有没有过一个瞬间，你恨不得自己变成一团空气？
物理上做不到，真是遗憾。
但现在，你可以在AI面前练成“隐身术”，只要在肚子上贴一张图片。
虽然肉眼看得到你在挥手，目标检测算法已经当你不存在了：
YOLOv2被骗了
划重点，是隐身不是变身，AI没有把你识别成其他物件，是全然忽视你的存在，只看到旁边的兄弟。
如果，你想把隐身术传给小伙伴，把“隐身衣”递给他就好了：
这下，AI终于看出了你的身型，小伙伴就成了空气。
被骗的这只AI是目标检测界的翘楚YOLOv2。骗它的两位少年，来自比利时鲁汶大学。
如此一来，是不是就能逃过智能监控系统，潜入某个空间，做奇怪的事情也不被察觉……人类真危险。
谷歌大脑的科学家David Ha安利了这篇研究，已有4,200多人类盛情点赞，大胆的想法也接二连三。
未来，是赛博朋克的未来
“什么时候印成T恤啊？”
“对啊对啊，卫衣更好。”
不过，在图片变成衣服的印花之前，还是先来看看图上有什么玄机。
这不是“乌龟变步枪”
大家可能早就听过，乌龟变步枪的故事。
悄悄改动乌龟身上的纹路，人类看起来依然是乌龟，AI却认成了步枪：
这样的欺骗，就是著名的对抗攻击 (Adversarial Attacks) 。
比利时少年的隐身术，也是一种对抗攻击，但和前辈们非常不同。
最主要的差别在于，人类和从前那些加了纹理的物体 (比如停车标志) 不一样：虽然每个人都是人，但个体之间差异很大。
停车标的个体差异，很小很小
在这样多变的情况下，少年们依然成功生产出了通用的对抗图像，并非针对某个人类而设计，穿在谁身上都有隐身功效，YOLOv2看不到。
他们用了三步的优化 (Optimization) ，来解决这个问题：
·首先要保证，定制的纹理图打印出来还能被AI捕捉到。如果纹理用到了许多打印不出的颜色，就不太乐观了。所以，要测量一个“不可打印”的分值。
·第二要保证，定制纹理图上的颜色过度平滑，避免噪点过多。所以，需要测量一张图像的总变化值 (Total Variation) ，任意两个像素的色彩越相近，这个值就越小。
·第三最重要，就是让YOLOv2看不出人来。也就是让AI给出的分类结果，分值降低，变成不太确定的分类。
那么问题来了，怎么才能让AI的检测便得不自信呢？
这和YOLOv2的工作原理有关：它会输出一个目标存在感 (Objectness) 的分值，和一个类别 (Class) 的分值。
而团队的目标，一是要降低“人类”这个类别的分值，二是不能让其他类别的分值超过“人类”。
比如，一个数据集里有“泰迪熊”这个类别，而另一个数据集里没有。如果是“泰迪熊”的分值超过“人类”，就没办法推广到另外的数据集里去了。
最终，团队没有选择降低“人类”的分值，而是直接降低了目标的存在感 (Objectness) 。这样，就不会有其他类别取代“人类”了。
你看，如果想屏蔽街上的情侣：
炫彩的对抗贴纸，就是直接降低存在感的结果，从几种方式中脱颖而出，把识别人类的准确率降到了26%。
开头展示的，把隐身衣直接穿在身上，比贴在视频里的隐身难度更大，但依然成功了：
隐身T恤虽好，但以后可能就不用穿衣服，有全息投影的服装了哟，谷歌大脑的研究员说。
如果你还有什么伟大的想法，有开源代码在这里，自己生成对抗图像：
https://gitlab.com/EAVISE/adversarial-yolo
论文传送门：
https://arxiv.org/abs/1904.08653
