文|新智元

编辑|文强 大明

下面这套房看起来如何？

如果你觉得还不错，那么可惜了，这套房实际并不存在，从图片到文字，甚至发布人的头像，全都是计算机自己生成的。

没错，继假猫生成网站“这只猫不存在.com”、假人生成网站“这个人不存在.com”之后，混淆虚拟与现实的“XXX不存在.com”又添一名新成员：

这间房不存在.com (thisairbnbdoesnotexist.com)。

受假人(脸)生成网站“thispersondoesnotexist.com”的启发，谷歌程序员Christopher Schmidt自己做了一个假的AirBNB租房网站，按照AirBNB的网站样式，图片、描述、发布人物，煞有介事：

假房生成网站 thisairbnbdoesnotexist.com，每次刷新都会出现一个虚假的房源，网页上的照片、文字描述、发布人头像均由计算机自动生成。由于使用的模型非常简单，文字描述多有不合逻辑之处，但乍看上去还是能以假乱真。来源：假房生成网站 thisairbnbdoesnotexist.com

AirBNB网站截图，避免广告嫌疑做了虚化处理

根据Christopher Schmidt在Twitter的介绍，生成每个网页用一块GPU只需0.5秒，相关代码开源，你可以在这里找到：

https://colab.research.google.com/github/tensorflow/tpu/blob/master/tools/colab/shakespeare_with_tpu_and_keras.ipynb

这个网站具体是怎么做的？

网站上的图像当然由著名的图像生成模型StyleGAN生成，文本则来自在一个AirBNB列表(文末链接[1])上训练的语言模型，主要基于Tensorflow的“Predict Shakespeare with Cloud TPU”（https://t.co/sJoUbwZ2UL）。

这个文本生成模型似乎是个两层的前馈LSTM（文末链接[2]），主要是用它来独立训练生成房屋列表中的标题、描述、房主姓名、地理位置等，然后组合生成综合列表。

每个模型的输出都是预先生成的，每5秒创建一个新的列表(网页)。唯一的修改是根据文本稍微调整序列大小。

下面是Christopher Schmidt在Twitter上对这个“假房子”网站的简要介绍，包括灵感来源、大致结构、构建页面使用的框架和训练方式等。

本页面是我受一些StyleGAN模型的启发而制作的，尤其是从@lucidrains的制作的http://thispersondoesnotexist.com获得了不少收获。我最近几天经过一些自学，把一些相关信息进行了整合，鼓捣出来这个网页。需要指出，这个页面上的列表完全是新生成的，实际上在真实世界上并不存在。

本页面在开发时主要使用以下几种模型：在构建图片和卧室照片时使用StyleGAN，一些文本网络的训练使用了tf.keras来生成地点名称、房主姓名、标题和描述。此外还使用了Tensorflow的实例代码）

所有的数据训练过程都在谷歌的Colab上完成，该平台上可以免费使用GPU和TPU来训练和生成数据。

每个模型都可以做出独立的预测，所以会经常出现各部分信息不相配的情况，比如描述信息中说某套房子有一间卧室，但列表信息中显示有四件卧室，或者外观和名字排列不齐等。

但总的来看，这个过程是比较理想的，我在这个学习过程中也获得了不少乐趣，进一步掌握了一些模型的使用技巧。这里要感谢Colab平台，更感谢StyleGAN社群的出色研究成果。

接下来几天，我会更加详细地总结一下这个页面的开发体验，但同时，请各位尽情看看这些完全不存在的AirBNB假房子吧！

3/2的房间和带血的床……

在Christopher Schmidt发推后，越来越多网友开始玩的不亦乐乎，并在留言中和作者进行了互动。

-讲道理，这个很厉害了！如果你要是用了GPT-2的话，也许能够生成房屋列表的描述文本了。现在可能也就是弄一些模板，然后用BERT模型来填空？

可能你是有点没看全，现在房屋列表已经生成出来了，虽然不够完美，但这是因为我其实不太想直接使用BERT这种现在最厉害的语言模型罢了。

其实这个事我也是第一次尝试，也就是跑跑别人已经做好的实例，所以其实上面写的不太正规，诸位也可以当“我啥也不懂，反正只管点鼠标图一乐就对了！”

-哈哈，说的没毛病，我现在就在点！

-这些房子怎么还有5间卧室的？

你是第一个问这个问题的。因为一开始我只为每个列表生成了4张图，但后来我发现AirBnB上都是5张图，目前为止我只会生成卧室的图。但现在我正在利用新的StyleGAN来尝试生成厨房的照片，这5个卧室有一个要变厨房啦。

-从卧室到厨房，你是用迁移学习做的吗？我觉得从头开始训练可能还快一些，一些形状和颜色都是一样的。

目前不是迁移学习，但也不一定，我不是很懂这些东西，不大确定是不是真的合适。上面这个图是我用GTX 1080单卡训练20小时后的结果。顺便问一下，用现有模型进行再训练，我是不是只要把.pkl文件（比如卧室图片）直接放到输出结果目录里，然后告诉程序继续运行就行了？

是的，就直接放进去就行，另外其实需要注意一下文件格式问题，如果是用JPG格式训练的，那么最好一直用JPG，PNG也是同理。

不过话说回来，这个页面多半只是作者闲来无事的娱乐之作，吃瓜派的网友基本上都在吐槽生成的房子太离谱。比如下边这种：

我觉得像这种房子，只能给一星，不能再多了！

话说......你这床上的血还没擦干净，就拿出来挂出租真的好吗？

这个“3/2”用在这里就很精髓，租房的人怕是要一脸问号......

最近，由机器学习技术生成了越来越多的足以乱真的假人脸、假视频、假头像，现在又做出了这个假的合租网站，在越来越多真假莫辨信息的包围下，我们是否也会感到焦虑和担忧呢？

而对于担心AI生成虚假信息的人来说，让我们用Yann LeCun的话结尾：

每个人都可能生成假新闻，传播阴谋论并且影响其他人。这么说来，干脆不生孩子得了？

代码及资源

[1] "假房网"文末生成模型训练数据集https://public.opendatasoft.com/explore/dataset/airbnb-listings/table/?disjunctive.host_verifications&disjunctive.amenities&disjunctive.features

[2] "假房网"文末生成模型https://colab.research.google.com/github/tensorflow/tpu/blob/master/tools/colab/shakespeare_with_tpu_and_keras.ipynb

来源：thisairbnbdoesnotexist.com