賽博照妖鏡下,AI美女全變鬼。
來看它的牙。
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。
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。
不漏牙的照片也會暴露問題。
不過BTW,這個工具出自Claude之手。用AI破解AI,奇妙的閉環。
有一說一,最近AI人像太逼真又引發了不小討論,比如一組大火的「TED演講者視頻」,其實沒有一個是真人。
不只是人臉難以區分,就連之前AI的短板——寫字,現在都能完全以假亂真。
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。
這下線友們都坐不住了,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。
給出的理由五花八門。有人發現文字、花紋細節很抽象,有人則覺得人物眼神很空洞……
最先進的AI們生成人像有啥規律,逐漸被大家摸索出來了。
不看細節已很難分辨
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。
不過它存在一個問題。如果圖像用JPEG算法壓縮過後,該方法可能失效。
比如確定這張照片是真人照片。
但是由於畫質壓縮以及光線等問題,人物牙齒也有點模糊。
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。
由於AI學習圖像的方式和人類並不一致,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
與現實世界不符
之處,這就為圖像的鑑別提供了著手之處。
用開頭的這張圖片作為例子。
從整體上看,人物的皮膚過於光滑,看不到任何的毛孔,這種過於完美的特徵反而增加了不真實感。
當然這種「不真實感」並不完全等同於「造假」,畢竟經過磨皮處理的圖片同樣看不到毛孔。
但這也並非唯一的判斷因素,AI在圖片中留下的與常識的出入也未必只有一處。
實際上,這張圖只要稍微看以下細節,就能看到一個比較明顯的特徵——
識別證上方掛鈎奇特的連接方式。
還有在高飽和度模式下露出破綻的麥克風,放大之後直接用肉眼也能看出端倪。
更為隱蔽的是,頭髮末端有幾根毛髮的位置很不合理,但這樣的特徵,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,能夠找到的特徵越來越隱蔽,也是一個無法避免的趨勢。
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。
比如有網友發現,照片中的人佩戴的識別證上,Google標誌的下方最後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。
除了這些物體本身的細節,還有光線、陰影等信息也可以用來判斷真偽。
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隻手,顯然AI在這裡處理得有所欠缺。
說到視頻,由於涉及前後內容一致性,AI倒是比在靜態圖像中更容易露出雞腳馬腳。
還有一些特徵不算「常識錯誤」,但也體現出了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),有沒有發現什麼共同之處?
有網友表示,這四張圖裡的人,沒有一個是笑臉,這點似乎就體現了AI生圖的某種特徵。
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,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「以模製模」的方法,用AI生成的圖片訓練檢測模型,從圖像中分析更多特徵。
比如AI生成的圖像在頻譜、噪音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後、跟不上模型變化,甚至模型開發者專門進行對抗性開發的可能。
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%。
但AI造假和AI檢測之間的博弈過程,本身就是一場「貓鼠遊戲」。
所以在檢測之外,可能還需要模型的開發者也負起一些責任,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,如上引發恐慌的AI人像,不少都是由最近爆火的Flux生成/參與製作。
甚至大家已經開始默認,效果太好難以分辨的,就是Flux做的。
它由Stable Diffusion原班人馬打造,發布才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。
還有人用Flux和Gen-3一起做出了精美的護膚品廣告。
以及多角度的各種合成效果。
它很好解決了AI畫手、AI生成圖片中文字等問題。
這直接導致現在人類區分AI畫圖,不能再直接看手和文字了,只能盯著蛛絲馬跡猜。
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繼續在紋理細節、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、筆記型電腦上可運行的。不少人現在已經在Forget Midjourney了。
從Stable Diffusion到Flux,用了2年。
從「威爾史密斯吃麵條」到「Tedx演講者」,用了1年。
真不知道以後為了分辨AI生成,人類得想出哪些歪招了……