你可能觉得自己眼光挺毒，真假照片一眼就能看穿。但最近几年，AI画图工具火得一塌糊涂，输入一句话就能出图，效果逼真到让人心里发毛。问题是：人眼真的还能分辨吗？
Science Buddies 的 Ben Finio 博士设计了一个实验，专门测试这件事。这不是什么高深实验室里的研究，材料随手可得，几天就能做完。但答案可能会让你重新评估自己的判断力。
先说背景。电脑生成图像其实几十年前就有了，电影特效、游戏画面、数字艺术，全靠人一笔一笔抠出来，费时费力。AI 来了之后，规则变了。现在你给系统丢一句"一只老虎走过草地"，它几秒就能吐出一张图，光影、毛发、景深样样俱全。Finio 博士的实验正是想测：这种图混在真照片里，普通人能不能揪出来？
实验设计很直接。准备两组图片，一组真实照片，一组 AI 生成图，让受试者判断真假。核心变量只有一个：识别准确率。但这里有个有趣的点——Finio 博士没有预设"肯定很难"或"其实很简单"，而是把难度标为"中等偏上"。为什么？因为目前学界对人类的图像识别能力在 AI 时代还剩多少，其实没有定论。
这里需要澄清一个常见误解。很多人以为 AI 图总有破绽，比如手指多一根、背景扭曲、光影不自然。早期确实如此，但模型迭代速度惊人。2022 年的明显 bug，2024 年可能已经被修掉。Finio 博士的实验材料用的是"现成可获取"的资源，意味着你完全可以拿当下最新的 AI 工具来测试——而结果可能和两年前大相径庭。
更深一层的问题是：分辨不出来，真的重要吗？
Finio 博士在实验背景里提了一个词：deepfake。AI 生成的假图不只是"好玩"，它可以被用来伪造从未发生过的场景。一张假照片配上似是而非的说明，传播速度可能比辟谣快十倍。历史上假新闻从来都有，但 AI 把生产门槛降到了近乎为零。以前造假需要技术、时间、资源，现在只需要一个文本框和几秒钟。
但实验本身并不评判这些后果，它只是问：人能不能分辨？
这个设计选择本身就很科普。太多讨论 AI 伦理的文章一上来就站队，要么恐慌要么不屑。Finio 博士的做法是先收集数据，把"能不能分辨"和"应不应该担心"拆成两步。这种拆分对普通读者特别友好——你可以先测测自己的眼力，再决定要不要更新对信息环境的信任度。
实验的"短周期"设定（2-5 天）也有讲究。它不是那种需要养细胞、等生长的长期项目，中学生课余就能做。这意味着样本可以很大，可以跨年龄、跨背景测试。Finio 博士没有公布预设结论，但这类实验的隐含假设通常是：识别难度可能和图像主题有关。风景照比人脸好伪造？还是反过来？这些细节在原文里没有展开，但给读者留了自己探索的空间。
有个细节值得玩味。原文提到"电脑生成图像已经存在几十年"，但特意区分了"人用电脑画"和"AI 自动生成"。前者是工具辅助创作，后者是算法替代决策。这个区分在讨论中经常被忽略——很多人把 Photoshop 修图和 Midjourney 出图混为一谈，其实两者的人类参与程度完全不同。Finio 博士的实验设计 implicitly 针对的是后者，也就是那种你根本不知道背后有没有人类审美判断的图像。
那么，如果实验发现大多数人分辨不了，意味着什么？
原文没有给答案，但提出了正确的问题。它不说"这很可怕"或"这无所谓"，而是把判断留给做完实验的人。这种克制在科普写作里很稀缺。太多作者急于给情绪，反而压缩了读者的思考空间。Finio 博士的写法是：我给你工具，你自己测，自己得出结论。
最后说点实用的。如果你想复刻这个实验，原文提示材料" readily available "——意思是免费 AI 画图工具一搜一大把，真实照片可以用自己拍的或正规图库。控制变量是关键：同样的主题、相似的构图、一致的展示方式，才能测出"AI 痕迹"本身的影响，而不是"这张图本来就很糊"的干扰。
测完之后，你可能会对社交媒体上的"现场照片"多留个心眼。也可能发现，自己的眼睛比想象中敏锐。无论哪种结果，都比道听途说的"AI 图很容易认"或"根本认不出"要靠谱得多。
毕竟，在真假越来越模糊的时代，先承认"我不确定"，可能是最好的起点。
热门跟贴