AI生成圖像愈發(fā)逼真 但善用物理規(guī)律仍能拆穿它們

現(xiàn)代 AI 圖像生成器正在迅速進化，早期那種一眼可見的破綻——比如畸形的手腳、亂七八糟的文字、怪異的畫面噪點——正逐漸被工程手段抹平。 如今，很多合成圖片已經(jīng)足以騙過普通人的肉眼，在社交媒體上不加控制地傳播。 然而，發(fā)表在《科學(xué)》（Science）期刊上的一項研究指出，這些模型在本質(zhì)上依然“不了解”現(xiàn)實世界中光線和幾何的運行方式，物理規(guī)律正在成為識別真?zhèn)螆D像最可靠的工具之一。

研究者指出，只要測量反射、陰影、透視線等看似細枝末節(jié)的部分，就仍然有機會拆穿一張看似完美的 AI 照片。 這種基于物理世界一致性的核查方法，被數(shù)字取證專家視為在“深度偽造”時代區(qū)分真實照片與 AI 偽造的重要防線。 早期的鑒別往往依賴肉眼捕捉粗糙的技術(shù)瑕疵，但隨著生成質(zhì)量提升，圖像開始越來越符合人類對“真實”的主觀期待——色彩鮮明、構(gòu)圖戲劇化、充滿電影感，這種“被制造出的戲劇性”反而讓人更容易放松警惕。

加州大學(xué)伯克利分校教授、被廣泛視為數(shù)字取證領(lǐng)域奠基人之一的 Hany Farid，一直在利用 AI 圖像的另一種“隱性弱點”。 他的方法不是去尋找明顯的視覺錯誤，而是把生成圖跟現(xiàn)實世界中應(yīng)當出現(xiàn)的幾何關(guān)系進行逐一對照。 在他看來，現(xiàn)有的圖像生成模型尚未真正學(xué)會美術(shù)課上的基礎(chǔ)概念——消失點。

以一張 AI 生成的“士兵在長廊中行進”的圖片為例，圖中可以看到一些顯而易見的缺陷，比如墻上模糊難辨的文字、莫名其妙的鏈條等。 但更關(guān)鍵的線索藏在地面的瓷磚里：按照透視原理，現(xiàn)實中的平行線（例如地磚縫、木地板接縫）在畫面中應(yīng)當延伸并匯聚到同一個消失點。 如果用直線工具沿著這些結(jié)構(gòu)畫線，就可以檢查它們是否像真實照片那樣在遠方交匯，從而初步判斷圖像是否可信。

類似的幾何關(guān)系同樣適用于反射。 研究指出，盡管今天的生成模型已經(jīng)能合成足以蒙混人眼的水面或鏡面反射，只要拿直尺量一量，問題就會暴露出來。 在真實世界中，物體某一點與其在反射中的對應(yīng)點之間連線，應(yīng)當彼此平行，并在延長后指向一致的消失點；一旦這些線條出現(xiàn)不該有的偏差，就很可能意味著這是一張合成圖。

陽光投下的陰影也為這種測試提供了額外抓手。 由于太陽距離地球極其遙遠，可以近似認為照射到地面的陽光是平行光線。 在這種前提下，物體某個點與其陰影中對應(yīng)點之間的連線，同樣應(yīng)該能夠延長并匯聚于一個消失點。 如果一張照片中，不同物體的陰影線無法指向一致的幾何關(guān)系，則很可能違背了光學(xué)基本規(guī)律。

目前還很難預(yù)測生成式模型何時、以及能否在根本上克服這些物理層面的錯誤。 相比早期那些肉眼易辨的瑕疵，基于透視和光線的“幾何驗真”要求觀察者花費更多時間和精力，遠超一般社交媒體用戶的日常警惕閾值。 一些研究者甚至認為，對這種物理規(guī)則的深刻掌握，可能已經(jīng)超出當前主流生成模型的設(shè)計能力范圍。

在這項工作之外，專家也提醒用戶對“用 AI 識別 AI”的做法保持謹慎。 一些自動檢測工具在特定條件下確實可能比未受訓(xùn)練的人眼更可靠，但一旦輸入圖像和其訓(xùn)練數(shù)據(jù)分布差異過大，算法就會出現(xiàn)失誤甚至系統(tǒng)性偏差。 換言之，把甄別任務(wù)完全交給另外一個黑盒模型，并不是萬無一失的解決方案。

一篇相關(guān)研究還提出了一個耐人尋味的發(fā)現(xiàn)：確認一張照片“是真的”，可能比識別一張“假的”更難。 這項研究指出，觀者審視圖像的時間越長而始終找不到破綻，那么它是真實照片的概率就越高。 從這個角度看，“沒有發(fā)現(xiàn)錯誤”本身，反而可以成為真實性的證據(jù)之一。