當AI開始"故意變差",真正的危險就降臨了

2025-12-30 | 來源: 果殼 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

還記得幾年前人類第一次見到 AI 生圖時的反應嗎？

先是靠判斷違背物理常識的“一眼假”，比如生成的手指個數不對又變形，生成的人類永遠吃不好面條。

隨著 AI 發生常識性錯誤在一點點減少，它又走向另一個“極端”，生成的人像皮膚太光滑、光線太扁平、構圖太端正，乍一看像P過的影樓寫真。“這不像是人拍的”，對此，我們還能發出經驗主義的警覺。

猛一看很真實，細看太過完美光滑｜APOB AI

但是，朋友們，在這個人機難辨的時代，任何識別經驗都會被隨時淘汰。

新的 AI 圖像模型開始主動往“差一點”的方向走了。它們學會模仿手機攝影出現的不完美的質感：對比度不高、銳化過頭、陰影被硬生生拉亮、構圖帶點隨意，甚至有點糊。

也就是說，AI 不再追求生成“最好的照片”，而是試著生成“你會拍出來的那種照片”。而正是這些“瑕疵”，讓圖像突然變得可信了。

這個變化節點透露出一絲更加“危險”的氣息，AI 正在學習如何顯得不那麼完美，就像人類一樣。

AI：我裝的

日媒揭一年內最危險行業排名,第一出乎意料

余華塌房?新書被罵上天真正的問題卻不在"黃"

逼近美國門戶!北京發力開啟危險之路

真實世界從來不是高清、完美、對稱、幹淨的。我們之所以相信一張照片是真的，並不是因為它好看，而是因為它符合我們記錄現實的方式。

早期的 AI 圖像，它們最大的破綻是一種詭異的“完美”。圖像每一顆像素都太滑、太亮、太幹淨了，就像是把“磨皮”開到最大後又抹了層油和蠟，人像宛如蠟像，不生動。

原因很簡單，當你輸入“一張桌子”，AI 會生成一個“在任何評判標准下都符合的結果”，它大概率是一張“教科書圖”。而且，從數據來源來說，往往被反復標注和引用的圖片都是這種“標准圖”，模型早期的核心邏輯是在真實中“求平均值”，AI 會調取它數據庫裡見過的幾十億張桌子，然後取一個中間值，那種隨手一拍家裡的臓亂桌子圖在這種巨量的平均之下被“稀釋”了。

去掉“油蠟感”是 AI 生圖擬真的重點｜X

而今天訓練模型的人在教 AI “搞砸”。

以最近 Gemini 裡集成的 Nano Banana 為例。它生成的圖像裡，有著明顯的過度銳化，對比度拉得死高，暗部細節丟失，甚至還有那種因為傳感器太小而產生的特有噪點。

我們知道因為手機能承載的傳感器很小，為了彌補光學上的先天不足，手機廠商會使用多幀合成算法，“暴力”地提升陰影亮度，銳化邊緣以制造“清晰”的假象。

久而久之，我們的眼睛被手機廠商馴化得習慣了“手機味兒”，當 AI 開始模仿這種物理光學上的局限性時，其實是模仿人類的被上一代機器“馴化”後的認知方式。