文／一碗蘿莉面｜神經病學博士

和男友同時去洗手間，等我終於上完廁所出來，他已經坐在外面的椅子上打完了兩局王者榮耀。看著對面男廁所，風一般進進出出；這邊女廁所的長隊，山一般巋然不動。你有沒有想過——

為什麼女廁所總是排隊排很長？

什麼時候開始有了女廁所？

在19世紀以前，是沒有「公共廁所」這一說的——要是在大街上突然萌生了便意，男人一般找個隱蔽的地方就地解決，女人要麼憋著回家，要麼就跑到遠遠的樹林裡，一再確認周圍沒人再解決。那時候，女人一般都是家庭主婦，上街根本不用多待——只是買日用雜貨而已，街上也沒什麼好逛的——想想四處都有人「就地解決」就明白了。

隨著時代的發展，人們對城市衛生的要求越來越高。在 1851 年倫​​敦萬國工業博覽會上，英國人喬治·詹寧斯（George Jennings）向世人展示了第一座公共廁所。只要花一便士，人們就能體會體會這個新鮮事物。那會兒，超過 80 萬人給錢進去一探究竟，其中就不乏女性。

不過，雖然觀者甚眾，女人們對這座公廁還是滿腹狐疑——要在公共場合解開裙帶？當時的她們想想都覺得「離經叛道」。所以當時，「公共女廁所」這個概念，幾乎沒人接受。

直到 20 世紀以後，公共女廁所才開始多了起來。這並不是因為女人們突然想通了，而是因為出門工作的女性越來越多。並且，隨著社會生產力的發展，「逛街」終於成了女人的樂趣，而不是家庭主婦的負擔[1]。在大街、商場、公園，女人終於能昂首闊步、三五成群地出現了，女廁所也就成了公共場合必需存在。

女人上廁所為啥這麼久？

到了現代，上公共廁所已不是什麼需要做心理建設的事情。但新時代女性又聽見了新的問題：「你上個廁所為啥那麼久？」

這可能是很多男友的抱怨了。對於這個問題，我只想回答：

我也不想啊！

有研究人員統計了男女分別上小號的時間，發現女性是男性的 1.5 到 2 倍[2]。為什麼長那麼多？想想雙方分別上廁所的流程就知道：男人瀟灑地走到小便池撒完就 OK 了，可女人還得開關隔間門，穿脫複雜的衣服，擦擦馬桶圈，有時候還自帶長筒襪、連身褲這些反人類的存在······

女性還有許多特殊的時期。比如月經期間，女人上廁所比平時更加頻繁，更換衛生巾或棉條也需要相當一段時間；而孕婦由於增大的子宮擠壓膀胱，不僅上廁所不易，還經常出現尿頻現象。

除了生理方面的原因，女人上廁所排隊還可能有一些其他因素：比如，一些大型商場百貨等地方，女人本來就比較多；一些女孩會成群結隊去上廁所（倒也正好打發排隊無聊的時間了······）。

除卻以上這些前提，更關鍵的問題在於，目前大多數公共廁所男女一樣大的設計實在是不合理。舉個例子，下圖同樣大小的男女廁所，男廁可以塞下12個小便池外加2個馬桶，而女廁只能放下10個馬桶。大部分人在公共廁所都是上小號，這種情況下女廁所自然排隊時間更長了 [2]。

為了解決女廁所排隊問題的各種「奇招」

為了解決女廁所總是排長隊這樣一個世界性的大難題，各地也是奇招頻出。

2010年在陝西師大，幾個「女性站立式小便器」成了一道新鮮的校園風景，一時引起熱烈討論。除了解決廁所排隊問題，這些站立小便器據說還有節水節電的好處。不過，女性朋友們應該還是不太習慣這種上廁所方式，所以這種廁所並沒有推廣起來 [3]。

無獨有偶，在國外也有類似的發明。同樣地，使用體驗如何就不得而知了······

也許有妹子會問：如果男廁所一個人都沒有，我能不能悄悄溜進去啊！利用閒置的廁所空位聽起來似乎是個好思路？的確，有人設計了一種光明正大地進入男廁所的方法——「男女共用廁所」。

這一排廁所可以放置在男女廁所之間，能從兩邊開門，感覺大大提高了利用率。不過，這種理念是否有實物投放及具體效果如何，還未見諸報導。

另外，設置「無性別廁所」也是提高公廁利用率的一種嘗試。

然而，除了這些奇招新招，有沒有更加靠譜的方法能解決女廁所的排隊問題？

為什麼不乾脆…讓女廁所多一點？

也許你也已經意識到：直奔問題本源不就好了嗎？前面提到，男女廁所一樣大的設計本來就不合理。很多人意識到，要解決女廁所排長隊問題，最好的方法顯然是——增加女廁所。

在美國，很多有年頭的建築物中，要麼女廁所很少，要麼壓根沒有。因為它們建成的時候，工作的女人還很少。當女人越來越多地進入社會工作後，她們開始呼籲「廁所平等」。1989年，第一個「廁所平等」法案在美國加州通過，由一位不堪忍受等老婆上廁所的男參議員提出。不過，直到1993年，美國國會大廈參議院所在樓層才有了第一間女廁所[4]；而眾議院甚至直到2011年，才開始有第一間女廁所[5]。

從沒有到有，從面積一樣大到意識到這還不夠，一些建築設計師開始想方設法從設計上解決排隊問題。在紐約市中央車站的候車大廳，有一處「女性專用廁所」。中央車站的其他廁所都分男女，但是候車區的這個可是女性獨享的——它由兩間女廁所構成，其中一間是從過去的男廁所改過來的[6]。

在新加坡，一些新建的公園、會議中心等公共場所，也遵循了女廁所應略多於男廁所的建造原則[7]。

而在中國，也有許多人關注著這個問題。2012年在廣州，幾位女大學生發起了「佔領男廁所」的行為藝術，旨在向公眾及政府呼籲廁位分佈更加合理，公共場合男女廁位應達到2：1 [8]。

如今，解決這個問題的明確嘗試終於出現。去年12月起，中國住房和城鄉建設部發布的新版《城市公共廁所設計標準》，將人流集中場所的女性廁位與男性廁位比例調整為2：1或更大。這個標準的出現對於有過無數排隊經歷的女性無疑是個好消息[9]。

由於種種因素，女性如廁時間較長的現實是肯定無法改變的。但希望在不遠的將來，女廁所門口排著的隊伍，能夠不再這麼長。

參考資料

• A brief history of the ladies’ bathroom
• Researchers study lengths of restroom queues
• 女性如厕革命！惊现站式小便器
• Women in the House get a restroom
• The Everyday Sexism of Women Waiting in Public Toilet Lines
• A ‘Women Only’ Restroom Renovation Tips the Balance at Grand Central
• Why public toilets are unfair to women
• 女大学生发起”占领男厕”运动受男士称赞
• 城市公共厕所设计标准 [附条文说明] CJJ14-2016

本文版權屬於果殼網，原文為〈为什么女厕所总是排长队？〉禁止轉載。如有需要，請聯繫 sns@guokr.com 

• 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」