打了马赛克AI也能认出你

卿胜蓝

在警匪片中我们经常看到这样的场景：从监控录像中发现一闪而过的不法分子后，镜头定格于人像，警察紧紧盯着电脑屏幕说：“放大，增强。”接着，技术人员一通儿敲打键盘，经过神奇的图像处理加工，电脑屏幕上呈现出一张清晰的面部特写。

然而在现实生活中，用低像素摄像机拍出的人像，一经放大，呈现出的并不是分明的五官，而是一团模糊的图像。如果是在黑夜里拍摄，图像情况会更糟。

在光线作为信号产生图像的过程中，比较粗糙的部分是噪点，光线暗的环境下收录的噪点较多，信噪比低。用信号处理的方法提高图像的分辨率是比较普遍的方法，比如直接通过电脑计算提高图像信噪比。这种技术常被用在有线电视、数码相机等呈现图像的媒介中，它可以提高图像的质量，但还不足以还原被“马赛克”覆盖的图片。

不过几家大型技术公司和研究机构正在把电影中的情节与现实拉近。今年2月初，Google大脑团队就成功运用人工智能技术将只有8×8像素（即8个像素点×8个像素点）的马赛克图片复原到了32×32像素的图片。

在这次研究中，Google尝试恢复了明星人脸和卧室照片两种类别的图片。以明星人脸为例，首先机器需要对大量普通人脸学习。但明星人脸会因上妆效果与普通人脸有些差异，比如眼睛更大、下巴更尖。因此，Google还研究了明星的化妆，特意标注了明星脸上一些有代表性的变量。

“Google的数据库里有大量照片，每张都以类似的方式打上马赛克，拿原图跟马赛克比较，看其相近性。通过这样的方法，让机器学会处理这些图片。百度深度学习实验室主任林元庆对《第一财经周刊》说，大量高清图片形成的数据能产生处理人脸的模板。

在Google的模板中，使用了两种网络：“调节网络”（Conditioning Network）和“优先网络”（Prior Network）。调节网络能将低像素图片与相似的高像素图片有效配对，得到马赛克图片中人脸的大致构架。优先网络则会对马赛克做分析，试着将细节添加到对应的区域中，使图片看上去更加真实。

所以，与其说Google的方法是在还原这些马赛克图片，不如说模拟人脑的计算机在“猜”这些图片最有可能是什么样的。Google所使用的模型其实是在计算一种概率：这张人脸可能长什么样。

既然是“猜”，那么它给出的答案与相同分辨率的原图对比肯定会存在差距。不过在Google的试验中，人类很难从一组32×32像素的图片中，辨认出哪张是真实图片哪张是机器复原的，这意味着机器还原的准确率已经在一个有效的范围内了。

“使用深度学习的方法能更好地解决机器处理模糊图像的问题。”林元庆说。最近，百度也对外展示了利用人工智能技术辨别模糊图像中人脸的能力，但与Google不同的是，百度的这项技术不是修复人脸，只是识别人脸。

在江苏卫视正在热播的综艺节目《最强大脑》中，百度人工智能机器人“小度”曾识别黑暗环境中拍摄的“盗贼”，节目中的三个人分别戴了帽子、墨镜、口罩等遮挡物。对于计算机来说，能否检测到图像中的人脸，难点在于暗光和遮挡物。

在有遮挡物的条件下，百度团队希望计算机能够根据有限的人脸信息，做到准确识别。他们在算法上做了一些设计，在训练机器时，会标注出图像中哪些部分不属于人脸，如帽子、墨镜、口罩，然后把这些无用信息的权重降低，让机器自动完成学习过程。

针对黑暗环境下信噪比较低的情况，百度团队也搜集了真实黑暗环境下拍摄的图片，同时模拟了部分图片。然后，他们将实际数据和模拟数据放入深度学习模型，让计算机能够辨别黑暗环境下的人脸特征。

更精准识别模糊图像里的关键信息，这种人工智能技术无疑在公共安全领域会发挥很大作用。但目前，它还远称不上完善。

数据量是一个问题。比如Google的试验目前就只对房间和明星人脸两类图片做了复原，图片内容包含的信息较少。如果要训练机器复原其他类型的图片，甚至是更加复杂的图片，就需要更多数据和工作量。

另外，人工智能“思考”的方式毕竟和人类大脑有所不同，如何综合双方的优势，降低各自的劣势也是需要考虑的。比如在《最强大脑》“人脸识别”的那场比赛中，机器人“小度”答错的第二个问题，其选出的人脸就与正确的人脸相差非常大：正确的人脸脸型宽大，而“小度”给出的答案脸型较窄。

这个在人类看来会是显而易见的差别，对于计算机来说却没有那么明显。“胖瘦在我们系统里面不是那么重要的一个特征，机器对这一因素确实不敏感，”林元庆说，“我们的人脸识别模型更基于从嘴型这种基础的因素做出判断。”虽然“小度”完全把嫌疑人的脸型搞错了，但它找出的人脸和正确答案的人脸之间嘴型特别像。

去年，康奈尔大学专注于数据隐私研究的教授Vitaly Shmatikov曾表示：“在安全和隱私方面，人们尚未感受到机器学习的威力。”在他看来，至少目前，机器还不具备简简单单就破解图片隐私的能力。