如果你还忘记前段时间Deepfakes（深度换回脸）的代表事件——杨幂换回脸的话，今天，(公众号：)想讲解一些AI不实的新进展给读者们。只不过，Deepfakes（深度换回脸）给人的感觉早已很差劲了，而现在AI“假货”的“建模”能力早已遍及人脸到人的“周边”。

近期，特拉维夫大学的一组研究人员研发了一种神经网络，需要加载食谱并分解的小贩产品的图像。换句话说，如果你在Instagram、Facebook等社交媒体上看见美食博主共享的照片，不要讨厌，说不定它是骗的，有可能是由AI分解的假图片。

了解到，研究人员Ori Bar El，Ori Licht以及Netanel Yosephian构成的特拉维夫团队用于取名为StackGAN V2 改良版本的分解对付网络（GAN）和来自于可观的recipe1M 数据集中于，StackGAN V2和52K图像人组配上，创立了他们的AI系统。这个团队研发的人工智能模型，完全可以所列任何食品的成分和解释表格，并找到、分解成品食品的样子。

研究员Ori Bar El回应：这一切都源于我向祖母告知她传统的番茄酱炸鱼排配方的时候。由于她年事已高，她并不忘记清楚的食谱。所以，我想要告诉我否可以创建一个得出食物图像的系统，可以输入食谱。在考虑到了这个点子一段时间后，我得出结论了结论，对于一个系统而言，要胜过一个确实、清楚数量、所含“隐蔽”成分（比如，盐、胡椒、黄油、面粉等）的准确配方太难了。

那么，我想要告诉我否需要做到一下忽略的事情。比如，基于配方分解食物图像。我们坚信这项任务对于人类来说是十分具备挑战性的，特别是在对于计算机而言。

由于目前大多数人工智能系统都企图应用于，人类更容易已完成的任务中代替人类。所以，我们指出解决问题一项，甚至远超过人类能力范围的任务将不会很有意思。

所以就像大家现在看见的，这个模型可以在一定程度上取得成功。同时，该团队研究人员还在他们的白皮书中否认该系统目前并不完备：值得一提的是，与CUB和Oxford102数据集中于的图像比起，recipe1M数据集中于的图像质量较低。这体现在许多模糊不清的图像方面，比如，光照条件劣，“粥状图像”以及图像不是方形的。这也使得训练模型显得艰难。

这个事实可能会说明这两个模型顺利不具备需要顺利分解“类似于粥”的食物图像的能力，例如。面食、米饭、汤，沙拉。但却无法分解具备独有形状的食物图像，例如，汉堡包、鸡肉、饮料。这是我们所告诉的唯一的这种类型的AI人工智能，因此不要确信它迅速不会沦为您手机上的应用程序。

但是，文字却是浮表面。况且，如果这意味着就是一个食谱。

特拉维夫团队的AI则可以把它变为一个看上去充足好的图像。根据研究论文的叙述，人类有时更喜欢它而不是现实照片。

当然，该团队想之后研发该系统，并期望扩展到其它更好的领域中，Ori Bar El研究院说道：我们计划通过在剩下的配方上训练我们的系统来拓展工作（我们有约35万个图像），但问题是当前的数据集质量很低。我们还没寻找任何合适我们市场需求的其他能用数据集，但我们可以自己建构一个包括儿童书籍文本和适当图像的数据集。所以，这些具备天赋、才华横溢的研究人员们，可能会在Instagram上像美食家一样引荐一张，令人觊觎的美食照片。

诱人、欺骗但毕竟AI机器人通过食材、原料的统合分解出来的。往期总结只不过，2019年开年以来，AI不实早已不胜枚举。而之前也注目了换脸、并不不存在的假脸、假猫、骗Airbnb爱彼迎、骗waifu动漫、假指纹。

参看此前报导，“每创下一次分解一副假脸”的网站，步入众多模仿者而最近，一个新的网站可以在十秒钟内可以制作一份欺诈的履历。明确技术基于神经网络的人工智能系统，对从公共职位委员会中萃取的信息展开统合，创立一份全新的求职者履历。可以页面此链接创下分解假履历这个履历不不存在值得注意的是，每份履历都为他们的虚构“主题”获取了一个电子邮件地址，并且这些电子邮件已在现实生活中登记。

履历获取了现实的Facebook和Instagram帐户的链接，指出履历生成器有可能只是非常简单地重现现实的人的姓名和联系信息。当然，这些AI骗履历在职位叙述方面，与个人讲解某些时候不会有冲突之处。接下来，AI还将不会假造什么？拭目以待。原创文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：半岛·体育(BOB)-www.zhshanxi.com