賽博照妖鏡下，AI美女全變鬼。

來看它的牙。

圖片

把圖像飽和度拉滿，AI人像的牙齒就會變得非常詭異，邊界模糊不清。

整體圖片的顏色也正常，麥克風部分更是奇怪。

對比真實人類照片，則應該是這樣的。

牙齒是清晰的，圖片色塊都是均勻一致的。

圖片

這個工具已經開放，人人都能拿著照片去試試。

AI生成視頻中的某一幀，也難逃此大法。

圖片

不漏牙的照片也會暴露問題。

圖片

不過BTW，這個工具出自Claude之手。用AI破解AI，奇妙的閉環(huán)。

圖片

有一說一，最近AI人像太逼真又引發(fā)了不小討論，比如一組大火的“TED演講者視頻”，其實沒有一個是真人。

圖片

不只是人臉難以區(qū)分，就連之前AI的短板——寫字，現(xiàn)在都能完全以假亂真。

圖片

更關鍵的是，生成這樣的AI人像，成本也不高。低至5分鐘、每20秒1.5美元（人民幣10塊左右）的價格即可搞定。

圖片

這下網友們都坐不住了，紛紛搞起AI打假大賽。

近5千人來討論，這兩張圖到底哪張是真人。

圖片

給出的理由五花八門。有人發(fā)現(xiàn)文字、花紋細節(jié)很抽象，有人則覺得人物眼神很空洞……

最先進的AI們生成人像有啥規(guī)律，逐漸被大家摸索出來了。

不看細節(jié)已很難分辨

匯總來看，調整飽和度或許是目前最快速辨別的方法。

AI群像照在這種方法下暴露得更加徹底。

圖片

不過它存在一個問題。如果圖像用JPEG算法壓縮過后，該方法可能失效。

比如確定這張照片是真人照片。

圖片

但是由于畫質壓縮以及光線等問題，人物牙齒也有點模糊。

圖片

所以網友們還列出了更多分辨人像是否是AI合成的方法。

第一種方法，簡單說就是依靠人類的知識判斷。

由于AI學習圖像的方式和人類并不一致，難免無法100%掌握人類視角下的視覺信息。

造成的結果就是，AI生成的圖片常常包含與現(xiàn)實世界不符之處，這就為圖像的鑒別提供了著手之處。

用開頭的這張圖片作為例子。

從整體上看，人物的皮膚過于光滑，看不到任何的毛孔，這種過于完美的特征反而增加了不真實感。

當然這種“不真實感”并不完全等同于“造假”，畢竟經過磨皮處理的圖片同樣看不到毛孔。

但這也并非唯一的判斷因素，AI在圖片中留下的與常識的出入也未必只有一處。

圖片

實際上，這張圖只要稍微看以下細節(jié)，就能看到一個比較明顯的特征——胸牌上方掛鉤奇特的連接方式。

圖片

還有在高飽和度模式下露出破綻的麥克風，放大之后直接用肉眼也能看出端倪。

圖片

更為隱蔽的是，頭發(fā)末端有幾根毛發(fā)的位置很不合理，但這樣的特征，恐怕要擁有列文虎克級別的視力才能看到了。

不過，隨著生成技術的進步，能夠找到的特征越來越隱蔽，也是一個無法避免的趨勢。

圖片

還有一種方法是看文字，雖然AI在字型的刻畫上正逐漸克服“鬼畫符”的問題，但正確地渲染出有正確實際含義的文字還存在一些困難。

比如有網友發(fā)現(xiàn)，照片中的人佩戴的胸牌上，Google標志的下方最后一行字中的兩個字母是“CA”，表示美國加州，前面的一大長串應該是城市名。

但實際上，加州根本沒有名字如此之長的城市。

圖片

除了這些物體本身的細節(jié)，還有光線、陰影等信息也可以用來判斷真?zhèn)巍?/p>

這張圖片是從一段視頻當中提取的，在它所在的視頻當中還有這樣的一幀。

在話筒右側的位置，有一片十分詭異的陰影，這片陰影對應的是人物的一只手，顯然AI在這里處理得有所欠缺。

圖片

說到視頻，由于涉及前后內容一致性，AI倒是比在靜態(tài)圖像中更容易露出雞腳馬腳。

圖片

還有一些特征不算“常識錯誤”，但也體現(xiàn)出了AI在生成圖像時的一些偏好。

比如這四張圖，都是AI合成的“普通人”（average people），有沒有發(fā)現(xiàn)什么共同之處？

圖片

有網友表示，這四張圖里的人，沒有一個是笑臉，這點似乎就體現(xiàn)了AI生圖的某種特征。

圖片

針對這幾張圖而言確實如此，但這樣的判斷方式很難形成系統(tǒng)，畢竟不同的AI繪圖工具，特點也都不盡相同。

總之，為了應對逐漸進步的AI，一方面可以加大“列文虎克”的力度，一方面還可以引入像拉高飽和度這樣的圖像處理技術。

但如果這樣的“量變”積累得越來越多，肉眼判斷也會越來越困難，圖像飽和度可能也有被AI攻破的一天。

所以人們也在轉變思路，想到了“以模制?！钡姆椒?，用AI生成的圖片訓練檢測模型，從圖像中分析更多特征。

比如AI生成的圖像在頻譜、噪聲分布等方面存在許多特點，這些特點依靠肉眼無法捕捉，但AI卻能看得很清楚。

當然，也不排除檢測方法落后、跟不上模型變化，甚至模型開發(fā)者專門進行對抗性開發(fā)的可能。

比如前文一直在討論的這張圖片，某AI檢測工具認為它是AI合成的概率只有2%。

圖片

但AI造假和AI檢測之間的博弈過程，本身就是一場“貓鼠游戲”。

所以在檢測之外，可能還需要模型的開發(fā)者也負起一些責任，例如給AI生成的圖片打上隱形水印，讓AI造假無處遁形。

AI魔高一尺

值得一提的是，如上引發(fā)恐慌的AI人像，不少都是由最近爆火的Flux生成/參與制作。

甚至大家已經開始默認，效果太好難以分辨的，就是Flux做的。

圖片

它由Stable Diffusion原班人馬打造，發(fā)布才10天就在網絡上掀起軒然大波。

這些精美的假TED演講照片，都是出自它手。

圖片

還有人用Flux和Gen-3一起做出了精美的護膚品廣告。

圖片

以及多角度的各種合成效果。

圖片

它很好解決了AI畫手、AI生成圖片中文字等問題。

圖片

這直接導致現(xiàn)在人類區(qū)分AI畫圖，不能再直接看手和文字了，只能盯著蛛絲馬跡猜。

圖片

Flux應該是在手部、文字等指標上加強了訓練。

這也意味著，如果當下的AI繼續(xù)在紋理細節(jié)、色彩等方面下功夫訓練，等到下一代AI畫圖模型出來時，人類的辨認方法可能又要失效了……

而且Flux還是開源、筆記本電腦上可運行的。不少人現(xiàn)在已經在Forget Midjourney了。

從Stable Diffusion到Flux，用了2年。

從“威爾史密斯吃面條”到“Tedx演講者”，用了1年。

真不知道以后為了分辨AI生成，人類得想出哪些歪招了……

參考鏈接：
[1]https://x.com/ChuckBaggett/status/1822686462044754160
[2]https://www.reddit.com/r/artificial/comments/1epjlbl/average_looking_people/
[3]https://www.reddit.com/r/ChatGPT/comments/1epeshq/these_are_all_ai/
[4]https://x.com/levelsio/status/1822751995012268062