如果你这几天在海外社交网络上出没，应该也注意到了一股神奇的风潮：所有人都在分享自己40年后的照片……

当然，人类还没有发明出时光机器。这些照片，并非来自真正的40年以后，只是效果太过于真实和美好。并且，似乎每一位帅哥靓女，在40年后都变成了英俊大叔和时尚女魔头：

乔纳斯大叔组合（原图 Jonas Brothers)：

复联组合：

说唱歌手 Drake：

歌手碧梨：

就连三十年逆生长的蚁人 Paul Rudd，也终于变成了帅大叔：

除了变老之外，FaceApp 还支持去皱纹、变性别、加笑脸、拼图等功能。

从美图秀秀，到 Instagram、Snapchat，许多软件都以脸部滤镜见长。即便如此，许多人还是第一次见到了如此惟妙惟肖的人工智能脸部合成效果。

FaceApp 到底是怎么做到的？

其实在最近爆红之前，FaceApp 已经存在很久了。它的开发公司位于俄罗斯圣彼得堡，创始人雅罗斯拉夫·冈查洛夫 (Yaroslav Goncharov) 是“俄国版 Google” Yandex 的前高管。

冈查洛夫曾经透露，FaceApp 所依赖的正是深度神经网络，也即人工智的背后技术。

具体来说，FaceApp 采用的是“深度生成式卷积神经网络”(deep generative convnets)。

人工神经网络是粗略仿照人脑神经连接结构而人工构建的计算机程序。就像信号在人脑的神经元之间传递那样，科学家用数学的方式在节点之间传递和计算。最终，神经网络得到了识别特征的能力。

FaceApp 从你的人像照片里提取关键的特征点（比如脸型、五官的相对位置、发型等），同时对其它非重要的特征点（比如皮肤颜色、皮肤材质、发色等）进行修改。最终，因为重要特征被保留，你得到了一张看起来老了40岁的照片。

FaceApp 所采用的深度生成式卷积神经网络，属于生成式对抗网络，也即最近在圈子里很流行的“GAN”(generative adversarial network) 的一种形式。

微软亚洲研究院提供了一段描述，对于理解 GAN 的工作机制很有帮助：

男：哎，你看我给你拍的好不好？

女：这是什么鬼，你不能学学XXX的构图吗？

男：哦

 

男：这次你看我拍的行不行？

女：你看看你的后期，再看看YYY的后期吧，呵呵

男：哦
 

男：这次好点了吧？

女：呵呵，我看你这辈子是学不会摄影了

 

男：这次呢？

女：嗯，我拿去当头像了

男生一直试图拍出像优秀摄影师一样的好照片，女生一直以挑剔的眼光找出“自己男朋友”和“别人家的男朋友”拍的照片的区别。两者的交流过程：男生拍照 ->女生分辨男生拍的和自己喜欢照片的区别->男生根据反馈改进技术，拍新照片->女生根据新照片继续提改进意见->……，直到均衡出现：即女生不能再分辨出“自己男朋友”照片和“别人家的男朋友”照片的区别。

正因为此，GAN 很适合用来人工合成虚假的，但看起来很“真实”的视觉素材，比如图像，甚至视频。

目前，网上可以找到的大部分 FaceApp 老年照片，在第一次老化时的效果最好。但如果你连续多次进行老化处理，就会发现 FaceApp 使用人工神经网络的线索：

在第三张照片里，你已经能清楚地看到人工神经网络是如何从第二张照片里提取并强化皱纹特征的。而在第四张里，皱纹的强化效果太过于明显，出现了失真。

在人脸上，GAN 可以做很多事情。FaceApp 的变老、去皱纹、变性别、加笑脸等等，都是 GAN 实现的。用 Instagram、Snapchat、抖音等 app，还可以实现瘦脸、化妆、加猫耳朵等效果。这一类改变，我们可以将其命名为特征修改。

用美图秀秀，可以把人脸照片换成动漫风格；之前有一个app 曾经火过一段时间，名叫 Prisma，能把任何照片改成类似梵高《星夜》那样的风格。这种改变，叫做风格迁移 (style transfer)：

GAN 还有一个方向，就是像很多科幻电影里那样，对一张模糊照片进行超分辨率清晰化 (super-resolution)。

下图中，左边为故意模糊的初始照片，中间为超分辨率的效果，右边为模糊处理之前的原图。可以看出，尽管复原的照片和原图仍有可分辨的区别，但至少清晰化的效果令人震惊。

尽管 GAN 可以做很多事情，从2017年上线以来，FaceApp 一直坚持在用 GAN “写实”的方向上努力。冈查洛夫曾经宣称，市面上没有其它的产品或者论文研究，能够在写实效果上超越 FaceApp 的水准。

“谁可以真实反映一个人的脸：摄影师、镜子，还是画家呢？”毕加索曾经这样说过。

现在，人工神经网络不但能真实反映人脸，甚至还可以生成全新的、足以以假乱真的人脸……