AI奇聞異事

深偽的離奇進化史：從實驗室小把戲，到一場2,500萬美元的搶劫

作者： The Unsolved Report Editorial Team · 發表於 2026-01-14

深偽技術怎麼從2014年的AI實驗，變成換臉假影片和百萬美元詐騙？一篇看懂深偽科技離奇又快速的進化史。

一名香港的財務人員，坐下來跟老闆開視訊會議。財務長就在螢幕上，旁邊還有幾位他認得出臉的同事。大家聊了幾句。他們要他轉一筆錢。他照做了——一天之內，十五筆匯款，總共2,500萬美元。

那場會議上的每一個人，都是假的。

沒有一個是真人。那些臉。那些聲音。那些細微的點頭和停頓。全都是電腦吐出來的。他過了好幾天才聞到不對勁——當他打電話回總部，才知道那場會議根本從沒發生過（CNN, 2024）。

那麼，我們是怎麼走到這一步的？一台機器，是怎麼學會戴上一張人臉的？這個故事比你想的還要短。而且離奇得多。

GAN deepfake white girl，deep learning，seems like a USA girl — Wikimedia Commons, bod lnga klang (Public domain)

一切，從一張嘴開始

「深偽」這個詞聽起來很新。但它背後的把戲，一點都不新。

把時間倒回1997年。三位研究人員做出一個叫「影片重寫」（Video Rewrite）的程式。餵給它某人說話的舊影片，它就會把那人的嘴巴剪開、重新縫合——直到螢幕上的人，看起來像在說一些他根本沒說過的話。活生生地，當著你的面。當初的目的很單純：把電影配音成別國語言。它做得很粗糙。但它是第一台能完整自動操控人臉的機器，把人變成一隻會說話的木偶（History of Information）。

接下來好幾年，幾乎什麼都沒發生。這項技術只是慢慢爬。

然後，它突然開始狂奔。

Re face And Si Face — Wikimedia Commons, V8rik at en.wikipedia (CC BY-SA 3.0)

兩台機器，死磕到底

2014年6月。 一位名叫伊恩·古德費洛（Ian Goodfellow）的研究員，和他的同事們，揭曉了一個叫「生成對抗網路」——也就是GAN——的東西（Wikipedia）。這裡請放慢一點，因為接下來發生的一切，引擎就是它。

想像兩個電腦程式，被鎖在一場決鬥裡。一個是偽造者，負責畫出假的臉。另一個是偵探，唯一的工作就是揪出哪張是假的。每次偵探抓到一張，偽造者就研究自己哪裡露了餡，學起來，畫出更逼真的一張。然後再來一輪。再一輪。上千輪（MIT Sloan）。

偽造者變得強到讓人發毛——因為那個偵探，永遠不會停止追殺它。從另一端跑出來的，是一張你敢發誓就是真人的臉。

名字，來自最黑暗的角落

「深偽」（deepfake）這個真正的詞，出現在2017年11月。而它，是從整個網路最不堪的角落爬出來的。

一個Reddit用戶——帳號就叫「deepfakes」——開始把名人的臉，貼進色情影片裡。「深度學習」（deep learning）加上「假的」（fake）。這名字就這麼定了下來。一整個社群迅速膨脹，逼近九萬名成員，直到Reddit在2018年2月把插頭拔掉（Reality Defender；The Verge）。

封禁什麼也沒改變。那些工具，早就流到外面的世界去了。

從地下室，到銀行金庫

接下來，它不再只是個讓人毛骨悚然的興趣——它開始真的偷走大筆鈔票。

2019年。 犯罪集團複製了一間公司高層的聲音——那一絲淡淡的德國口音、他說話的節奏、每一個習慣的小細節。然後他們打電話給一家英國能源公司的員工。那名員工確信自己正在跟老闆通話。不到一個小時，22萬歐元（約24.3萬美元）就不見了（Trend Micro）。

五年後：就是你在開頭讀到的，那場2,500萬美元的香港視訊搶劫。

看出規律了嗎？每跨一步，假東西就變得更便宜。更快。更難抓。而這條線，至今還在往上爬。

我們還分得出真假嗎？

這裡有個沒人破解得了的問題：我們能不能可靠地分辨真假——而且，我們有一天做得到嗎？

你大概會覺得答案很簡單。做個假影片偵測器不就好了？我們做了。但它撐不住。

還記得那場決鬥嗎——偽造者對上偵探？問題就出在這裡。GAN天生就是為了打敗偵測器而存在的。你教會一台機器去抓深偽，等於把一張「下次要修哪裡」的清單，親手交到造假者手上。貓抓老鼠，只不過這隻老鼠愈來愈聰明（Optica）。

而且這場洪水還在上漲。到了2024年下半年，大型國家級銀行平均一天被攻擊超過五次——而同一年年初，這個數字還不到一天兩次（SecurityWeek）。2024年那些追著問題跑的研究人員，也坦承了最痛的一點：只要遇到一種全新、從沒見過的假貨，偵測技術當場就崩潰（arXiv, 2024）。

所以，誠實的答案是？我們手上，沒有一套可靠、又能撐到未來的方法去揪出深偽。此時此刻，造假的那一方，正在贏。

那麼，這會走向哪裡？

關於接下來會發生什麼，有三個大膽的猜測。而它們，真的就只是猜測——這些是詮釋和預測，不是已成定局的事實。

也許，偵探會追上來。 有些專家把賭注押在更聰明的AI偵測器，加上「數位浮水印」——在真實影片被拍下的那一瞬間，就烙進一個看不見的標記。這或許能把局勢扳回來。但前提是，地球上每一家攝影機製造商，都同意採用同一套系統。離成真，還差得遠。

也許，我們會不再問「這是假的嗎？」 另一些人認為，我們會把問題整個翻過來：不再問「這影片是假的嗎？」而是問「這影片，能不能證明它是從哪裡來的？」就像藥罐上那層防拆封的封膜。這技術已經存在了。只是離普及，還早得很。

又或者，真正的危險不是機器——而是我們自己。 這一個，最扎心。就像一群研究人員說的，威脅「並非來自用來製造假象的技術，而是來自人天生就傾向於相信自己親眼所見」（UNESCO）。而這還有個惡毒的反面，叫做「騙子的紅利」（liar's dividend）：一旦所有人都知道假影片的存在，任何被真實攝影機拍到的人，都可以聳聳肩說一句「那是深偽啦」。這是一種說法，不是經過量測的事實。但它很難甩得掉。

接下來，是那些天馬行空的東西。你會看到有人信誓旦旦地發文，說某些著名事件、登月、或是世界領袖，全部都是偷偷做出來的深偽——又或者，有某個藏在暗處的組織，多年來一直在把真人掉包。這些說法，全都沒有任何可信的證據。 把它們歸進網路鄉野傳說那一類：未經查證，而且幾乎可以肯定是假的。

資料來源與延伸閱讀

深偽，最初是兩台機器之間的一場決鬥——一台說謊，一台想揭穿謊言。但同樣的這個把戲，兩個AI鎖在一場較量裡，如今正在教電腦一件比「偽造一張臉」更離奇得多的事。有些研究人員認為，它正在教電腦學會想要某些東西。當一個AI不再只是複製我們——而是開始替自己做決定，會發生什麼事？

還沒看夠？下一個謎在這裡