看著心儀的女孩常常讓人忘了時間，連眼睛都捨不得眨一下······但這幾乎是不可能的，你一定會眨眼。不過你幾乎不會意識到大腦是多麼努力的在你每個眨眼瞬間，為你「預測」周遭影像的變化、命令眼球轉回正確的位置，好讓她的倩影能夠在你的視網膜上完美成像，不會模糊得讓你心慌慌。

無論你再怎麼努力控制，人眼每分鐘都會眨 5~20 次，除非你是花果山十三太保的老大孫悟空。在日常生活中，我們會用「一眨眼」來比喻很短的時間，實際上每次眨眼需要 40~200 毫秒。 眨眼的動作除了能夠潤滑乾燥的眼球，也能幫助淚水分泌、掃除眼球表面的髒污，使眼球免於外來物質的刺激。

眨眼為什麼不會影響我們的視覺成像？

在眼皮開闔的瞬間，眼球會往眼眶內轉個一圈，再回到和眨眼前相離不遠的位置。於此同時，視覺訊息會發生短暫的中斷，視網膜的反應會被視覺系統所抑制，如果在眼皮闔上的同時視覺目標發生了移動、眼睛又沒有察覺，隨著眨眼次數的累積，這樣的偏差就會影響我們的知覺平衡，甚至使我們在應對環境變化時遇上大麻煩。

格里特．莫斯（Gerrit Maus）等人設想，這其中必定有一套校正機制能夠減少每次眨眼的偏誤，使得周遭的事物在眨眼前後完美銜接，好好的投射在視網膜上成像。他們發現：在眨眼時，雖然我們沒有察覺物體的移動，但我們的眼睛卻能透過大腦的自動校正命令，讓眼睛能夠在眨眼之間保持視覺成像的穩定。這份由來自加州柏克萊大學（University of California, Berkeley）執行的研究發表在 2017 年 2 月的《當代生物學》（Current Biology）期刊上[註]。

「我們的眼部肌肉其實又懶又不精確，因此大腦需要持續調整它的運動訊息，以確保我們的眼睛能夠看著他們應該看的地方。」莫斯說。

有史以來最無聊的實驗

十幾名年輕的健康成人參與了莫斯戲稱為「有史以來最無聊的實驗」。受試者長時間坐在暗室裡，盯著螢幕上的一個白點看，遠紅外線攝影機則即時記錄他們的視線固定方向（gaze direction）和瞳孔大小，並且偵測每一個眨眼的瞬間。

每當他們眨眼時，在眼皮闔上、遮蔽瞳孔的瞬間，螢幕上的白點就會往受試者視角側邊移動 0.5 或 1.0 度。每隔 3~4 秒累積一段偏移後，這個白點就會隨機跳到新的位置。

許多受試者在眨眼期間沒有察覺到白點發生了移動。在適應了將近 50 次眨眼後，受試者的視線位置開始沿著白點移動的方向出現顯著的偏移，而且這種傾向在接下來的幾次眨眼都會出現，即使白點在那之後不再移動了也還是持續著。

而在控制組中，受試者戴上快門眼鏡（shutter glasses）取代眨眼的動作。研究發現，縱使在快門關閉時白點也發生偏移，受試者也能明顯察覺白點的移動，而且也沒有視線沿著白點移動方向偏移的情形發生。也就是說，只有在真正的眨眼時，視線目標的移動才能觸發視線的自動校正。

偉哉大腦！我的視界因你而完整

「大腦會計算我們在眨眼前後所見的差異，然後命令眼部肌肉去做必要的調整。」莫斯說。研究團隊也表示，少了如此有力的動眼機制（oculomotor mechanism）——特別是眨眼時——我們眼中所見的世界將會變得朦朧而飄忽不定。

「我們能夠感知一致而不會有暫時失明的問題，是因為大腦為我們連結這些（視覺的）點。」研究的共同作者、柏克萊大學的心理學教授大衛．惠特尼（David Whitney）表示。「我們的大腦做了很多預測，好讓我們能夠在這個世界自由移動。」另一位共同作者、達特茅斯學院心理學與腦科學教授派翠克．卡維納夫（Patrick Cavanagh）教授表示，「就像是心智的穩定器一般。」

（能夠在眨眼後看清楚這個世界的美好事物，都要感謝神奇大腦努力的校正呀！）

• 註：本篇研究內容於 2015 年曾發表於視覺領域之學術期刊《視覺期刊》（Journal of Vision），可參考本文最末段 Maus et al. (2015) 之原始研究連結。

參考資料

• 本篇編譯自加州柏克萊大學提供之科普報導 Why the lights don’t dim when we blink，刊載於 ScienceDaily (Jan. 19, 2017)

原始研究

• Maus, G., Cavanagh, P., Collins, T., Duyck, M., Lisi, M., Wexler, M., & Whitney, D. (2015). Target displacements during blinks trigger corrective gaze adaptation. Journal of vision, 15(12), 1308-1308.
• Maus, G. W., Duyck, M., Lisi, M., Collins, T., Whitney, D., & Cavanagh, P. (2017). Target displacements during eye blinks trigger automatic recalibration of gaze direction. Current biology, 27(3), 445-450.

• 水熊蟲真的能跟量子位元「量子糾纏」嗎？
• 逼近 50% 的癌症研究實驗無法被重現？RPCB 耗時 8 年點出「再現性危機」
• 大資訊時代也是大駭客時代！——你該認識的駭客新興手法
• Omicron 變種病毒從哪來？打疫苗有用嗎？Omicron 相關研究彙整
• 推理系動畫毒殺利器！——認識致命的「河魨毒」

編按：你的理智知道「眼見不為憑」，但你的眼睛還是會背叛你的理智，不自覺得被眼前的影像所吸引，儘管你真的、真的知道他是假的。Youtuber 小玉於2021年底涉嫌利用 Deepfake 技術，偽造多位名人的色情影音內容並販售的事件，既不是第一起、也不是唯一、更不會是最後一個利用「深偽技術」進行科技犯罪的事件。

當科技在走，社會和法律該如何跟上甚至超前部署呢？本次 Deepfake 專題，由泛科學和法律白話文合作，從Deepfake 技術與辨偽技術、到法律如何因應，讓我們一起全方位解析Deepfake！

第一篇，讓我們就 Deepfake 技術做一基礎的介紹，那我們就開始囉！

什麼是 Deepfake？

深偽技術 Deepfake 於 2017 年陸續開始進入大眾的目光中。原文 Deepfake 源自於英文「deep learning」（深度學習）和「fake」（偽造）組合，主要意指應用人工智慧深度學習的技術，合成某個（不一定存在的）人的圖像或影片、甚至聲音。最常見的應用，就是將影片中的人臉替換為另一張臉（常是名人），讓指定的臉在影片中做出自己從未說過或做過的事情。

現今談到 Deepfake，大多數人想到的可能是偽造的成人影片，就如前述 Youtuber 小玉的事件，Deepfake 一開始受到關注，主要與名人或明星的臉部影像被合成到成人影片有關，然而，Deepfake 的功能遠不僅於此，相關的技術使用還包括了替換表情、合成一整張臉、合成語音等等。

除了像是讓過去或現在的名人在影片中「栩栩如生」做出使用者想要的表情與動作，之前在社群媒體上曾有好幾款 APP一度風靡，包括上傳一張照片就可以看看「變老」「變性」自己的 FaceApp，甚至於讓自己的臉在經典電影中講上一段台詞的「去演」APP，這類的功能也是應用前述 Deepfake 的技術。

雖然有些線索顯示這類 APP 常有潛在的資安疑慮[註]，但好歹技術的成果多屬搏君一燦自娛娛人，尚可視為無傷大雅。

而過往電影的影音產業要仿造人臉需要應用許多複雜、耗時、昂貴的電腦模擬，有了 Deepfake 相關的技術，也使得許多只能抱憾放棄的事情出現了彌補的空間。最有名的應用應是好萊塢電影《玩命關頭7》與《星際大戰》系列。《玩命關頭7》拍攝期間主角保羅・沃克（Paul William Walker IV）意外身亡，剩下的戲份後來由弟弟擔綱演出，劇組再以 Deepfake 的技術讓哥哥弟弟連戲，整部電影才得以殺青上映。

Deepfake 讓「變臉」變得太容易了？

想想過去的電影如《魔戒》中的咕嚕、或是 2008 年布萊德・彼特主演的《班傑明的奇幻旅程》，將影片或照片中人物「換臉」「變老」的修圖或 CG 技術，在 Deepfake 出世之前就已經存在了。Deepfake 受到關注的核心關鍵在於，應用 AI 的深度學習的演算法，加上越來越強大的電腦與手機運算能力，讓「影片換臉」這件事情變得越來越隨手可得、並且天衣無縫。

過往電影中採用的 CG 技術要花好幾個月由專業人士進行後製，才能取得難辨真偽的影像效果，而應用了 AI 演算法，只需要一台桌上型電腦甚或是手機，上網就可以取得軟體、有機會獲得差強人意的結果了。

進一步，傳統軟體演算法主要依靠工程師的持續修改調整，而如 Deepfake 這類技術，內部的演算法會經過訓練持續進化。有許多技術被應用於提高 Deepfake 的偽造效果，其中最常見的一個作法被稱為「生成對抗網路（Generative Adversarial Network, GAN）」，這裡面包含了兩組神經網路「生成器（Generator）」和「辨識器（Discriminator）」。

在投入訓練資料之後，這兩組神經網路會相互學習訓練，有點像是坐在主人頭上的小天使與小惡魔會互相吐槽、口才越來越好、想出更好的點子；在練習的過程中，「生成器」會持續生成偽造的影像，而「辨識器」則負責評分，反覆訓練下來，偽造生成的技術進步，辨識偽造的技術也得以進步。

舉例來說，This Person Does Not Exist 這個網站就充滿了使用 GAN 架構建構的人臉，這個網站中的人臉看上去非常真實，實際上都是 AI 製造出來的「假臉」。

Deepfake 影片不一定是問題，不知道是 Deepfake 才是問題

現今的 Deepfake 技術得以持續進步、騙過人眼是許多人努力的成果，也不見得都是壞事。像是《星際大戰：俠盜一號》片尾，年輕的萊婭公主出面驚鴻一瞥，就帶給許多老粉絲驚喜。這項技術應用癥結在於，相關演算法輕易就能取得，除了讓有心人可以藉以產製色情影片（這類影片佔了Deepfake濫用的半數以上），Deepfake 製造的影片在人們不知情的情況下，很有可能成為虛假訊息的載體、心理戰的武器，甚至於影響選戰與輿情。

因此，Deepfake 弄假似真不是問題，閱聽者因此「不辨真假」才將是最大的問題所在。

相關的研究人員歸納了幾個這類「變臉」影片常見的特徵，可以用來初步辨識眼前的影片是不是偽造的。

首先，由於 AI 尚無法非常細緻的處理一些動作細節，因此其眨眼、視線變化或臉部抽蓄的動作會較不自然。其次，通常在邊緣處，如髮絲、臉的邊緣線、耳環等區域會出現不連貫的狀況。最後，在一些結構細節會出現不合理的陰影瑕疵，像是嘴角的角度位置等。

由於現階段的 Deepfake 通常需要大量的訓練資料（影像或影片）才能達到理想的偽造成果，因此會遭到「換臉」的受害者，主要集中在影像資源豐富的名人，如電影明星、Youtuber、政治人物等。需要注意的是，如果有人意圖使用 Deepfake 技術製造假消息，其所製造的影片不見得需要非常完美，有可能反而降低解析度、非常粗糙，一般人如用手機瀏覽往往難辨真假。

人眼已經難辨真假，那麼以子之矛攻彼之盾，以 AI 技術辨識找出 Deepfake 的成品，有沒有機會呢？隨著 Deepfake 逐漸成為熱門的議題，有許多團隊也開始試圖藉由深度學習技術，辨識偽造影像。2020 年臉書與微軟開始舉辦的「換臉偵測大賽」（Deepfake Detection Challenge）就提供高額獎金，徵求能夠辨識造假影片的技術。然而成果只能說是差強人意，面對從未接觸過的影片，第一名辨識的準確率僅為 65.18%。

對於 Deepfake 可能遭到的濫用，某部分我們可以寄望技術的發展未來終將「道高一尺」，讓社群平台上的影像不致於毫無遮攔、照單全收；然而技術持續「魔高一丈」讓防範的科技追著跑，也是顯而易見的。

社群網路 FB 在 2020 年宣布全面禁止 Deepfake 產生的影片，一旦有確認者立即刪除，twitter 則強制註記影片為造假影片。Deepfake 僅僅是未來面對 AI 浪潮，科技社會所需要應對的其中一項議題，法律、社會規範如何跟上？如何解決箇中的著作權與倫理問題？這些都將是需要經過層層討論與驗證的重要課題。

至少大家應該心知肚明，過往的網路流行語：「有圖有真相」已經過去，接下來即將面臨的，是一個「有影片也難有真相」的網路世界了。

• 註解：推出 FaceApp 與「去演」的兩家公司其軟體皆要求註冊，且對於上傳資料之後續處理交代不清，被認為有侵犯使用者隱私權之疑慮。

參考資料

1. Deepfakes and the New AI-Generated Fake Media Creation-Detection Arms Race – Scientific American
2. What To Do About Deepfakes | March 2021 | Communications of the ACM
3. Tolosana, R., Vera-Rodriguez, R., Fierrez, J., Morales, A., & Ortega-Garcia, J. (2020). Deepfakes and beyond: A survey of face manipulation and fake detection. Information Fusion, 64, 131-148.
4. Deepfake 深偽技術的技術濫用與道德困境，大眾正要開始面對 | TechNews 科技新報
5. 台灣團隊研究辨識Deep Fake影片　深偽技術的正邪之戰開打 | 台灣事實查核中心 (tfc-taiwan.org.tw)

• 水熊蟲真的能跟量子位元「量子糾纏」嗎？
• 逼近 50% 的癌症研究實驗無法被重現？RPCB 耗時 8 年點出「再現性危機」
• 大資訊時代也是大駭客時代！——你該認識的駭客新興手法
• Omicron 變種病毒從哪來？打疫苗有用嗎？Omicron 相關研究彙整
• 推理系動畫毒殺利器！——認識致命的「河魨毒」