如何判断一张照片是否由AI生成：任何人都能执行的7项检查

大多数关于如何判断照片是否由AI生成的指南都从检测器开始，以百分比结束。这个顺序是颠倒的。评分会告诉你文件与相机原始统计数据的偏差程度，这是有用的证据，但却是糟糕的定论。以下检查从你能自行观察到的内容开始，再转向技术信号，且仅将检测器评分视为多项输入中的一项。

判断照片是否由AI生成的关键在于执行多项检查并综合解读结果。这些检查单独来看都无法证明任何结论。它们的作用是告诉你接下来该从哪里入手，以及何时停止信任单一数字。

1. 观察手部、文字和重复图案

生成图像在三个方面仍存在困难：手指数量清晰的手部、密集的背景文字，以及围栏柱、成排窗户或人群面孔等重复结构。将图像以全尺寸打开并放大查看每个部分。五根手指合并成六根、看似某种语言却无实际意义的文字，或是间距偏移的成排窗户，这些都值得留意。

这项检查速度快且无需成本，仍然有效。但它也经常失效：现代生成器大多能正确生成手部，而压缩后的截图会破坏你所需的精细细节。

如果这张照片记录了真实事件，很可能有人先发布过它。进行反向图像搜索并查看其最早出现的时间。一张在病毒式传播图片中且在上周二之前没有任何痕迹的图片并非自动为假，但出现在十几个图库中的图片不会是突发新闻。

在此处下结论时需谨慎。缺少早期副本可能意味着图像是新的且真实，或是新的且伪造的。反向搜索确定的是发布来源，而非拍摄来源。

右键点击原始文件（而非截图）并查看其属性。相机原始文件通常包含品牌、型号和拍摄时间戳。生成流程通常不会写入任何内容，或是仅写入工具名称。

有两种失效模式比元数据的存在与否更重要。首先，大多数消息应用在发送时会剥离元数据，因此元数据缺失极为常见，且无法证明任何结论。其次，元数据极易编辑，因此干净的EXIF数据块也不是保证。

C2PA（通常以内容凭证的形式呈现）是一份描述文件创建和编辑过程的签名记录。如果存在清单且签名验证通过，你就能了解文件的历史。主流相机、部分编辑工具和多个AI平台现在都会附加C2PA清单。

重要的限制是：清单缺失并非伪造的证据。大多数到达审核者手中的图像都经过了至少一个会剥离清单的工具。缺失仅表明记录不存在，而非图像是假的。

如果你使用检测器，至少要运行两个——我们的方法体系会解释各层如何结合。不同的模型在不同数据上训练，且对不同瑕疵的权重不同。当同一文件在一个检测器中返回99%，而在另一个中返回1%时，这种分歧就是发现。这意味着证据模糊，需要人工判断。

将两个数字平均成一个看似可靠的评分，恰恰会隐藏值得检查的案例。将高分视为需要更仔细查看的理由，而非停止检查的理由。

错误定论的最常见来源并非复杂的伪造品。而是一张真实照片，在传到你手中前经过了提亮、裁剪和重新压缩。编辑会改变检测器所测量的相同统计数据，因此经过大量处理的真实照片可能会被判定为合成图像。

如果你能获取原始文件，就进行对比。如果不能，就在评估中说明这一点，而非暗示你检查的副本就是拍摄的原始文件。

这是大多数人跳过的步骤，也是让审核后续站得住脚的步骤。记录你检查了什么、缺失了什么，以及仍不明确的内容。“无来源、无拍摄元数据、检测器评分冲突、已升级至人工审核”这样的定论，比最终被证明错误的自信标签更有用。

它们都无法证明某事件发生或未发生。provenance记录描述的是文件，而非场景。检测评分描述的是与相机输出的统计距离，而非意图。在provenance缺失且无原始文件的情况下，诚实的立场是该问题尚未解决。

如果你想对单个文件综合运行技术层，请免费申请审核，并并排查看provenance、metadata和detector输出。示例报告展示了完整评估的样子。