把所有這些元數(shù)據(jù)打包到媒體文件中，然后計算hash，把hash記錄到一個去中心的區(qū)塊鏈上。等到將來有一天，機(jī)器會有辦法讀取今天保存的信息，用來確定信息真實(shí)性。目前的“無圖沒真相”，就會變成“不在鏈上沒真相“。

這里特別需要注意的是，要實(shí)現(xiàn)這個系統(tǒng)還有無數(shù)技術(shù)細(xì)節(jié)需要處理。比如并不是存放在鏈上的數(shù)據(jù)一定是真的。同樣可能出現(xiàn)第一個作者拍攝視頻之后先進(jìn)行偽造，再簽名往區(qū)塊鏈上存放，這時候要判斷真?zhèn)尉妥兊酶永щy。所以最終判斷真?zhèn)蔚慕Y(jié)果仍然只是一個概率，而不是放在鏈上100%就是真實(shí)的。但是公開存放了盡量多的元數(shù)據(jù)之后，人們可以利用這些元數(shù)據(jù)來進(jìn)行更多的分析和交叉對比，進(jìn)一步降低偽造的可能性。如前面這個例子，如果偽造的視頻中出現(xiàn)了的人，在相近的時間段內(nèi)，在區(qū)塊鏈上找到了另外一個不同地理位置的視頻也包含了他形象，那么就可以認(rèn)為這兩個視頻中至少有一個是偽造的。并且，這種偽造的證據(jù)在鏈上無法被消除，最終會使得上傳者的可信度降低。總之，這樣的系統(tǒng)可以提供更多的正經(jīng)，使用更自動化的手段解決問題，它仍然不是完美的解決方案，但是比沒有這個系統(tǒng)還是好很多。未來人們會越來越體驗(yàn)到概率的無處不在，人們只能說“有很大概率是真的”，很難說“絕對是真的”。

這個推論過程非常清晰簡單，而且也確實(shí)想不到其他解決方案了。實(shí)際上Stephen Wolfram一直是記錄全部個人數(shù)據(jù)的推崇者，他在長達(dá)二十多年的時間里，盡可能的記錄了自己周圍的一切數(shù)據(jù)，從工作時間到使用的文檔類型，郵件發(fā)送頻率，所有數(shù)據(jù)只要能記錄的都記錄，并且會寫程序分析這些數(shù)據(jù)。唯一的區(qū)別是，過去這些數(shù)據(jù)他自己存放，供自己使用，但在未來，做為信息創(chuàng)建者，一部分?jǐn)?shù)據(jù)記錄應(yīng)該被公開出來，供更多人使用，這是一個有意思的變化。

讓我比較驚喜的時候，這和我們的思路是一致的。我之前曾經(jīng)寫過我們做PRESSone的目標(biāo)是幫助完成“確權(quán)”，而且我還經(jīng)常試圖解釋“確權(quán)”不是“版權(quán)”，雖然確權(quán)之后下一步可以完成版權(quán)相關(guān)應(yīng)用，但是這兩個概念是不一樣的。但是我一直沒找到特別好的例子來說明，為什么不一樣，以及為什么要使用區(qū)塊鏈這么復(fù)雜的系統(tǒng)來完成確權(quán)，所以PRESSone總是被人們歸類為“內(nèi)容版權(quán)“類應(yīng)用，說它是內(nèi)容版權(quán)當(dāng)然也不是不可以，但確權(quán)才是更重要的基礎(chǔ)。區(qū)塊鏈相比中心數(shù)據(jù)庫是一種昂貴得多的存儲系統(tǒng)，既然使用了這種昂貴的方案，那么就需要有昂貴的理由。人們最容易問的問題就是：“為什么我需要使用它”。

很有意思的是，隨著時間的推移，這種答案正在越來越多的冒出來，科技的發(fā)展使得人類在很多場景下不得不需要這樣的系統(tǒng)。而且科技的發(fā)展正在把越來越多的人卷入這個領(lǐng)域，過去只是科技行業(yè)從業(yè)者，現(xiàn)在創(chuàng)作者也不得不關(guān)心這個領(lǐng)域。誰也不想讓自己的作品將來變成創(chuàng)造用途不明的假視頻的素材，那么現(xiàn)在需要做的就是，保留不可篡改的數(shù)據(jù)，然后等著未來到來。

所以，即使Facebook的目的達(dá)不到，對于整個行業(yè)仍然意義重大。