我们都熟悉漂浮在展示的社交媒体周围的假（但超现实的看）视频政客们说了他们从未说过的话或者色情影片中的著名女演员他们从未真正参与过。这些被称为“深度造假”的视频引发了媒体的激烈批评，并对公众辨别真伪的能力提出了质疑。
Deepfakes背后的技术被称为生成式对抗网络(GANs)。这是一种功能强大的神经网络，由伊恩成功用于无监督机器学习。该装置使用了两个神经网络，它们的算法松散地基于我们大脑的线路，并在图像、视频或音频的相同数据集上训练它们。第一个神经网络称为发电机网络。它根据从数据集中学到的内容创建或生成假内容片段。另一个神经网络被称为“辨别器”，它扮演着“调查员”的角色——它观察新生成的图像，试图确定它是像训练过的图像，还是像生成器伪造的图像。这两个网络一起工作，可以产生与训练时使用的数据集惊人地相似的内容。
虽然我们已经看到了一些恶意使用这项技术的行为，但它在推动创新方面有着巨大的潜力，而不仅仅是虚假的社交媒体视频。以下是GANs可以(并且已经)用于好的方面的三种方式。
伪造医疗数据可以挽救生命
人工智能可以成为一个强大的工具，帮助医生更快、更有效地诊断疾病。然而，人工智能需要看到大量它应该识别的病症的不同例子，否则，结果可能会产生误导。主要是出于隐私方面的考虑，医学研究人员常常发现很难积累大量所需的数据，使这些应用程序尽可能精确。
在这些情况下，GAN可以便宜地创建培训AI所需的图像。ChipMaker NVIDIA的研究人员，以及用于临床数据科学和梅奥诊所的MGH＆BWH中心，转向GANS，看看该技术是否可以产生肿瘤的脑MRI图像。新图片能够将肿瘤移动到大脑的不同区域，使它们更大或更小，或将它们放入其他健康的大脑中。
“有些人可能不是现实的，但是AI系统的利益看，”纸张NVIDIA和同悼的研究员Hoo-Chang Shin说。研究人员发现，合成图像足以添加到真实图像的集合，并获得相同的结果，就像数据集只包含真实图像一样。
他们不是唯一希望甘助推器拍摄的医学成像的人：其他研究人员正在试验GANS皮肤癌,视网膜疾病， 和肝脏病变。
“我们的目标不是让人们相信气候变化是真实存在的，而是让那些知道气候变化是真实存在的人在这方面做得更多。”
气候变化的影响一直难以理解——直到现在
通过说明气候变化，GANS还可以让我们一瞥我们的未来。来自蒙特利尔学习算法（MILA），微软和Conscientai Labs的研究人员使用了GAN来展示气候变化影响所淹没的房屋。这意味着帮助人们采取抽象的全球危机，并使影响力更具想象力，即使他们没有经历任何与气候变化相关的天气事件也是如此。
“我们的目标不是让人们相信气候变化是真实存在的，而是让那些知道气候变化是真实存在的人在这方面做得更多，”参与该论文研究的MILA研究员维克多•施密特(Victor Schmidt)说。
在未来，研究人员计划将“选择旋钮”添加到模型中。这将使用户能够“视觉地看到他们的个人选择的影响，例如决定使用更多的公共交通，以及更广泛的政策决策的影响，例如碳税和增加可再生组合标准。”
让工具有下一步。施密特表示，该团队与蒙特利尔和不想使用它的非政府组织的城市官员会面。未来的目标是一个应用程序将允许人们上传他们的家园和社区的照片，并查看预期气候变化的结果，包括其他极端天气事件，如火灾，在他们的地区。超越Tech，Schmidt表示他们将与行为科学家合作，以利用最大的影响。
使时尚世界多样化
主流购物网站上的大多数时装模特都是如此：薄，高，白色。考虑到全世界的大多数人看起来不像那样，大多数购物者都留下来购买服装，只有最普遍的想法如何看待它们。它似乎很小，但代表性问题 - 研究表明，看到多尺寸模型可以提高自尊心。在线时尚技术启动Vue。人工智能正在通过GANs改变这一点，从技术中创建模型，可以是所有形状，高度和肤色。
“让人们想象自己的体型、皮肤类型、种族并不是一件‘好事’，这是当今时代的基本赌注，”该公司的首席执行官阿什维尼•阿索肯(Ashwini Asokan)说vue.ai，她自己肤色较深，身材也不像模特。“每一代新人都清楚，没有价值体系、道德规范和多样性，就无法建立品牌。”
如果时尚高管需要任何更令人信服的话，多样性对商业甚至有利 - a2012年的研究发现当模型能代表消费者的体型时，消费者的购买意愿会上升200%。
