生成式AI的潛藏危機

近來Midjourney、Sora等生成式人工智能（AI）創作令人感到驚奇，能於數秒至數分鐘生產出讓人難辨真假的圖片及短片。生成式人工智能（Generative AI）屬於深度學習（Deep Learning）的一個分支，這意味著生成式AI的工作原理是機器學習模型，通過學習數據中的規律或模式（pattern）來生成新的內容。其中語言模型及深度學習，讓它能根據用戶輸入的資料來創造新內容。而這些創新的內容不限於文本，還包括圖像、動畫和3D模型等類型。^[1]

圖像生成式AI能夠生成逼真的圖像。其中一種常用的模型是生成對抗網絡（GAN）。GAN由生成器和判別器組成：生成器負責生成假圖像，而判別器則試圖區分真實圖像和生成的圖像，兩者的工作在互相對抗。通過反覆訓練和對抗，GAN能夠生成愈來愈逼真的圖像。GAN可用於生成圖像、增強圖像解析度，以及創作藝術作品等。

而短片生成式AI也類似圖像生成式AI，短片生成也同樣可以使用GAN等模型。短片生成的挑戰在於同時要考慮時間和空間的因素，確保生成的短片具有連貫性和流暢性。它可以被廣泛應用於電影特效、動畫製作和遊戲開發等領域，創造出逼真的特技效果、生成動畫序列、改編故事情節等。這種技術為電影業和創意領域帶來了巨大的創作產量，令生產力大幅提升。AI能按照文字輸入指示而生成不同風格的圖片，而且生成的時間以秒計算，效率遠高於傳統按天產出的設計師，^[2] 讓不少畫師、設計師面臨著失業的風險，但對於能掌握應用的設計師則如虎添翼。

背後的隱憂

由於生成式AI是以自動化形式生成圖像或影片，它能帶來無限的可能性，亦存在著不確定性和失控的風險。生成式AI模型的輸出是由訓練數據驅動，它可能會生成不正確、帶有誤導性或偏見的內容或圖片。

AI圖片、短片非常逼真，如讀者要判別它們的真偽，真的要花時間去細看、尋找資料比對。暫時有以下的方法去判別：

1. 圖片人物的手部形態是否自然、影片中人物的步行動作有否怪異，背景影像是否模糊，有否帶有難以識別的文字等；
2. 生成的圖片是否過於完美，如人物皮膚光滑得沒有瑕疵，身材比例以至光線都過於完美等；
3. 使用AI圖片檢測程式（但結果未必完全可信，有媒體測試過這些檢測程式，發現它們的準確度參差）^[3]；
4. 透過搜索引擎尋找圖片來源及背景脈絡，查明是否真有其事；
5. 檢索事情的真確性，如圖片是否有不合乎物理規律的現象出現等。^[4]

首兩點提到圖像或影片中的不自然情況，值得注意的是，在現行階段，生成的內容仍可能存在失真或不自然之處，只要用心細看，仍可看到破綻。但由於AI正在高速地學習，它不會停下來，而且進步速度極快。可以預見它於未來將逐步改善，憑肉眼就可判別真偽的情況可能很快就會過去。

亦正因如此，如這些AI模型被惡意使用，生成逼真的假新聞、虛假訊息或誤導性內容，這可能導致公眾誤解事件，混淆是非，損害訊息的可信度和可靠性，其後果可能帶來社會不穩定等負面影響。而AI的創作亦可能存在偏見和歧視，特別是當它受到內容不夠持平的數據訓練，生成了具有偏見的內容時，可能會加劇社會不平等和歧視問題。

生成式AI亦可能成為造謠、欺凌的工具，它可以生成虛假的個人資訊，運用這些資訊便可以冒充他人的身份。這可能導致網絡欺凌、惡搞事件、人身攻擊、仇恨言論等問題。而私隱方面，生成式AI模型需要大量的數據進行訓練，這些數據可能包含個人身份資訊和敏感內容；甚至用戶在輸入文字給生成式AI時，亦可能包含了自己的私隱及相關數據。如果這些資料及數據被濫用或洩露，可能導致隱私被嚴重侵犯和倫理問題。

對網絡生態的影響

2024年3月，歐洲議會通過了《人工智能法案》，以嚴格規範人工智能的使用。法案將規範的人工智能，包括生成式AI，在經過大量數據的訓練以後，它能生成新內容甚至執行任務。法案的條款會分階段自2025年起在歐盟境內逐步實施。^[5] 而中國政府亦會落實對生成式AI的要求，監管相關的內容。^[6] 這些法案能在規管AI生成內容方面起到一定的作用，不過AI的高速成長與發展影響著各個範疇，其高速生成的文字、圖片與及影片都會一直傾倒於網絡當中，未來亦會被「它自己」繼續取用來生成更多真假難辨的資訊，要規管這海量的資訊也有一定難度。筆者難以想像未來的網絡生態，當網絡充斥著許多AI生成、又難辨真偽的資訊，網民是否仍可於網海中找到真實及可信的資訊？又或者網絡會否完全變成虛假、只為大家提供娛樂及過於完美的超真實世界？