不是我说，你可能真分不清楚AI图_风闻

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。

图片、资料来源：

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