量子计算机为诸多领域带来了全新的可能性。例如，通过模拟大分子的结构和运作，量子计算机有望助力新药和新材料的研发。在计算领域，量子计算机可以促进人工智能各个领域的研究，例如机器学习（通过加速人工神经网络的学习过程）或数据挖掘（通过更快地探索更大量的数据）。在密码分析领域，量子计算既是威胁，也是机遇，因为它能够破解现有的密码系统，尤其是非对称密码系统，从而促进更稳健系统的创建。
然而，，大规模生产量子计算机极其复杂。事实上，被称为“量子叠加态”的状态极其脆弱：它们会因哪怕是最轻微的外部干扰（例如打开灯）而消失。而且，量子比特（量子信息的基本单位）的数量越多，它们就越不稳定！
如果有些科学家认为通用量子计算机只是一个梦想
那么另一些人则相信，它很可能在不 TG 用户 到五年的时间内问世。2018年，谷歌宣布已开发出一台72量子比特的机器，这是迄今为止性能最强大的机器。深度造假，伪造现实
2019年3月11日星期一
阅读时间：6分钟
深度学习
机器学习
社会
分享按钮
文森特·诺齐克就深度伪造主题进行访谈。这位加斯帕德-蒙日电子与计算机科学研究所（LIGM）的教师兼研 根据授权有保护的义务吗 究员向我们解释了什么是深度伪造，它们面临的挑战以及如何检测它们。
通过分析我们网络的各个层，我们意识到眼睛在深度伪造的检测中发挥着重要作用。
对民主的威胁（操纵舆论、加剧社会或社区紧张局势等）、侵犯个人隐私或尊严、存在欺诈或诈骗风险，或者仍 电子邮件列表 然是未来寻求真相的研究人员的难题等。深度伪造是一种利用深度学习将视频中某人的脸替换为另一个人脸的技术，令人担忧。这种技术日益复杂，如今由于相对容易使用的工具，几乎人人都可以使用。
与 LIGM 的教师兼研究员 Vincent Nozick 聊聊这些“大规模伪造武器”，Vincent Nozick 是一份出版物的合著者，该出版物介绍了一种检测深度伪造的有效方法（MesoNet：一种紧凑型面部视频伪造检测网络，Darius Afchar、Vincent Nozick、Junichi Yamagishi、Isao Echizen，2018 年）。
深度学习如今已被用来篡改视频中的人脸
篡改人脸的方法有很多种，其中一些确实使用了深度学习，例如最著名的方法之一 Deepfake。Deepfake 是一款属于 GAN 家族（生成对抗网络）的程序，可以将面部表情转移到视频上。它基于一个由编码器和解码器组成的自动编码器。