最近AI换脸术与AI假新闻叠加在一起，造成了不少乌龙事件，比如最近美国的议长南希·佩洛西就的一段醉酒视频就在Facebook上流传甚广，视频中的议长明显是状态晕沉，醉意十足，不过这后来被证明是一段是由deepfake生成的假视频。

后来Facebook创始人马克.扎克伯格的一段视频也开始疯传，在其中小扎说“让我们快速地想象一下，一个人手握偷窃来的数十亿人的隐私信息，他们的所有秘密、生活和未来等等 ”，不过这也是deepfake的杰作。

无独有偶，一名叫做Katie Jones的女政治家，似乎正在美国政坛冉冉升起，她在顶级智库工作，拥有由一批专家和权威人士组成的关系网。她与一名助理国务卿、一名参议员的高级助理以及经济学家 Paul Winfree 都有联系，而且搜索引擎上也能查到相应的新闻报道，不过这位女士其实并不存在，对此美联社已经作出确认，其面部信息是合成的，其相关新闻都是AI捉刀写的。

打假神器 GROVER 横空出世

在OpenAI 推出文本生成模型 GPT-2 后，其文稿所中流畅自然的文笔引发各界广泛的关注，尤其是最近《权力的游戏》烂尾，硬核程序员用GPT-2重写了比电视剧更好的结局，这也让GPT-2算法名声大噪，不过由于这个模型内置 15 亿个参数（你没看错15亿个），其算力门槛让我们这些普通玩家望而却步。不过一种简化的GP2-2-SIMPLE模型已经在 GITHUB 上开源，有机会笔者也会向读者们分享一下这个项目的使用心得。

那么面对这些假新闻包装出来的假人、假事，华盛顿大学和艾伦人工智能研究所的研究者提出了一种名为Grover 的鉴定模型，这个模型本身并没有什么特别值得一提的创新，其思路就是把AI写的文章与人工写的文章分为两组，喂给GPU进行模型训练。论文中最重要的一段如下：“Training Grover-Mega is relatively inexpensive: at a cost of $0.30 per TPU v3 core-hour and two weeks of training, the total cost is $25k”也就是人家为了训练Grover花了20万人民币。所以这又是一次算力上的碾压。

不过虽然Grover的作者并没有开源模型，不过读者还是可以通过他们提供的网页，来感受Grover的强大，

在GENERATE的标签下，随便输入一个标题，点击generate,一会AI就能给你一篇完整的文章，我输入的标题是why china will win the trade war而且写的有理,有据，甚至比很多大V的观点更有见识。所以打假能手，本身也是个造假能手，大家也可以去感受一下。

地址：

https://grover.allenai.org/

GENERAT旁边的标签DETECT则可以发现假新闻。随便把我们刚刚让GROVER写的假新闻拷进去，点击“DETECT FAKE NEW"就能得到结果

GROVER的打假原理

由于Grover是使用典型深度学习模型，开发者也并不能了解其工作的具体机制，其原文是这么说的“Why does Grover perform best at detecting its own fake news? We hypothesize that the reason may be due in part to exposure bias”.也就是本文的作者认为Grover是通过检测exposure bias来预测文章是否是由AI生成。

其实到底是不是exposure bias并不重要，我们上次说的VP-VAE-2当中VP其实就是一种压缩算法，而每种机器学习算法中几乎都存在池化或者非全链接层，以此来减低计算量，这样的存在也就给AI赋予了风格，而Grover其实就是通过海量的训练，来感知AI的风格（style)并以此给出自己的预测概率。

参考阅读：

https://blog.csdn.net/BEYONDMA/article/details/92143438

https://blog.csdn.net/BEYONDMA/article/details/91129700

（*本文为 AI科技大本营转载文章，转载请联系原作者）

◆

公开课精彩推荐

◆

想跟NVIDIA专业讲师学习TensorRT吗？扫码进群，获取报名地址，群内优秀提问者可获得限量奖品（定制T恤或者技术图书，包邮哦~）

NVIDIA TensorRT是一种高性能深度学习推理优化器和运行时加速库，可以为深度学习推理应用程序提供低延时和高吞吐量。通过TensorRT，开发者可以优化神经网络模型，以高精度校对低精度，最后将模型部署到超大规模数据中心、嵌入式平台或者汽车产品平台中。

推荐阅读：

• 拍照技术烂？实时在线AI构图模型VPN，让你变身摄影大神！

• 新技术“红”不过十年，半监督学习为什么是个例外？

• 苹果宣布加入CNCF；华为要求美国运营商支付专利费；微软删除最大的公开人脸识别数据集

• 继往开来！目标检测二十年技术综述

• 阿里巴巴杨群：高并发场景下Python的性能挑战

• 为Python回测代码提升10倍性能，具体做了哪些？

• 独家对话V神! 质疑之下的以太坊路在何方?

• 那些去德国的程序员后来怎么样了？

• Python 分析在德的中国程序员，告别 996 ？

你点的每个“在看”，我都认真当成了喜欢