用谷歌的 DeepDream 击败 Facebook 的 DeepFace

未来我们可能要用神经网络来打败神经网络。

自从谷歌上个月公布了其人工神经网络系统 DeepDream 的一部分源代码以来，神经网络的受欢迎程度一路飙升。谷歌的搜索引擎使用人工智能程序对在线图像进行排序和分类。该程序在筛选数千张带有标签的图像（如“海星”、“鸟”或“香蕉”）时学会了这样做，并开始识别每件不同的东西。该程序还可用于生成自己的图像，但它经常会混淆，并创造出美丽而有时令人恐惧的蛞蝓狗、鸟车和变形虫般的房子的嵌合体。

尽管这项技术才刚刚起步，但神经网络在分类和追踪方面已经非常有效。这让软件开发人员柯克·凯泽对隐私的未来感到担忧。因此，他进行了一项实验，看看能否通过使用 DeepDream 扭曲他的图像来破坏 Facebook 的面部识别系统 DeepFace。

“每次有人给你拍照或者你上传自己的照片，这些照片都会被添加到训练数据集中，而这个数据集与你的身份和身份息息相关，”凯瑟说，“这样做的总体思路是破坏我们现有的数据集，重新获得一点控制权。”

上个月，凯泽像许多人一样，使用 DeepDream 修改了自己的照片，并将其上传到 Facebook。他发现，尽管照片经过了扭曲，DeepFace 仍能通过他浓密的胡须认出他。当他上传扭曲的照片时，它指向他的胡须，并标记为“柯克·凯泽”。然后，他使用一张随机拼贴的脸部照片和一张树的图像，并在这些照片上运行 DeepDreams 和另一个旨在检测年龄和性别的开源神经网络。这生成了一张树皮拼贴图像和扭曲的脸部图像，上面溅满了霓虹绿和粉红色。DeepFace 对此感到困惑，并在图像中识别出大约 92 张不同的脸，其中没有一张是凯泽的。他将自己的代码称为 Deep Graffiti。

凯撒实验的最后一步是将这些面孔标记为自己的，以破坏 DeepFace 对他的数据。然而，这一行动是否真的破坏了 DeepFace 识别凯撒面孔的能力，还是仅仅添加了额外的数据，以便在有噪音的情况下也能识别他，目前尚不清楚。

“我们还需要进行更多实验才能确定我们是否破坏了数据集，”凯瑟说。“这也引出了另一个问题：什么时候图像不再是我了。”

随着通过神经网络进行机器学习的进步，控制我们的数据和保护隐私可能会变得更加困难。正如凯泽所表明的那样，我们最好的防御可能是一次良好的进攻，即利用神经网络互相欺骗并以牙还牙。