Google“黑科技”来袭！Whisk 如何打造虚实难判的神奇体验？
今年12月16日，Google推出了一款最新的人工智能工具——Whisk，与市面上的其他图片生成模型都不一样。而且Google最近也在加紧人工智能研究，近期推出的Veo2与Imagen3图像生成模型都具有超高的技术水平。Google将对物理世界的深刻理解放在了首位，对于各种艺术...展开 #AIGC能骗过人类吗#
OpenAI 12 天发布会亮点多：Sora正式版加强安全防范
在科技的奇幻舞台上，OpenAI 正掀起一场以假乱真的AI革命。随着人工智能变得越来越先进，它将解决越来越复杂和关键的问题，同时AI生成的内容与现实几近难辨。无论是逼真的图像、自然流畅得仿若真人的语音，还是能模拟人类思维逻辑的文本，都在挑战着...展开 #AIGC能骗过人类吗#
“AI味的大学论文“难以识别，检测工具效能低下
近几年来人工智能（AI）的快速发展，特别是在大型语言模型领域进展飞速，以ChatGPT为首，市面上产生了一系列公开的在线文本生成工具。由于这些模型是在人类书写的文本上训练的，所以这些工具生成的内容可能很难与人类书写的内容区分开来。因此，它们...展开 #AIGC能骗过人类吗#
辨识AI视频：不仅要用魔法打败魔法，还应有规范
有了Sora之后，眼见不一定为实了。要如何鉴别此类的AI视频呢？
中国科学院自动化研究所研究员董晶研究的就是图像窜改、深度伪造等人工智能内容安全与对抗技术，她和研究团队的许多成果已应用于多媒体智能鉴伪。她在接受《中国科学报》采访时表示，...展开
#AIGC能骗过人类吗#
中国科学院自动化研究所研究员董晶研究的就是图像窜改、深度伪造等人工智能内容安全与对抗技术，她和研究团队的许多成果已应用于多媒体智能鉴伪。她在接受《中国科学报》采访时表示，“用魔法打败魔法。”
她在采访时介绍了，目前主要的两类智能检测方法。一种是基于数据学习的方法。这通常需要提前收集伪造视频和真实视频（最好是配对数据）作为训练数据集，训练出强大的深度网络。只要模型能够“记住”视频帧中的异常或痕迹，例如图像噪点、帧间不连续的运动轨迹等，就能辨别真伪。这种方法较为通用，一旦检测模型参数确定，部署简单、批量检测效果良好。但是，该方法相当依赖训练数据的体量和完备性，对于未知或未训练的数据检测通常会失效。
另一种是基于特定线索的方法。它首先需要定义出视频中一些不合常理或逻辑的视觉“线索”，如光照不一致、人脸视频中应有的活体生理信号、说话人的口型和发音时序不匹配等细节，然后设计相应的算法去提取并定位这些线索，进而取证。这种方法可解释性更好，对视频段的定向检测性能佳，但对数据本身的多样性兼容较差。
不过，董晶也对《中国科学报》表示，随着Sora等工具在AI生成视频细节与多元化处理方面的能力增强，生成视频中的显式伪造痕迹会越来越少，仅依赖传统的视频分析与伪造检测方法甄别视频内容的真假，无疑会变得更加困难。
相对被动检测AI视频带来的困难，董晶也谈到了从“源头约束”的应对策略。例如在生成视频之初就埋下AI生成的印记，相对于对视频的被动检测，水印或标记属于主动防御。她的团队还尝试了在真实图像或视频中加入“对抗噪声”，这样生成模型就不能在这些源数据上进行AI合成。此外，她还“呼吁推动建立具有国际共识的AI数据技术标准与规范，形成共同应对生成视频的合理标记和协同监管方案”。
以假乱真！AI 视频工具 Sora 是怎么做到的？
今年2月，OpenAI首次公布了自己的文生视频模型 Sora，在科技领域引起极大的反响。
根据OpenAI的官方简介，Sora可以制作长达60秒的视频，视频包括高清晰度的场景、复杂的镜头动作，并可支持多个角色的创作，是基于ChatGPT和静止图像生成器DALL-E所建立的视频...展开
#AIGC能骗过人类吗#
根据OpenAI的官方简介，Sora可以制作长达60秒的视频，视频包括高清晰度的场景、复杂的镜头动作，并可支持多个角色的创作，是基于ChatGPT和静止图像生成器DALL-E所建立的视频生成模型。
例如，根据文字“一位时尚女性走在充满温暖霓虹灯和动画城市标牌的东京街道上，她穿着黑色皮夹克、红色长裙和黑色靴子，拎着黑色钱包。她戴着太阳镜，涂着红色口红。她走路自信又随意。街道潮湿且反光，在彩色灯光的照射下形成镜面效果。许多行人走来走去”的提示，Sora生成了一段60秒的视频，画面质感高级，人物肌肤纹理的细节逼真。有网友表示，如果不注明AI生成，自己完全分不出真假。
虽然Sora生成的内容虽然还存在一些缺陷，但已经展现出强大的视频创作能力。那么Sora是如何生成视频的呢？
根据OpenAI发布的技术报告，Sora是一个扩散模型。扩散模型本身很复杂，但可以通过一个简单的例子，大致理解扩散模型的思路。
想象一下，我们手头有一张清晰的狗狗照片。通过逐步向这张照片中添加噪点，它会逐渐变得模糊，直至最终变成一堆看似无序的噪点集合。
这个过程实际上可以逆向进行。也就是说，从一堆杂乱的噪点出发，我们可以通过一步步去除噪点，逐渐还原出原始的图片。而扩散模型的关键所在，就是学会如何有效地进行这种逆向去噪的过程。
值得一提的是，扩散模型的应用并不仅限于图片生成。例如，在Sora的技术报告中就提到，OpenAI通过特定的转换处理，使得视频数据也能被用于模型训练。这样一来，Sora便能根据给定的提示词，直接生成相应的视频内容。
AI生成文本“套路深”？新研究找到识别新方法
你有没有在阅读一篇文章时，突然感觉有些不对劲，但又说不出具体哪里不对？可能是形容词堆砌得太多，也可能是句子结构过于重复，让你不禁怀疑：“这到底是人写的，还是人工智能（AI）生成的？”为了解答这个疑惑，位于美国马萨诸塞州的东北大学的...展开 #AIGC能骗过人类吗#
当前人工智能研究的最前沿领域在哪里？具身智能就是未来的重点方向
据斯坦福大学以人为中心的人工智能研究所(HAI)发布的《AI指数2022年度报告》称，自 2015 年以来，模式识别和机器学习两个领域的论著数量增加了一倍以上，是人工智能研究的集中领域，得到了更多学者的关注。从图表数据显示，计算机视觉、数据挖掘和自然...展开
该报告另一项统计显示，近五年人工智能领域的工作岗位需求明显增加，在2021年企业主所有招聘职位中，有关于AI的职位里，机器学习技能排第一，人工智能排第二、神经网络和自然语言处理分居第三和第四。
该研究所自2017年开始推出人工智能指数报告，这是该指数的第五份年度报告，该报告分析AI的影响和逐年进展及对行业发展趋势做出研判，是由HAI组建的跨学科团队与学术界、工业界和政府合作开发的独立项目。今年分析报告的主要内容是私人投资的急剧上升、AI领域深刻的技术成就，以及关于人工智能涉及公平和偏见问题的新关注。
如果想了解更多报告内容，点击【资讯参考】可以查阅（今年还特别出版了中文版）。
人工智能指数项目是斯坦福大学以人为中心的人工智能研究所发布，这项工作由John Etchemendy 和 Fei-Fei Li （李飞飞）领导。李飞飞是一名华裔科学家，1976年出生在北京的一个高知家庭，16岁跟随工程师的父亲移民美国。今年46岁，美国国家工程院、美国国家医学院和美国文理科学院的院士。李飞飞在大型机器学习、视觉理解知识库、电脑神经科学和大数据分析方面有突出贡献 。关于她的故事，可以自行搜索更多资料，或在【资讯参考】版块阅读推荐文章《华裔科学家李飞飞：我希望以中国人的身份拿下诺贝尔奖》。