深度学习机器能够呈现人脸衰老后的模样，但却往往越变越不像本人。现在计算机科学家已经解决了这个问题。
我们将会如何变老？这个问题令人着迷。事实上很多人都对自己在20年、30年、甚至40年后会变成什么样充满了好奇。
目前已经有不少技术可以模拟我们的年龄变化，但大多非常耗时且昂贵。若有一种方法可以便宜又快速地在照片中老化人脸，那可就方便多了。
在这里向大家介绍来自法国Orange Labs的Grigory Antipov和他的小伙伴们，他们开发的深度学习机器可以轻松做到这一点。他们的系统不仅能够模拟年轻的脸衰老后的模样，还可以使衰老的脸变得年轻起来。
近年的一些技术发展推动了他们的产品开发。这几年，计算机科学家设计了能够以各种形式修改脸部图像又不失真的深度学习机器。这个方法能够创造出更加逼真的衰老人像。
然而问题是，脸部图像在深度学习机器修改过程中逐渐身份模糊，变得越来越不像本人。导致最后人是变老了，但也认不出来了。
Antipov和他的公司找到了一种解决方案。他们采用了两台深度学习机器协同工作——脸部图像生成器和人脸鉴别器。在学习人脸随年龄的变化时，两台机器会分析大量不同年龄层的人的照片：0～18，19～29，30～39，40～49，50～59，及60岁以上。
训练深度学习机器的过程涵盖了每个年龄层的5000张脸，照片来自互联网电影资料库（IMDb）以及维基百科（Wikipedia），每张照片都被标注了人的年龄。这样一来机器就了解了每个年龄层的脸部特征，并能够将特定年龄层的特征运用到其他人脸上使它们也看起来像同一年龄层的脸。
为了防止身份模糊，第二台深度学习机器——人脸鉴别器，会检测合成后的老化人脸是否还能认得出来，如果不能，图像就无法通过。
Antipov和他的公司把这个流程叫作“条件性年龄模拟对抗网络”，“对抗”一词是缘于两台深度学习机器反向运作，一个致力于改变（老化），一个致力于还原（鉴别）。
最后的效果令人印象深刻。开发团队将该技术用在来自IMDb和Wikipedia的1万张人脸上，这1万张都是机器此前没见过的。然后他们用OpenFace来测试处理前和处理后的照片上是不是同一个人。与其他只有50%正确率的人脸修正技术相比，这种新技术拥有80%的正确率。
当然这种技术不仅可以用来老化人脸，还能年轻化。
有一个很明显的对比测试还没做：对比电脑合成的年轻化人脸图像以及真人在年轻时期的脸部照片。这能够很好地测量该技术的准确性，也许未来可以试试。
Antipov表示，他们的技术可以应用于辨认失踪多年的人。此外如果他们把算法公开的话，那么随便玩玩也很有趣。
