躲过了1997年流动巡演马戏团里的好心阿姨的棒糖诱惑，躲过了2006年风靡网络的“熊猫烧香“电脑病毒侵蚀，躲过了2014年的同学会上的1024阳光工程，躲过了2016年知乎上的小童瑶编故事装病骗网友捐钱事件，躲过了2017年村里的外来专家神药团队（劝奶奶），躲过了2020年缅北杀猪盘在线发牌性感美女的勾引……

终究闪现键还是被社会大哥扣了，没躲过被借钱人删除拉黑全网失踪，没躲过健身房和孩子培训班老板卷钱跑路，没躲过卖电动车的小哥少放一个电池，也没躲过各种AI图片电子垃圾泛滥网络！

我以前以为骗子天天研究骗术，骗术高明成了骗术专家，才导致小白被骗，后来发现大多数并不是，真实是什么原因，被骗的人（一般叫受害者）是不会承认的！比如我朋友就是不承认他电脑中毒的真实原因是点了你们都想点的东西！

从小骗到大，久经骗场，还是被骗，貌似现在成年人比小孩更需要安慰，更容易被骗！马扁哥，骗了我，你真的可以赢得全世界吗？！看到最近热搜上全网救星星事件，此刻想吟诗一首：

《望缅北》 - 汪汪汪

园区秋月两相和，谈缅物丰人未磨。

遥望缅北山水翠，杀猪盘里一大坨。

以下是《望缅北》的翻译及情感分析：

翻译：

缅北的园区和秋月相互映衬，有些人谈到缅北都说他物产丰富，这是因为尚未经历磨砺。远远望去，缅北的山水一片翠绿，而在杀猪盘里却堆着一大坨肉。

情感分析：

诗人汪汪汪在《望缅北》中表达了对缅北地区复杂的情感。一方面，他描绘了缅北美丽的自然风光，如“遥望缅北山水翠”，展现了一幅山清水秀的画卷，流露出对缅北自然美景的欣赏与喜爱之情。另一方面，诗人又提到“杀猪盘里一大坨”，这可能是在讽刺缅北地区某些不良现象，如腐败、贪婪等，表达了对这些社会问题的不满和担忧。同时，“谈缅物丰人未磨”也隐含了对被骗到缅北人的同情，可能是因为未经历足够的磨砺，可能缺乏应对复杂社会问题的能力和经验。整首诗通过对比缅北的自然美景与社会现状，反映了诗人对缅北地区复杂的情感态度，既有欣赏和喜爱，也有担忧和不满。

比起缅北，未来宇宙超级无敌大的骗子是谁？

毫无疑问必定是：人工智能！

所以我们就应该先要了解一下它，然后识破它！下面还是看看AI生成的电子垃圾该怎么识别吧。写的有点长，不想看可直接划到第五点。

一、AI生成的虚假图片泛滥

1月7日9时05分，西藏日喀则市定日县发生6.8级地震，灾情牵动人心，许多网友在社交平台上为灾民祈福。与此同时，一些AI制造的图片，广泛误导网友。下面这张图片在某短视频平台上，被大量账号发布转发，并和地震关联，有些甚至获得好几万的转评赞。目前，涉案人员已被拘留。

还有一些其他的地震相关图片也属于或极可能属于AI创作，有些被作者标注了系AI创作，有些则被平台标记为疑似AI创作，有些则没有任何提示，极可能造成误导。

二、AI图片无底线泛滥造成巨大危害：

1.对社会有危害：

伪造假新闻内容传播，增加公众的误解和恐慌，
深度伪造犯罪事件：伪造身份照片，产品图，不雅照片迷惑欺骗和敲诈勒索受害者，
长期被假图片欺骗，使人们对媒体、社交网络等失去信任，将造成社会信任危机，

2.对人有危害：

假图片侵害原创者权益，伪造私人，色情或敏感场景侵犯个人隐私。

3.对AI行业有危害:

降低创意和设计行业的门槛，导致设计师的工作价值被低估，同时大众对AI生成图表示方案。

4.对资源浪费：

司法审判中，伪造的图片增加证据验证的难度，需要更多资源去鉴别。
计算资源浪费：生成大量AI图片需要消耗巨大计算资源，可能加剧碳排放和能源浪费。
垃圾信息泛滥：大量无意义的AI生成图片充斥互联网，占用存储空间并增加数据管理难度。

三、目前现状下的大众需求

目前大众对于AI生成图片不具备足够强的辨别能力，有学者做了一个实验，让大众感受了下人工智能欺骗的厉害，是2021年的一个实验，那时候的生成图片技术和现在差距非常之大，但是实验结果却令我们意外。

英国兰卡斯特大学专注于数字技术的心理学家索菲南丁格尔 (Sophie Nightingale) 与他人合作撰写了一项研究，测试在线志愿者是否能区分由名为 StyleGAN2 的人工智能系统创建的护照头像和真实图像。即使在 2021 年底研究人员进行实验时，结果也令人沮丧。“人们的表现几乎是拉胯的，”南丁格尔说。“基本上，人们无法可靠地感知到这些AI生成面孔和真实的面孔之间的区别。”

在第二次测试中，研究人员试图帮助测试对象提高他们的人工智能检测能力。在参与者回答后，研究人员将每个答案标记为正确或错误，并且还让参与者提前做好准备，让他们阅读检测人工生成的图像的提示。该提示强调了人工智能算法经常出现错误的地方，例如创造出不匹配的耳环，或者将人的牙齿模糊在一起。南丁格尔还指出，算法通常很难创造出比纯色背景更复杂的东西。但她说，即使有了这些补充，参与者的准确率也只提高了约 10%——而生成试验中使用的图像的人工智能系统已经升级到一个新的改进版本。

以下图片你认得出来吗？

1.人工内容和AI生成内容之间的界限越来越模糊，主要体现在以下几个方面：

先看看AI生成图片的技术原理，当我们面对一件由AI艺术生成工具创作的作品时，很容易误以为这些工具只是简单地将数据库中的各种图像拼凑在一起，但实际上其背后的技术远比这复杂。AI图片生成模型是通过大量的图像数据集进行训练的，这些数据集内容广泛，包括艺术作品和日常照片等。AI并不像人类那样“看”这些图像，它将图像分解成像素，分析每个像素的具体数值。例如，AI不会直接“看到”一个苹果，而是识别构成苹果形状和颜色的一组特定像素值。大量的训练帮助AI积累了足够的知识，使其能逐渐识别出这些像素值组合通常代表的物体。通过这样的方式，AI学会了如何渲染水果、动物、人物、以及不同的艺术风格、色彩搭配和情绪表达。

一些AI图像生成器，比如DALL-E，采用了“扩散”（diffusion）技术来学习和生成图像。生成训练从一张真实的图像开始，过程中逐步向图像中添加视觉噪声（静态噪声），直到整张图片变得杂乱无章。这样做的目的是让AI理解每一步添加的噪声对图像结构的影响。接下来，AI会尝试逆向操作，即从纯粹的噪声出发，逐步还原出原始图像的近似版本。通过这种方式，AI训练出了从零开始创造图像的能力。

上面的原理不好理解的话，咱们可以把他比作为一盘沙画，训练模型的时候将现有的大量的沙画打乱并铺平，慢慢的匀成一盘混沌的散沙，

生成的图片的时候，在提示词构成框架上不断撒沙子，一层一层铺上去，若隐若现慢慢形成近似的图案。

人工类是人做的，AI类的是匿名机器人做的，AI和人工图片的界限主要体现在几个方面：

创作过程：人工内容：由创作者主动构思、设计，带有个性化的风格、情感和意识。AI生成内容：由算法生成，虽然可以模仿人类的创作风格，但缺乏情感和主观意图。AI内容更多是基于数据和预设模式生成的，缺乏深层的创作动机和意识。
创新与原创性：人工类可实现真正的创新和原创性；AI类大多依赖已有数据，缺乏深层次的创新。
透明度与可追溯性：人工的创作者和创作过程通常较为透明；AI的来源较为复杂，难以追溯。
伦理与版权问题：人工类归创作者所有，伦理责任明确；AI类涉及版权归属和伦理问题尚未完全解决。
用户体验：人工内容通常富有情感和深度，观众可以感受到创作者的意图；AI生成内容可能显得较为机械或空洞，缺乏情感。
技术影响：随着AI技术的进步，AI生成内容的质量和创作能力不断提升，但本质上依然依赖于已有数据，缺乏人类的创作动机。

2.作为非专业人士有哪些方法和渠道，去了解目前AI技术达到的效果水平

1.通过专业平台了解最新的AI知识

（1）关注一些专业的AI科普平台上面发布的最新的新闻和分析文章，了解技术动态和实际的应用案例。

知名科技媒体：关注The Verge、TechCrunch、MIT Technology Review、科技日报等，获取AI技术的最新发展资讯。
社交平台讨论：通过知乎、微博、Twitter上的AI话题和用户分享，了解大众体验与讨论热点。

（2）可以参加一些AI知识的线上课程和讲座，还有参与科普活动、博览会或社区组织的讲解活动，例如科技馆展览、AI技术体验区。

（3）当然感兴趣的同学，还可以看一下简单易懂的AI入门书籍，特别是最近发表周刊和行业技术报告，帮助了解技术背后的原理和最新发展；

查看OpenAI、Google DeepMind、微软等技术公司发布的研究报告或博客，了解其最新技术和研究进展。
行业趋势分析：阅读麦肯锡、Gartner等机构的行业分析报告，了解AI技术的实际应用和行业评价。

2.体验与使用实际AI生成工具

(1) 试用AI生成工具

图片生成：尝试使用DALLE、MidJourney、Stable Diffusion等工具，了解AI生成图片的精确度和局限性。
文本生成：通过使用ChatGPT、Bard等语言模型体验其在内容生成、问答等方面的能力。
音频与视频生成：尝试音频合成（如ElevenLabs）或视频生成（如Deepfake、Runway AI）工具。

(2) 对比真实与AI生成内容

自己动手对比AI生成的内容与真实人工创作的内容，观察AI的优缺点，如细节处理、逻辑性、艺术性等。

3.还要学会理性评估

甄别真实与夸大：学习如何区分真实技术能力与宣传性噱头。
结合实际案例：通过具体的AI生成内容分析其局限性，例如缺乏逻辑性、易犯细节错误。

总之大众可以通过科普资源、实际体验、行业动态、社区交流等多种方式，了解当前AI技术的真实效果水平。最重要的是保持理性，不盲目崇拜技术，同时关注它的潜力与限制，结合实际需求更全面地认识和使用AI技术。

四、五大方法帮你辨别AI生成的图片：

当前网络上绝大多数 AI 模型都用经过修图的网红图来进行训练的，审美和风格也是极端趋同的。而趋同审美的图片本来就是一眼失真，超级完美毫无瑕疵。也就是说实际上并不真实。大多数训练材料、训练者和出图者喜好都会导致图片会有一些漏洞，这个也给大众提供了一些识别AI图片的依据。

1.放大放大放大，观察图片细节

1.人物细节

AI生成人物容易在细节上出错，尤其是以下几个方面：

（1）观察对称的视觉元素

眼镜耳环，眼睛耳朵，两条胳膊，甚至左右衣领，是否对称和一致，是否符合物理逻辑，比如眼睛的大小、方向、瞳孔对称性可能不一致，这个整体看的话还是比较明显的。

（2）观察数量较多的同质视觉元素处理手指、脚趾、牙齿等，

AI图片生成工具常常会“不识数”，任何涉及到人类身体的重复细节，AI都可能会露出破绽。

2.手脚部位：

手指数量可能多一根少一截，手的形状可能异常，或者姿势不自然（如手势扭曲、手指过长或过短）。甚至可能看到人物有多余肢体的情况，比如衣服中隐藏着第三只手臂。

3.牙齿：

牙齿的排列可能不规则，有时会有多余或缺少的牙齿。有时又扭曲得异常。

4.发型和头发：

头发的边缘可能模糊，与背景混合。头发走向可能不符合自然规律，特别是细节部分像随机刷上去的。

5.服饰和饰品：

纽扣、拉链等可能显得失真。复杂图案可能出现重复或变形。

特别是手部变形错乱问题，针对AI绘画目前识别手部漏洞，有不少专家都做了详尽技术分析。

Vox曾在油管发布过一期精彩的视频（Why AI art struggles with hands），探讨了为何AI难以处理这些重复性元素，归根结底，AI 艺术模型在生成手部图像时表现不佳，主要原因是手部数据稀缺且复杂、动作形态多样化以及AI对结构和功能缺乏理解。与人脸相比，手部容错率低，任何细小的错误都易被察觉。虽然技术已有进步，但解决这一问题需要更丰富的数据、更高的计算资源，以及通过引入人类反馈优化模型。

2. 背景和场景问题

（1）多元素混合过渡

各种元素仿佛都交织在了一起且发生了变形，比如人与人，人和物体之间，衣物与身体融合、眼睛处于头部非正常区域等。这种混合现象并不仅限于图像中的主体，图像中的其他元素也经常会产生不同程度的混合。

（2）细节融合问题

AI生成的背景可能有融合不良的现象，例如建筑物边缘模糊、颜色过渡不自然。
细节有可能随机化，文字变得古怪扭曲，例如街道标志、文字内容会看似真实但无法辨认。

AI能够轻松生成文本内容，但在图像中呈现文字时往往表现欠佳。多数情况下，AI艺术作品融入文字元素会显得颇为突兀。当AI自由发挥时，文字的呈现往往显得怪异，因此，如果图像的创作者没有意识到这一点并加以修正，那么图片中的文字呈现问题就会显现出来。

（3）纹理与材质：

表面材质可能显得不真实，例如光泽不均或缺乏质感，皮肤过于光滑，甚至有点油腻。

以下水泥墩子的纹理看起来缺乏真实质感和厚重感，

3. 光影和反射

（1）AI生成的图像一般会有不自然的光泽感：

AI生成的图片中物体似乎都笼罩着一层不自然的光泽。这种现象被称为“AI光泽”（AI sheen），一旦掌握了辨识它的方法，便能轻易判断图片是否由AI生成。这类图像往往过度曝光，或是采用戏剧化的光影效果，使得画面中的主体异常夺目，即使其（比如人物的手）并无明显的瑕疵。

（2）光源问题：

主体和背景的光源方向可能不一致。

光线分布过于均匀或出现不合理的投影。

（3）反射问题：

水面或镜面反射可能没有显示真实的主体或背景。

4.风格化和极端美化效果

AI生成的图片可能具有明显的风格化特征：色彩过于饱和或均匀，线条与纹理处理类似于油画、插画的效果。

AI生成的图片通常追求“美化”或“奇特效果”：图像内容过于完美，缺乏随机瑕疵。场景可能充满梦幻色彩，难以与现实对应。

5.生命力

我拿网上找的实拍场景图和AI生成的图片做个对比，

真人图情绪饱满，AI生成的图片缺失了一些自然的生命力，眼神空洞无焦点。

6.作为人的直觉，保持理性的怀疑

完美二字我只想送给1988年香港小姐冠军，而如今网上出现的太过完美的照片，怀疑精神必须要有。不可轻信视觉元素失常、别扭的图片。人物身体比例明显失调的照片，多半有问题。

随着AI技术的不断进步，目前尚能发挥作用的这些技巧或许不久的将来便会过时。AI的文字呈现能力已经显著提升，谁也不能断言它将来不会找到方法来生成逼真的手部图像，或者避免图像元素间的突兀融合，以及不再在背景中添加怪异元素呢？

AI人像：

真实人像：

总之，不要看到图片就有转发点赞评论的冲动，冷静一下，也许你就发现破绽漏洞了。

2.图像元数据分析

1.核验图片“元数据（EXIF信息）”等技术参数

1.专业看图软件（如ExifTool，可网上查使用步骤）都能查看照片“元数据”。

真实图片的特征：

相机的品牌型号、拍摄时间地点、镜头焦距、光圈、快门、感光度、白平衡、曝光补偿、GPS位置等详细信息。

AI生成的图片的特征：

通常没有相机型号、拍摄日期等数据，可能标注有“Generated by AI”或特定模型名称。

另外AI生成图片的格式特征：某些生成工具（如Stable Diffusion、DALLE）会在图片元数据中留下特定字段或标签。

文件大小通常较小，因为生成图片被优化以减少存储成本。

2.画面分辨率不统一的图片，往往有问题。

数码相机成像分辨率采用一对相乘的数字来表示，比如“23041728”等，体现了画面的清晰度。照片的成像分辨率一旦选定，整幅照片所有区域的分辨率都一样。

而AI假照片往往出现画面分辨率不统一的现象，某些处于近似位置的多个局部，会呈现莫名其妙的清晰或者毫无道理的模糊。

3.使用专门的AI检测工具

人工智能检测器是一个经过训练可以检测人造图像的系统，但是，目前有专家表示这些系统存在重大缺陷。大多数此类算法都是针对特定 AI 生成器的图像进行训练的，无法识别不同算法生成的假图像。

同时，那些想要利用人工智能生成的内容欺骗人们的人和组织，会设法绕过检测人工智能生成的内容并制定保护措施。在我们的行业和整个社会中，我们需要继续寻找方法来保持领先地位。

南加州大学计算机科学研究副教授 Wael AbdAlmageed 表示：“生成图像的人工智能系统与检测人工智能生成图像的人工智能系统之间的战斗将是一场军备竞赛。我认为短期内不会有任何一方获胜。”

（1）目前可以使用的在线检测工具

Hive Moderation：专注于检测AI生成的内容，支持图片上传和分析。https://hivemoderation.com/
Sensity AI：提供面向GAN生成图像的检测服务。https://sensity.ai/
Illuminarty AI：结合深度学习模型进行精确分析。https://illuminarty.ai/en/
Forensically：免费的在线照片取证分析工具。 https://29a.ch/photo-forensics/#forensic-magnifier
Deepware Scanner：检测深度伪造内容。https://scanner.deepware.ai/

（2）其他工具推荐：

Adobe Photoshop：通过查看图像层次和细节异常来辅助判断。
Keras/TensorFlow：开发和使用AI检测模型。

（3）反向图片搜索

通过Google Images、Bing Visual Search，百度图片等工具，检查图片是否与已知的AI生成内容相匹配。

五、未来可以通过哪些方法规避AI图片欺骗性的问题

1.使用AI对抗AI

(1) 利用生成模型的特性

GAN Fingerprints：每种生成对抗网络（GAN）都会在生成图片中留下独特的“指纹”。检测模型可以学习这些指纹特征进行识别。

现有工具：训练深度学习模型，专门检测特定生成技术的痕迹。

(2) 社交媒体公司可把重点放在开发能够辨别AI生成图像的新技术上，并将这种技术融入自己的平台。

比如，推特出台了相关政策，禁止用户分享可能造成伤害的欺骗性和操纵性媒体内容，接着又推出了“社区笔记”功能，允许用户在推文下方添加注释，并且以长内容的形式进行解释。“社区笔记”或将能够帮助推特成为更可信、让更多人积极发言的平台，并帮助减少假消息、误导性内容的比例，以此吸引更多广告投放。

Meta通过将“人工智能想象”标签应用于使用我们的 Meta AI 功能创建的照片级逼真图像来实现这一点，以制定通用技术标准，这些标准可用于标记使用 AI 创建的内容。能够检测到这些信号将使我们能够标记用户发布到 Facebook、Instagram 和 Threads 的 AI 生成图像。

在图像上放置可见的标记，以及在图像文件中嵌入不可见的水印和元数据。以这种方式使用不可见的水印和元数据既可以提高这些不可见标记的稳健性，又可以帮助其他平台识别它们。

将水印机制直接集成到某些类型的图像生成器的图像生成过程中，这对于开源模型很有价值，因此水印无法被禁用。

(3) 使用对抗性样本

通过输入一些干扰特征测试生成图片的稳定性，AI生成图片通常会在极端条件下崩溃或产生明显错误。

2.平台与社会要担起责任

(1) 社交媒体平台

加强内容审核：希望社交媒体平台引入更严格的AI生成内容审核机制，减少虚假图片传播。同时检查分享内容的账户是否值得信赖。
透明规则：制定针对AI生成内容的透明规则，例如用户上传时标注来源。

公司成立专业独立AI核查部门：人工智能生成的内容也可以由我们的独立事实核查合作伙伴进行事实核查，我们会标记已揭穿的内容，以便人们在互联网上遇到类似内容时能够获得准确的信息。

(2) 社会协作

公众举报机制：建立方便快捷的举报通道，鼓励用户参与识别和清理虚假内容。
技术研发支持：支持技术研发者与政府、媒体合作，共同解决AI图片滥用问题。

3.提高公众的意识并加强自主保护的教育

这是目前对抗错误视觉信息的最佳方式。

(1) 学会质疑与验证

不轻信：面对异常图片，学会主动寻求二次验证，不轻易传播未经证实的信息。
多渠道核实：通过不同来源对关键信息进行核实，例如反向图像搜索。

(2) 增强安全意识

提升警惕性：意识到AI图片可能被用于诈骗或勒索，养成防范意识。
隐私保护：尽量减少在互联网上上传敏感或高清图片，以降低被滥用的风险。

是时候暂时放下虚拟网络世界，找回曾经对真实世界的感知力了，

放下手机，呼吸远处飘来的淡淡花香，触摸路边树皮的纹理了，观察飞到枝头上左右偏头打量着你的乳鸽，抬起头感受钻出云层的阳光，还有一架飞机穿插出了一串冰糖葫芦云，蒲公英打个喷嚏蹦出了无数个旋转的降落伞，伴着草坪上五彩蝴蝶翩翩起舞，在每一次躲过铺盖过来的砂网，看到孩童们脸上露出失望又可爱的表情，它们挥动翅膀互相比耶耶耶……

当对真实世界的感知力得到提高的时候，再看到AI生成的图片，你马上可以推断出，它的医美医院的VIP级别是什么。

写在最后：

以上内容都是个人经验整理输出，参考了一些文献和内容，能力有限，难免有一些不足和误区，希望能给有需要的人提供一点思路和参考，欢迎评论区留言讨论！谢谢！

以上！

看到了这里，如果觉得内容有帮助，随手点赞、收藏、转发三连支持，这样笔者越写越有劲哇！想要第一时间看到推送，可以点个关注或加个星标⭐！感谢阅读，我们下次见！

参考内容：

翻译：