1969年阿波罗11号成功登陆月球，阿姆斯特朗说出了那句至今让无数人记忆犹新的话“这是我个人的一小步，却是全人类的一大步”。
现在，故事出现了反转…..
在俄罗斯的一个科技展上，美国谷歌的人工智能通过神经网络对美国登月照片进行了大量分析，包括光的明暗对比等，并用红色对可能造假的部分做了标记，最后得出结论：登月那张照片是合成的。
图片
与此同时，神经网络对关于中国月球车的照片没有识别出特别问题。
有意思的是，俄联邦储蓄银行负责人格尔曼·格列夫则说，上述结论不是俄罗斯公司的神经网络得出的，而是美国公司谷歌的神经网络在根据多个指标进行分析的基础上得出的。（大.....大义灭亲？☺）
对此，文摘菌也询问了一下谷歌强大的AI模型Bard，得出的结论是.......
图片
可能不同的AI模型会得出不同的结论？这确实让人绷不住了。
起底图片合成
最初图片合成的技术基础是“左右互博术”GAN（生成对抗网络），这一概念由机器学习研究者Ian Goodfellow在2014年提出。之所以叫“生成”是因为该模型的输出为图像一类的信息，而非与输入数据相关的预测值（比如“该图像是否是根热狗”的预测）；“对抗网络”则是因为该模型使用两组猫鼠游戏一般相互竞争的神经网络，就像收银员和伪造者斗智斗勇一样：一方试图欺骗另一方认为它拿的真实钞票，而另一方则试图区分钞票的真伪。
其实，最开始的那一批生成对抗网络（GAN）图像很容易就能被发现不是真实照片。
比如2014年的这些图片：
图片
后来，在GAN的加持下，AI生成的图片越来越逼真。真正让图片合成出圈的是一款名为Deepfake的应用。通过"Deepfake"应用，计算机可以对数百份照片或录音进行采样合成，伪造一些人们没有说过的录音或是照片。
曾经，美国众议院议长Nancy Pelosi的一段深度伪造的谈话视频在Facebook上获得了超过250万次的浏览量。
相比于GAN，扩散式生成模型是当期比较火的一个图片合成模型。它拥有一些良好的性质，比如静态的训练目标和易扩展性。此外，还有自回归模型方法，其能够更加自然的处理多模态数据，以及利用目前流行的Transformer模型。
2021年OpenAI的DALL-E问世让人们惊艳于AI根据一段话直接生成图像的能力。
一年后，更新版的DALL-E 2实现了更高分辨率和更低延迟，而且还包括了新的功能，如编辑现有图像。
今年9月份，OpenAI 的文生图 AI 工具 DALL-E 系列迎来了最新版本 DALL・E 3。据悉，DALL・E 3 比以往系统更能理解细微差别和细节，让用户更加轻松地将自己的想法转化为非常准确的图像。
图片
随着DALL-E，Stable Diffusion和DreamFusion的发布，AI 作画和3D 合成实现了令人惊叹的视觉效果并且在全球范围内的爆炸式增长
美国登月谜团
我们再来说回美国登月计划。1961年4月12日，苏联宇航员尤里·加加林成为了首次进入航天的人类，加深了美国对在航天竞赛中落后的恐惧。于是基于军备竞赛的考虑美国发起阿波罗计划（Project Apollo）。
阿波罗计划是美国航空航天局从1961年-1972年从事的一系列载人航天任务，计划在1960年代的10年中，主要致力于完成载人登陆月球和安全返回地球的目标。
1969年，阿波罗11号宇宙飞船达成了上述目标，尼尔·阿姆斯特朗成为第一个踏足月球表面的人类。为了进一步执行在月球的科学探测，阿波罗计划一直延续到1970年代早期。
整个阿波罗登月工程历时约11年，到1972年12月第6次登月成功结束，耗资255亿美元。在工程高峰时期，参加工程的有2万家企业、200多所大学和80多个科研机构，总人数约40万。严格而科学地管理几十万人奋斗8年，实现登月工程，集中体现了现代科技的水平，推动了航天技术的迅速发展。
但阿波罗计划中的登月事件一直存在真假难辨。质疑者声称在月球照片中发现了某些 "矛盾"，例如星星的缺失、影子的方向不一致、旗帜似乎在飘动等。他们认为这是在一个电影棚或类似的环境中拍摄的。
这次谷歌AI给出的结论，仅从现有信源来看还有一些可以商榷的地方，例如用的谷歌AI哪个模型？用哪些数据训练得到的神经网络？这些目前都尚未可知。
那么，对于谷歌AI给出的结论你怎么看？欢迎在评论区留言~
参考来源：
https://3g.china.com/act/military/64/20231126/45808666.html
https://bbs.hupu.com/623292611.html