不是我说 你可能真分不清楚AI图

现在,区分 AI 图片,真的越来越难了｡

 给你几秒时间,下面这四张图,你看得出哪个是 AI 生成的吗?

先做题,不准下划偷看答案!

其实,这里只有左下角是真实照片｡不知道你猜没猜对,反正编辑部的小伙伴们都觉得挺难的｡

 而事实也是这样,AI 图片已经越来难辨真假,甚至很多 AI 检测工具都失灵了｡

这么说吧,以前生成的那些图片,有些是漫画风,有些长着奇怪的四肢和五官,还有不合理的背景,总之漏洞百出,有时候还挺惊悚｡

但前一阵子 GPT-4o 一升级,大模型的文生图能力直接超神了｡比如,刚刚右上角的 “ 自拍照 ” 就是下面这些提示词生成的:

大模型甚至能理解提示词里的 “ 平庸 ”､“ 漫不经心 ”､“ 模糊 ”､“ 过曝 ” 等等抽象的要求,生成的图片就像我们生活里的随手一拍,一点违和感都没有｡

具体这些模型是怎么做到让 AI 图以假乱真的,官方还没有开源他们的训练架构｡

 不过在 OpenAI 官网上,我们找到了一些线索｡

官方表示,他们在训练模型的时候, 可以让模型更好地理解语言和图像之间的关联｡再加持神秘的 “ 后期训练 ”,能让生成的结果看起来很流畅｡

所以,当我们给出一些抽象的词汇,比如 “ 漫不经心 ”,模型就能知道图像的角度应该有些歪､画面有些糊､表情应该自然等等,还能完美地展示出来｡

 技术发展这么快,咱碳基生物是真没办法了｡但更绝望的是,实验结果表示,这回硅基也分不清｡

我们先试了试大模型的矛能不能攻破自己的盾｡不出意外,原来那种一眼假的 AI 图片,它和我们一样,还能轻松分辨出来｡但现在,同样一张图,丢给豆包和 GPT,它们都认为这是一张真实的自拍照｡

豆包看不出这张图片是AI生成的

 除了用大模型测试,我们还找了两个推荐排名最靠前的免费 AI 图片检测器,结果它们各有各的拉垮｡

我们测试了八张肉眼完全看不出破绽的 AI 人像图片｡其中有四张它们意见达成了一致,只不过,是一致认为都是真实照片｡｡｡

 还有四张,两个检测器的意见完全相反｡刚才还以为他们互相抄作业,但这下我不怀疑了,因为这回错的题全都不一样｡

总之就是对着干

这还只是比较简单的人像,画面集中在人的正脸上,背景也比较单一｡

接下来一些复杂场景的测试就更惨不忍睹了,人多或者背景过于精细,甚至单纯的风景图片,都让检测器几乎全军覆没｡如果说检测器面对 AI 自拍照还有一点怀疑,面对这些图片的时候它是真的信了｡

认不出也就罢了,有一个检测器还出现了误伤,把一张真正的照片判定成了 AI 图片｡

 有一说一,网恋人的天塌了,以后真分不清是照片还是照骗了｡P 图可能会留下痕迹,但现在的 AI 生图真的让人怀疑,这不会是哪个网红明星要和我谈恋爱吧｡

那为啥现在 AI 检测工具都不灵了?

在搜索的时候,我们发现,虽然文生图技术的发展像是坐上了火箭,但 AI 图像检测这么多年还在骑着卷积神经网络的自行车｡

 由于大部分工具不会开放它们的源码,我们在 github 上找到了几个 AI 图片检测项目作为参考｡

我们发现,这几个 AI 检测工具的架构都还停留在数据集 + 卷积特征识别 + 分类的阶段｡

熟悉计算机视觉的差友,可能了解这一套沿用了 N 年的流程:先给数据集里的每张图片打上是或不是 AI 生成的标签,剩下的就交给神经网络去学习标签相应的图片特征,最后进行分类｡

 AI 生图技术更新了一茬又一茬,这些工具做的不过就是把新 AI 图打上标签,加进老数据集,重新再训练一遍｡甚至其中一个工具用的 CvT-13 模型,已经是 4 年前的老东西了｡

可以说是魔高一尺,道高一寸,技术本身没更新,准确率当然上不去了｡

CvT-13架构

虽然 AI 图片识别相关的学术研究也有一些,但研究速度,数量和受到的关注度都和大模型文生图没法比｡

 不过,与其费时费力的后期区分,不如从源头解决问题｡

比如各大 AI 公司共同倡导的 C2PA 组织,鼓励制定相关标准,来更方便地验证信息来源,避免 AI 内容泛滥｡

其中,OpenAI 表示会尝试给生成的图片加上水印｡谷歌也提出 synthID,可以把数字水印嵌入 AI 生成的文字､图片､视频､音频里｡这种水印不会影响我们的观感,但可以被软件识别｡

而且,在今年 3 月国家颁布的《 人工智能生成合成内容标识办法 》中明确表示,从 2025 年 9 月起,所有 AI 生成的内容都必须添加显式或隐式标识｡

那我们为啥要一定区分 AI 图呢?分不清难道不是技术力 max,这不是好事吗?

 生图确实很厉害,不过凡事咱得看两面｡因为在 AI 生图震惊全球的时候,利用 AI 进行诈骗犯罪的新闻还在频繁曝出｡AI 越真,我们被骗的概率就越高｡

毕竟,有些人想的肯定不是怎么用 AI 生成吉卜力风格的可爱图片,而是用最真实的图片来攻击大家最薄弱的点｡

总的来说,现在靠我们自己已经很难分清 AI 图像的真假了｡

不管是识别的工具,还是从源头给 AI 内容打标记,现在的技术都有些落后,但需求很紧迫｡

这样看来,区分 AI 内容会是一场持久战｡各大公司在搞生图技术,秀肌肉的时候,也该考虑一下 AI 识别技术的升级了｡