如何识别AI生成的图像

有时，最好的AI图像识别工具就是你的眼睛。

坏消息是：现在要识别AI生成的图像变得非常困难。随着AI模型的飞速进步，以前那些容易暴露的线索—比如扭曲的手部和杂乱的文字—已经越来越少见了。

现在，很难再明显区分出哪些图像是通过像Midjourney、Stable Diffusion、DALL-E和Gemini这些热门工具生成的。事实上，AI生成的图像越来越容易欺骗大众，导致了虚假信息的传播问题。不过，好消息是，虽然比以前更费力，但识别AI生成的图像通常并非完全不可能。

AI图像检测工具—使用时需谨慎。

这些工具通过计算机视觉技术分析像素模式，来判断图像是否可能是AI生成的。这意味着，虽然AI检测器并非万无一失，但它们是普通人判断图像是否需要仔细审视的一个好方法，尤其是在图像表面看起来无懈可击时。

AI图像检测平台“AI or Not”的CEO阿纳托利·克维特尼茨基表示：“不幸的是，根据研究，靠肉眼辨别AI生成图像的准确率大约只有50%。但对于AI检测器来说，由于像素模式的存在，即便模型不断改进，这些模式依然能够被识别出来。”克维特尼茨基声称，“AI or Not”的平均准确率可达98%。

其他成功率较高的AI检测工具还包括Hive Moderation、Hugging Face上的SDXL Detector以及Illuminarty。我们测试了这几款检测器，使用十张AI生成的图像进行测试。

与其他AI图像检测器不同的是，“AI or Not”只给出简单的“是”或“否”的结果，但它准确地指出了图像是AI生成的。免费版本每月允许上传10张图像。我们用10张图像进行了测试，成功率达到了80%。

“AI or Not”准确地将这张图像识别为AI生成的

Hive Moderation

我们使用了Hive Moderation的免费演示工具，测试了10多张不同的图像，整体成功率达到了90%，这意味着这些图像有较高的可能性是AI生成的。然而，它未能检测出一张描绘松鼠军队攀爬岩壁的人工图像中的AI特征。

我们希望相信松鼠军队是真的，但AI检测器却判断错误了

SDXL Detector

Hugging Face上的SDXL Detector加载需要几秒钟，第一次尝试时可能会出现错误，但它是完全免费的。它还提供概率百分比。检测结果显示，70%的AI生成图像具有较高的生成AI概率。

SDXL Detector准确地识别出了一张复杂的Grok-2生成的巴拉克·奥巴马在公共浴室中的图像

Illuminarty

Illuminarty提供了一个免费的基本AI图像检测计划。在我们上传的10张AI生成图像中，它仅将50%分类为极低的AI生成概率。让啮齿动物生物学家感到震惊的是，它对臭名昭著的“鼠类生殖器图像”也给出了低概率的AI生成判断。

这张图像看起来像是一个容易的识别任务

.
如你所见，AI检测器大多数时候表现不错，但并非万无一失，不应作为唯一的图像认证方式。有时，它们能够识别出尽管看起来真实但实际上具有欺骗性的AI生成图像，而有时却会错误地判断那些明显是AI创作的图像。因此，综合使用多种方法是最好的选择。

其他一些技巧和窍门

另一种检测AI生成图像的方法是简单的反向图像搜索，这也是芝加哥德保罗大学计算与数字媒体学院计算机科学教授、网络智能中心主任班沙德·莫巴舍推荐的。通过将图像上传到Google Images或其他反向图像搜索工具，你可以追溯图像的来源。如果图像展示了一个看似真实的新闻事件，“你可能能够判断它是虚假的，或者实际事件并未发生，”莫巴舍说道。

谷歌的“关于此图像”工具

谷歌搜索还有一个“关于此图像”功能，提供图像的上下文信息，比如图像首次被索引的时间以及它在互联网上出现的其他地方。可以通过点击图像右上角的三个点图标来找到这个功能。

肉眼可以发现的明显迹象：

说到这，虽然AI生成的图像越来越逼真，但仍值得留意那些明显的迹象。如前所述，你可能仍会偶尔看到图像中存在扭曲的手部、看起来过于完美的头发，或图像中的文字混乱不清。我们的姐妹网站PCMag的分析建议，检查背景中模糊或扭曲的物体，或者那些皮肤无瑕疵——我们说的是完全没有毛孔的完美皮肤。

初看下面的Midjourney图像，它看起来像是一位卡戴珊家族的亲戚在推广一本可能来自Instagram的烹饪书。但仔细观察，你会发现扭曲的糖罐、变形的关节和过于光滑的皮肤。

再仔细一看，这张图像并非表面上那么简单

“AI在生成整体场景方面可能表现不错，但问题往往出在细节上，”Hugging Face的AI与气候负责人莎莎·卢乔尼在给Mashable的邮件中写道。她建议留意“主要是一些小的不一致之处：多余的手指、不对称的首饰或面部特征、物体中的不协调（例如茶壶上的额外把手）。”

同样，电气和电子工程师协会（IEEE）的研究员班沙德·莫巴舍表示，应该放大图像，寻找“奇怪的细节”，如散乱的像素和其他不一致之处，例如微妙的不匹配的耳环。

“你可能会发现图像的某部分在相同的焦点下模糊，而另一部分则非常详细，”莫巴舍说。这在图像的背景中尤其明显。“如果背景中有带文字的标志，很多时候它们会变得混乱不清，有时甚至看起来不像任何实际语言，”他补充道。

这张展示大众汽车在海滩上游行的图像是由谷歌的Imagen 3生成的。沙子和公交车看起来非常逼真。但仔细观察，你会发现第三辆公交车上本该有的VW标志被混乱的符号代替，而第四辆公交车上有模糊的斑点。

我们相信某个时候确实有过大众汽车巴士的游行，但这张图像显然不是,注意到那些混乱的标志和奇怪的斑点了吗

归根结底，一切都归结于AI素养

上述方法都不太有效，如果你在消费媒体，特别是社交媒体时，没有首先停下来思考你看到的内容是否是AI生成的。就像2016年信息泛滥的选举中，媒体素养成为热门概念一样，AI素养是判断内容真实性的第一道防线。

AI研究员杜里·龙和布莱恩·马格科将AI素养定义为“一套能力，使个人能够批判性地评估AI技术；有效地与AI沟通和合作；并在网上、家庭和工作场所使用AI作为工具。”

了解生成AI的工作原理和要查找的关键点非常重要。卢乔尼说：“这可能听起来很陈词滥调，但花时间验证你在社交媒体上看到的内容的来源和出处是一个好的开始。”

首先，问问自己关于图像的来源和它出现的背景。谁发布了这张图像？配套的文字（如果有的话）说了些什么？其他人或媒体是否也发布过这张图像？图像或配套的文字给你的感觉如何？如果它似乎旨在激怒或引诱你，思考一下原因。

一些组织正在采取措施应对AI深度伪造和虚假信息问题

正如我们所见，个人区分AI图像与真实图像的方法目前仍然零散且有限。更糟糕的是，非法或有害的AI生成图像传播不仅传播了虚假信息，还会引发对在线媒体的信任危机。然而，随着生成AI的兴起，已经有一些举措出现，以增强信任和透明度。

由Adobe和Microsoft创立的内容来源和真实性联盟（C2PA），包括了OpenAI、Google等科技公司，以及路透社和BBC等媒体公司。C2PA提供可点击的内容凭证，用于识别图像的来源及是否为AI生成。然而，将内容凭证附加到图像上仍需创作者自行操作。

另一方面，斯坦福大学的Starling Lab正致力于验证真实图像。Starling Lab验证“敏感的数字记录，如人权侵犯、战争罪行和种族灭绝的证词”，并将经过验证的数字图像安全地存储在去中心化网络中，以防篡改。虽然该实验室的工作不面向用户，但其项目库对于那些想要验证乌克兰战争或特朗普与拜登总统过渡的图像的人来说是一个很好的资源。

专家们经常在讨论骗局和虚假信息时提到AI图像，但AI图像并不总是为了欺骗。AI图像有时只是脱离原始背景的笑话或迷因，或者是草率的广告，甚至可能是利用新技术进行的创意表达。无论如何，AI图像已经成为生活的一部分，而如何识别它们，则取决于你自己。

在这里对斯莫基熊（Smokey the Bear）进行了一些改编，但他会理解的