不是我説，你可能真分不清楚AI圖_風聞

現在，區分 AI 圖片，真的越來越難了。

 給你幾秒時間，下面這四張圖，你看得出哪個是 AI 生成的嗎？

先做題，不準下劃偷看答案！

其實，這裏只有左下角是真實照片。不知道你猜沒猜對，反正編輯部的小夥伴們都覺得挺難的。

 而事實也是這樣，AI 圖片已經越來難辨真假，甚至很多 AI 檢測工具都失靈了。

這麼説吧，以前生成的那些圖片，有些是漫畫風，有些長着奇怪的四肢和五官，還有不合理的背景，總之漏洞百出，有時候還挺驚悚。

但前一陣子 GPT-4o 一升級，大模型的文生圖能力直接超神了。比如，剛剛右上角的 “ 自拍照 ” 就是下面這些提示詞生成的：

大模型甚至能理解提示詞裏的 “ 平庸 ”、“ 漫不經心 ”、“ 模糊 ”、“ 過曝 ” 等等抽象的要求，生成的圖片就像我們生活裏的隨手一拍，一點違和感都沒有。

具體這些模型是怎麼做到讓 AI 圖以假亂真的，官方還沒有開源他們的訓練架構。

 不過在 OpenAI 官網上，我們找到了一些線索。

官方表示，他們在訓練模型的時候， 可以讓模型更好地理解語言和圖像之間的關聯。再加持神秘的 “ 後期訓練 ”，能讓生成的結果看起來很流暢。

所以，當我們給出一些抽象的詞彙，比如 “ 漫不經心 ”，模型就能知道圖像的角度應該有些歪、畫面有些糊、表情應該自然等等，還能完美地展示出來。

 技術發展這麼快，咱碳基生物是真沒辦法了。但更絕望的是，實驗結果表示，這回硅基也分不清。

我們先試了試大模型的矛能不能攻破自己的盾。不出意外，原來那種一眼假的 AI 圖片，它和我們一樣，還能輕鬆分辨出來。但現在，同樣一張圖，丟給豆包和 GPT，它們都認為這是一張真實的自拍照。

豆包看不出這張圖片是AI生成的

 除了用大模型測試，我們還找了兩個推薦排名最靠前的免費 AI 圖片檢測器，結果它們各有各的拉垮。

我們測試了八張肉眼完全看不出破綻的 AI 人像圖片。其中有四張它們意見達成了一致，只不過，是一致認為都是真實照片。。。

 還有四張，兩個檢測器的意見完全相反。剛才還以為他們互相抄作業，但這下我不懷疑了，因為這回錯的題全都不一樣。

總之就是對着幹

這還只是比較簡單的人像，畫面集中在人的正臉上，背景也比較單一。

接下來一些複雜場景的測試就更慘不忍睹了，人多或者背景過於精細，甚至單純的風景圖片，都讓檢測器幾乎全軍覆沒。如果説檢測器面對 AI 自拍照還有一點懷疑，面對這些圖片的時候它是真的信了。

認不出也就罷了，有一個檢測器還出現了誤傷，把一張真正的照片判定成了 AI 圖片。

 有一説一，網戀人的天塌了，以後真分不清是照片還是照騙了。P 圖可能會留下痕跡，但現在的 AI 生圖真的讓人懷疑，這不會是哪個網紅明星要和我談戀愛吧。

那為啥現在 AI 檢測工具都不靈了？

在搜索的時候，我們發現，雖然文生圖技術的發展像是坐上了火箭，但 AI 圖像檢測這麼多年還在騎着卷積神經網絡的自行車。

 由於大部分工具不會開放它們的源碼，我們在 github 上找到了幾個 AI 圖片檢測項目作為參考。

我們發現，這幾個 AI 檢測工具的架構都還停留在數據集 + 卷積特徵識別 + 分類的階段。

熟悉計算機視覺的差友，可能瞭解這一套沿用了 N 年的流程：先給數據集裏的每張圖片打上是或不是 AI 生成的標籤，剩下的就交給神經網絡去學習標籤相應的圖片特徵，最後進行分類。

 AI 生圖技術更新了一茬又一茬，這些工具做的不過就是把新 AI 圖打上標籤，加進老數據集，重新再訓練一遍。甚至其中一個工具用的 CvT-13 模型，已經是 4 年前的老東西了。

可以説是魔高一尺，道高一寸，技術本身沒更新，準確率當然上不去了。

CvT-13架構

雖然 AI 圖片識別相關的學術研究也有一些，但研究速度，數量和受到的關注度都和大模型文生圖沒法比。

 不過，與其費時費力的後期區分，不如從源頭解決問題。

比如各大 AI 公司共同倡導的 C2PA 組織，鼓勵制定相關標準，來更方便地驗證信息來源，避免 AI 內容氾濫。

其中，OpenAI 表示會嘗試給生成的圖片加上水印。谷歌也提出 synthID，可以把數字水印嵌入 AI 生成的文字、圖片、視頻、音頻裏。這種水印不會影響我們的觀感，但可以被軟件識別。

而且，在今年 3 月國家頒佈的《 人工智能生成合成內容標識辦法 》中明確表示，從 2025 年 9 月起，所有 AI 生成的內容都必須添加顯式或隱式標識。

那我們為啥要一定區分 AI 圖呢？分不清難道不是技術力 max，這不是好事嗎？

 生圖確實很厲害，不過凡事咱得看兩面。因為在 AI 生圖震驚全球的時候，利用 AI 進行詐騙犯罪的新聞還在頻繁曝出。AI 越真，我們被騙的概率就越高。

畢竟，有些人想的肯定不是怎麼用 AI 生成吉卜力風格的可愛圖片，而是用最真實的圖片來攻擊大家最薄弱的點。

總的來説，現在靠我們自己已經很難分清 AI 圖像的真假了。

不管是識別的工具，還是從源頭給 AI 內容打標記，現在的技術都有些落後，但需求很緊迫。

這樣看來，區分 AI 內容會是一場持久戰。各大公司在搞生圖技術，秀肌肉的時候，也該考慮一下 AI 識別技術的升級了。

圖片、資料來源：

https://sightengine.com/detect-ai-generated-images 

http://hivemoderation.com/ai-generated-content-detection 

https://openai.com/index/introducing-4o-image-generation/ https://www.bleepingcomputer.com/news/artificial-intelligence/openai-tests-watermarking-for-chatgpt-4o-image-generation-model/ https://deepmind.google/technologies/synthid/

https://www.gov.cn/zhengce/zhengceku/202503/content_7014286.htm

https://github.com/guyfloki/ai-image-detector https://github.com/mytechnotalent/deepfake-detector https://github.com/HassaniAtefe/ai-or-not 

https://m.okjike.com/originalPosts/67fb98097cb8c547e2ad23c5?s=eyJ1IjoiNTkzZjcwNDUwOWVkNmUwMDEyYjRiZmUwIiwiZCI6MX0%3D

豆包，GPT-4o，pexels