雷锋网 AI 开发者按：就在上个月，Facebook 发起 Deepfakes 检测挑战赛，悬赏 1000 万美元打假 AI 换脸。
现在，这个挑战赛有了新动作，Facebook 找到了 AWS、微软等志同道合的盟友发布了挑战赛的初始数据集，并向世界各地的 AI 大佬发起了比赛邀请。Facebook 发布了文章来详细的介绍这一进展，雷锋网 AI 开发者将相关内容整理编译如下。
开发有效检测虚假视频的技术无论是对于整个行业还是整个社会来说，都是非常重要的事情。同样，开发这些工具也需要人工智能领域专家的支持与合作。为了加速这项重要的工作，我们现在发布了 100000 多个视频的第一个子集，这些视频是专门为「Deepfakes 检测挑战」（DFDC）创建的。
我们在上个月发布了 DFDC 计划，旨在推动新工具的开发，从而更好地检测哪些地方使用了人工智能来更改视频或图像，造成了观众的误解。现在，我们也很高兴的宣布，DFDC 计划已经得到了亚马逊网络服务公司（amazon web services，aws）和其他几位领先的学术研究人员的支持与加入。
DFDC 数据集将包含各种新的、高质量的视频，这些视频是专门为研究 Deepfake 挑战赛而制作。这些视频的录制只使用付费的演员，他们已经与我们达成了协议，并帮助我们创建数据集，这样可以避免可能妨碍研究人员工作的一些限制。数据集和排行榜以及 Facebook 资助的奖金和奖励的信息可在 DFDC 网站上获得。
为了确保数据集和挑战参数的质量，我们现在正在与从事这一领域的研究人员共享前 5000 个 DFDC 视频。从 10 月 27 日开始，我们将在首尔举行的国际计算机视觉会议上收集反馈意见，并举办有针对性的技术工作会议。完整数据集发布和 DFDC 发布会将在（neurips）今年 12 月上线。
目前，DFDC 数据集其中一个组成部分是由上万个包含人脸的视频所组成，该数据集附带的标签描述了它们是否是使用了面部操作技术生成。数据集中的所有视频都是在获得付费参与者同意的情况下创建的，并且数据集将免费提供给社区，用于开发、测试和分析检测具有被操纵面孔的视频的技术。
DFDC 网站：
https://deepfakedetectionchallenge.ai/
数据集地址：
我们认识到，社区需要共同努力，才能建立起更有效处理 Deepfake 的工具。其中，更多的行业合作伙伴，以及学术界、媒体和社会组织联合起来将成为实现这一目标的关键。
AWS 作为技术合作伙伴及人工智能和媒体诚信新指导委员会（Partnership on AI』s new Steering Committee on AI and Media Integrity）的成员也加入了这项工作。该委员会将监督这一挑战，它将由一个广泛的跨部门组织联盟组成，包括 Facebook、Witness、微软、纽约时报以及社会、技术、媒体和学术界的其他组织。
AWS 不仅贡献了高达 100 万美元的 AWS 信用额度来支持这一挑战，也将让 Amazon ML 解决方案实验室的专家提供技术支持和指导。挑战赛结束之后，AWS 还将与参赛团队合作，并基于选手个人意愿，提供了在 AWS 模型市场上托管他们模型的机会。
AWS 博客：
Pietro Perona 教授
「作为人工智能领域的长期研究者，我相信人工智能能够而且应该成为世界上有益的力量！」加州理工学院电子工程与计算机及神经系统的 Pietro Perona 教授说道，他既是 AWS 的研究员，也将担任 DFDC 的技术顾问。
他告诉我们：「要打击利用 Deepfake 作为欺骗公众、威胁社会和民主的工具，就必须勇敢的面对它。这也是我为什么热衷于帮助组织「Deepfake 检测挑战赛、并与 Facebook、the Partnership for AI 以及其他同时合作创建一个有助于动员机器学习和计算机视觉社区竞争。正是因为竞争使我们团结起来，帮助我们理清要解决的问题，确定我们可以采取的行动步骤，并为之后的进展确定一个标准，来帮助世界在现实和虚构之间保持一条光明的界线。」
Laura Leal Taixé 教授
来自慕尼黑工业大学动态视野与学习小组的负责人——Laura Leal Taixé 教授，也在我们为更广泛的社区开发数据集时加入了我们，并担任学术顾问和合作者。她和 Facebook 人工智能的 Cristian Canton Ferrer 将在国际计算机视觉大会 ICCV 大会上主持 DFDC 发布会。
「生成真实图像的技术正在以惊人的速度进步着。虽然从技术角度来看，这令人难以置信地兴奋，但也有明显的社会担忧，假的媒体视频显然是其中之一。对目前还没有完全数字化，也依赖印刷媒体的一代人来说，这一点看起来并不重要；但未来几代人更多的是只会以数字格式消费新闻，而且完全容易受到假新闻和目标媒体泛滥的影响。」
Leal-Taixé说道，「因此，对于社会来讲，教育这些新一代媒体消费，提高人们对已存在于我们身边的虚假新闻的正确认识将是一个很大挑战。从我们的角度来看，我们必须更加努力地创造新技术来对抗数字伪造，这也只有工业界和学术界联合起来，才有可能实现，我认为 DFDC 是朝这个方向做出的杰出努力！希望这能激励成千上万的智者来解决这个问题。」
Luisa Verdoliva 教授
那不勒斯大学费德里科二世工业工程系的 Luisa Verdoliva 教授也将加入 DFDC 并担任学术顾问。除此之外，Leal-Taixé 教授和 Verdoliva 教授也将与其他领先的学术研究人员共同帮助打造这一挑战赛。
我们相信，这种开放的、基于社区的努力将加速开发新的开源工具，以防止人们使用人工智能操纵视频以欺骗他人。
Deepfake 检测挑战的目标是什么？
与 Deepfake 和其他被篡改媒体相关的 AI 技术正在迅速发展，这使得 Deepfake 越来越难被发现，有时甚至连人类评估人员都无法可靠地分辨出两者的区别。「Deepfake 检测挑战赛」旨在通过邀请参与者参与竞争，创造检测假视频、防止大众被媒体误导的新方法，并激励该领域的快速发展。
挑战什么时候开始？
随着扩展数据集的发布，Deepfake 检测挑战将于 2019 年 12 月启动。
提交截止日期是什么时候？
这项挑战将持续到 2020 年 3 月底。
挑战如何进行？
参与者可以下载用于训练模型的数据集，然后提交代码到黑盒环境中进行测试。我们将在今年晚些时候开始提交挑战，届时将提供指南和数据集许可证。
如何创建训练数据集？
我们正在构建一个新的训练数据集专门针对这个挑战。为了创建这个数据集，我们正在与一个第三方供应商合作，该供应商雇佣了一组不同的同意参与为这个挑战创建数据集的人员。然后，我们使用各种不同的人工智能技术，基于这些未经修改的视频的子集创建被篡改的视频。
谁能参加挑战？
挑战将是全球性的，参与者在参与挑战之前需要同意我们的数据集许可证。
是否在数据集中使用来自社交媒体或视频平台的用户数据？
训练数据集中不包括社交或视频平台的用户数据。我们正在为这一挑战构建一个新的数据集。
如何判断挑战/如何选出胜利者？
我们将提供一个测试机制，使团队能够根据我们的创始合作伙伴提供的一个或多个黑盒测试集对其模型的有效性进行评分。
挑战参与者对他们为挑战而创造的技术有什么权利？
参与者将保留其在训练数据集上训练模型的权利。Facebook 及其分包商将获得参与者使用这些模型管理挑战赛的权利。
如何防范那些试图访问代码和数据的对手？
我们将限制对训练数据集的访问，以便只有接受挑战的研究人员才能访问它。每个参与者都需要就如何使用、存储和处理数据的使用条款达成一致，共享数据也有严格的限制。
更多详细信息，请访问 DFDC 网站：
雷锋网 AI 开发者
正在生成分享图...