未来，我们可能需要使用神经网络来对抗神经网络。
自上个月谷歌发布了其部分名为 DeepDream 的 人工神经网络 系统的源代码以来，神经网络的受欢迎程度直线飙升。该人工智能程序是谷歌搜索引擎用来对在线图像进行排序和分类的工具。该程序通过筛选数千张已标记的图像，如“海星”、“鸟”或“香蕉”，来学习如何做到这一点，并开始识别每个独特的物体。该程序还可以用来 生成自己的图像，但它经常会出错，创造出美丽有时又令人恐惧的组合体，比如蛞蝓狗、鸟车和像变形虫一样的房子。
尽管我们仍处于这项技术发展的初期阶段，但神经网络在分类和追踪方面已经非常有效。这让软件开发者 Kirk Kaiser 对隐私的未来感到担忧。因此，他进行了一项实验，看他是否能通过使用 DeepDream 扭曲自己的图像来干扰 Facebook 的面部识别系统 DeepFace。
Kaiser 说：“每次有人给你拍照，或者你上传自己的照片，它都会被添加到构成了‘你是谁’的现有数据集中。” “总体的想法是破坏我们现有的数据集，并找回一点控制权。”
Kaiser 使用 DeepDream 来修改自己的一张图像，就像上个月许多人做的那样，并将其上传到 Facebook。他发现，尽管图像被扭曲了，DeepFace 仍然通过他浓密的胡子认出了他。当他上传扭曲的图像时，它指向了他的胡子并标记为“Kirk Kaiser”。然后，他使用一张随机的、由自己脸部组成的马赛克图像以及一张树的图像，对它们运行 DeepDream，以及另一个旨在检测年龄和性别的开源神经网络。这生成了一张树皮和变形面孔的马赛克图像，上面溅满了霓虹绿和热粉色。DeepFace 对此感到困惑，并识别出图像中的大约 92 张不同的人脸，但没有一张是 Kaiser 的。他称自己的代码为 Deep Graffiti。
Kaiser 实验的最后一步是将这些面孔标记为他自己的，以破坏 DeepFace 关于他的数据。然而，这种行为是否真的破坏了 DeepFace 识别 Kaiser 面部的能力，还是仅仅增加了更多数据来让他即使在有干扰的情况下也能被识别，这一点仍然未知。
Kaiser 说：“还需要进行更多实验才能判断我们是否正在破坏数据集。” “这也提出了另一个问题：一张图像什么时候不再是我。”
随着神经网络驱动的机器学习的进步，控制我们的数据和保护隐私可能会变得更加困难。正如 Kaiser 所展示的，我们最好的防御可能就是积极进攻，即我们使用神经网络来互相欺骗，以牙还牙。
