【Science】还在被 AI 照片骗，利用初中知识就能手动辨真伪，AI懂视觉，但不一定懂几何，“学好数理化，走遍天下都不怕”的含金量还在上升

导语

刷社交平台时，我们总会刷到极具冲击力的新闻配图、氛围感拉满的短视频画面，或是突发事件的现场实拍。如今依靠人工智能生成的影像早已摆脱早年五官扭曲、手指畸形的粗糙瑕疵，画面质感足以以假乱真。这些伪造内容肆意传播，编造虚假事件、煽动网络对立，甚至衍生出各类网络骗局，普通人很难第一时间分辨真假。

2026 年 4 月，《Science》刊发了一篇深度人物报道，文章聚焦数字影像取证领域深耕二十余年的专家 Hany Farid。他常年和各类伪造照片、视频打交道，在长期对抗人工智能伪造素材的过程中，总结出一套普通人也能直接使用的辨别方式。整套方法不需要专业软件，只需要依靠我们现实世界里客观存在的物理规律，就能找出 AI 画面里藏不住的漏洞。今天我们就结合这篇权威报道，把实用的辨别方式完整分享出来。

一、AI 伪造影像泛滥，连顶尖专家都难以快速下定论

报道开篇记录了一段真实的影像核验经历，也直观展现出当下 AI 伪造内容带来的巨大辨别难题。

一段声称美军战斧导弹袭击伊朗米纳卜市的视频被当地新闻机构放出，瞬间引发舆论震荡，多家媒体找到 Hany Farid，希望他判断这段视频的真实与否。拿到素材的第一时间，Farid 内心充满怀疑。那段时间中东冲突持续发酵，网络上已经流出大量由人工智能生成的战争画面，而且这段事发一周后才对外公开，画面整体清晰度偏低，处处透着不对劲。

Farid 花了大量时间逐帧查看视频画面，一点点核对画面里所有符合现实世界的客观细节。他先观察爆炸的形态，人工智能制作的爆炸往往浓烟蓬松夸张、火光泛滥，而这段视频里的爆破烟雾扩散节奏自然，和真实爆炸的状态高度契合。

最关键的核验环节集中在画面里的导弹轮廓。他把包含导弹的五帧画面重叠对齐，观察导弹坠落的轨迹，短距离下坠的金属物体，会顺着重力呈现笔直的下落路线，视频里的影像完全符合这条规律。之后他又结合导弹真实尺寸、画面像素占比、火光与爆炸声的时间差，反向推算拍摄者和导弹之间的距离，两种计算方式得出的距离数值完全一致。

多重细节全部核对完毕后，Farid 才谨慎对外给出判断，认为这段视频大概率为真实拍摄素材。他的妻子 Emily 同样是伯克利计算机视觉领域的研究者，全程旁观了这次核验。她表示，这是她第一次看见 Farid 反复排查数个小时，全程找不到任何伪造痕迹，却依旧无法笃定画面真实。

这一件小事足以说明，当下的 AI 伪造影像已经具备极强的迷惑性，哪怕是从业二十年的专业学者，也需要耗费大量时间反复核验。

网络上由人工智能篡改、生成的虚假影像，早已渗透到各类社会新闻与国际事件当中，不断扰乱大众对真实事件的认知。

美国明尼苏达州一名重症护士被执法人员意外身亡后，网络上流传出经过 AI 修改的现场照片。原本只是墙面阴影的区域，被人工智能错误渲染成枪支，失真的血腥照片在全网大范围转发，误导大众对事件全貌的判断。

另一起执法冲突事件里，有人利用人工智能抹去执法人员的口罩，修改面部特征，拿着篡改后的图片嫁祸给一名居住在明尼阿波利斯的普通市民，凭空制造无妄的舆论攻击。就连白宫官方社交账号，也曾发布过一张经过 AI 修改的照片，照片里被捕女性原本面无表情，人工智能强行添加泪痕，刻意引导网友形成偏向性看法。

在中东相关战事的网络讨论区，虚假影像更是随处可见。燃烧坍塌的建筑、情绪崩溃的士兵、在空中坠毁的战机，大量画面都由人工智能生成。克莱姆森大学媒体取证实验室负责人 Darren Linvill 提到，这类 AI 画面的视觉效果远比真实拍摄素材更有戏剧张力，镜头构图、爆炸场面都贴合大众观影习惯，就像院线战争电影里的镜头，大众更愿意主动保存、转发这类冲击力更强的画面，虚假信息也借此快速扩散。

二、人工智能难以复刻现实世界的客观规则，这是我们辨别真伪的突破口

二十多年前，Hany Farid 刚踏入影像取证领域时，市面上的伪造素材大多依靠修图软件拼接修改。当时他的辨别思路，是寻找像素拼接、图层改动留下的数字痕迹。

但如今情况发生了彻底改变。人工智能可以从零生成完整图片，不存在图层拼接的修改痕迹，早年依靠像素特征完成鉴别的办法，已经很难发挥作用。不少新式 AI 模型还能模拟相机拍摄产生的噪点、镜头自带的细微瑕疵，进一步抹去机器生成的痕迹。

人工智能有一处无法彻底修复的短板。它依靠学习海量图片里的二维色彩、线条完成创作，没有对三维现实世界的完整认知，无法精准复刻光影、透视、反射、流体运动的物理规则。这些客观存在于生活里的规律，不会被人工智能完美复刻，也成为普通人分辨真假画面最直观的依据。

透视线条，是辨别 AI 画面最直观的线索

我们生活在三维空间里，拍摄照片时，画面里所有互相平行的直线，都会在镜头透视效果下向远方收拢，最终交汇在同一个点上。走廊两侧的墙体、地面拼接的地砖、建筑门窗的边框，都遵循这条规律。

人工智能在绘制长走廊、室内地面、大型建筑这类包含大量平行线条的场景时，很容易打破这条透视规则。我们只需要拿出一张存疑图片，在脑海里延长画面里所有平行直线，就能简单判断画面是否存在问题。

报道附带的一张士兵列队的虚假图片里，走廊墙体、地面地砖延伸出的线条四散分布，没有统一的交汇点，一眼就能看出画面由人工智能生成。另一张恐龙镜子示意图同样能佐证，玩偶本体和镜面倒影之间的连线逻辑完全断裂，透视关系相互矛盾，这也是 AI 绘制镜面场景时常见的漏洞。

AI伪造士兵透视破绽，地板的平行线最终没有交于一点

光影与阴影，几乎所有 AI 画面都会出现漏洞

自然光源或是室内灯光都有固定的照射方向，同一张画面里所有物体产生的阴影，深浅、朝向、长短都需要和光源保持统一，人工智能很难统一处理全画面的光影逻辑。

物品实物与影子的连线最终没有交于一点

很多 AI 生成的人物画面会出现明显矛盾。人物半边面部被强光覆盖，另一半的阴影来源却和环境光源无法对应；画面里悬浮摆放的摆件、人物双脚，地面没有匹配的落地阴影；同一张合照里，不同人物的影子朝向左右相反，违背基础光学常识。

还有一处容易被忽略的细节，是人物眼球里的反光。真实拍摄的人像，双眼内的高光反光形状、位置完全匹配环境光源，人工智能绘制时，经常会让两只眼睛的反光相互割裂，出现不对称、错位的情况。

文章里白宫发布的篡改照片就是典型案例。原图中的女性面部没有任何泪痕，人工智能后期添加哭泣的面部状态，新增泪痕带来的面部阴影，和画面原本的光源完全割裂，光影冲突的破绽十分清晰。

镜面、水面反射场景，AI 的失误概率极高

镜子、水面这类会产生反射效果的场景，遵循固定的光学反射定理，物体实物和倒影之间的角度、尺寸、细节必须完全对应。

人工智能处理反射画面时，失误的概率超过八成。我们可以重点观察三处细节：镜面里的人物五官、肢体比例和实物无法匹配；本体画面里存在的物品，倒影里凭空消失，本体不存在的细节，却在镜子里无端出现；倒影的透视角度扭曲，和真实物体的空间位置无法对应。

哪怕是技术成熟的商用 AI 模型，在绘制包含镜面、水面的复杂场景时，依旧很难完整遵守反射规则，这也是普通人辨别虚假画面最简单的切入点。

实物与镜像的连线最终没有交于一点

动态视频素材，可观察爆炸、运动、口型三处细节

如果我们需要辨别网传短视频、新闻片段，可以对照报道里总结的动态画面特征观察。

第一处观察爆炸、烟雾、火焰。人工智能制作的爆炸场面，普遍存在夸张失真的问题，浓烟蓬松杂乱、火舌无规律四处扩散。真实场景里的爆炸烟雾会受到冲击波、气流约束，分层清晰，扩散节奏自然稳定。

第二处观察空中飞行、下坠的物体。所有受重力影响的物体，坠落、俯冲的轨迹都存在固定规律，当年 Farid 核验导弹视频时，正是依靠笔直下坠的轨迹，确认画面符合现实规则。

第三处观察人物说话的唇形。依靠人工智能完成换脸、对口型的伪造视频，会出现台词和嘴唇动作错位的情况。爆破类发音对应的嘴型无法匹配台词，专业读唇人士可以快速识别破绽，Farid 团队也针对这一问题，研发出自动识别唇形错位的检测工具。

三、避开过时辨别思路，多重细节交叉核对才能保证判断准确

很多人辨别 AI 图片时，还在沿用几年前的老旧办法，这些方式放在 2026 年已经不再适用，文章里也专门提醒读者避开这些误区。

不要依靠手指畸形判断画面真假。经过多次迭代的人工智能模型，已经基本修复六指、扭曲手掌这类低级瑕疵，很难再依靠手部细节分辨画面来源。

不要单一依赖线上 AI 检测工具。这类自动识别模型的训练素材存在局限，面对和训练图片风格差异较大的画面，识别准确率会大幅下滑。新闻取证、法庭举证的场景里，也无法单独依靠机器给出的概率结果下定论。

不要依靠画面噪点分辨真假。如今人工智能可以模拟相机拍摄自带的颗粒噪点，早年依靠像素指纹鉴别的方式，发挥的作用越来越小。

真正稳妥的辨别方式，是结合多种物理细节交叉核对。如果一张图片同时出现透视错乱、光影矛盾两处及以上漏洞，这张画面为人工智能伪造的风险会大幅升高。

Farid 本人并不认可单纯依靠机器完成鉴别的思路。在法庭举证的场景中，工作人员无法只向法官出示机器输出的伪造概率数值，必须拿出肉眼可见、符合现实物理常识的客观破绽，才能形成完整有效的证据链。只依靠人工智能反向检测人工智能，在严谨的取证场景里，缺少足够说服力。

四、AI 伪造影像持续泛滥，我们正在步入信任缺失的后真相环境

Hany Farid 在报道中表达了自己长久以来的担忧。不受约束的人工智能企业持续迭代图像生成工具，正在把整个社会推向一个难以信任任何影像素材的环境。

他从业二十余年，完整见证影像伪造技术的演变。早年的虚假照片依靠手工涂改、胶片拼接，后来修图软件普及，拼接修改的门槛大幅降低，如今只需要输入一段文字，就能在几秒内生成高清写实画面，造假成本几乎可以忽略不计。

更让人无奈的是，即便专业学者拿出完整、客观的证据链，证实一张图片存在伪造痕迹，被固有偏见、阴谋论裹挟的人群，依旧不会接受客观结论。2009 年，Farid 核验肯尼迪遇刺相关照片，证实图片不存在人为篡改，却遭到大量阴谋论支持者的攻击。有人刻意关联他父亲早年在柯达胶片企业的工作经历，捏造不实猜测，甚至写信向达特茅斯学院施压，要求校方辞退他。这件事让他清楚意识到，影像真伪的核验只是信息链条里的一环，大众内心的固有偏见，会直接屏蔽客观事实。

不过 Farid 的研究并非只用于辨别虚假影像，他主导开发的 PhotoDNA 工具，在全球各大社交平台投入使用，专门筛查网络里的儿童色情影像。工具会将上传图片和已知有害素材数据库比对，主动抓取违规内容，加拿大儿童保护机构依靠这套工具，主动检索网络违法影像，曾帮助解救一名被拐少女。这名女孩特意给 Farid 发送感谢视频，还纹了工具标志性的蜘蛛纹身，Farid 也在自己手臂纹上同款埃及风格蜘蛛图案，纪念这份能够切实保护他人的研究成果。

他将影像鉴别的工作比作出门锁门。门锁无法阻拦专业开锁匠人，却能挡住绝大多数心怀恶意的普通人。我们普通人掌握依靠物理规律辨别画面的方式，等同于给自己搭建一道信息防护门，过滤网络里大量刻意捏造的虚假影像。

五、普通人快速自查步骤，收藏起来随时对照

遇到存疑的图片、短视频，不用复杂操作，顺着下面的顺序逐一观察，两处及以上细节出现矛盾，就需要谨慎看待这条内容：

先观察画面透视关系，延长地砖、墙体、建筑的平行直线，查看线条是否能汇聚到同一个交点；

再核对全画面光影细节，确认所有物体阴影朝向统一，人物双眼反光和环境光源匹配；

如果画面包含镜子、水面，仔细对比倒影和实物的尺寸、结构、透视角度；

若是短视频素材，额外观察爆炸烟雾是否过度夸张，人物说话嘴唇动作能否和台词对应；

最后结合新闻常识交叉验证，检索这件事是否有多家权威媒体同步报道，画面呈现的情节是否和现实常理相悖。

结尾

人工智能本身不存在善恶之分，但无底线的滥用，正在不断消耗网络空间里大众的彼此信任。我们不需要掌握复杂的计算机技术，也不用下载专业检测软件，只需要依托现实世界稳定不变的物理规则，就能分辨绝大多数虚假影像。

下次刷到极具冲击力的新闻配图、情绪感强烈的短视频，不要着急转发分享，花半分钟对照文中的观察方式简单核验。守住自己分辨真相的第一道关口，才不会被刻意捏造的虚假画面左右自身判断。

参考资料

Kai Kupferschmidt. Reality Check. Science, 2026, 392 (6797): eai4515.