“用 AI 生成的画作总是有六根手指”，或“招牌上的文字糊成一团”——这些说法已在互联网上广泛流传，成为一种网络迷因。人们倾向于相信这些规则，并以此判断照片或视频的真伪。然而，一项于 2026 年 1 月公开发表的学术研究通过数据证实：这一普遍认知与事实不符。进行 X-AIGD 研究的 Yao Xiao 团队发现，现有检测器几乎并未利用我们肉眼所见的感知缺陷 1。
那么，机器究竟依据什么来判定“AI 生成”？答案是：人类肉眼无法识别的统计性模式。本文将说明检测器实际响应的是哪些信号，并结合具体实验案例，探讨人与机器在判断力上的差距究竟源自何处。
检测器几乎并不关注肉眼可见的缺陷
Yao Xiao 研究团队构建了一个名为“X-AIGD”的基准测试，对 AI 生成图像中的缺陷进行了细致分类。研究人员从手指畸形、阴影异常等低层次失真，到语义错乱等高层次含义错误，均按像素级标注其位置与类型 1。
结果显示，现有检测器即使在最基础的失真层级上，对这些感知伪影的依赖程度也微乎其微（可忽略不计，negligible）。即使专门训练模型去识别特定缺陷，其判定依据的很大一部分仍依赖于人类无法解读的特征 1。换言之，检测器并非在寻找“特有的视觉失误”，而是在识别生成模型在数据中留下的独特统计模式。
人眼无法实现的统计判别
检测器与人类判断力之间的差距，在学术基准测试 DF26 的结果中体现得尤为明显。该测试要求区分由真人讲话的视频与 AI 生成的视频 2, 3。Pangram 公司于 2026 年 11 月通过其官方博客发布视频检测模型 Image Flash 1.0，并引用 DF26 基准测试作为评估依据 2, 3。
据 Pangram 方面介绍，在该实验中，人类的判断准确率仅略优于抛硬币，现有检测器的表现也未显著更高。而 Pangram 的 Flash 1.0 在该基准测试中取得了 98.7% 的准确率，比次优检测器高出 29 个百分点 2, 3。
| 检测对象 | 判断准确率 |
|---|---|
| 人类（区分真实视频与 AI 视频） | 略优于随机选择水平 2 |
| 次优 AI 检测器 | 约 69.7%（依据 98.7% 与 29 个百分点差距推算） |
| Pangram Image Flash 1.0 | 98.7% 2, 3 |
Pangram 的图像检测模型 Image 1.0 在其自建基准测试中——涵盖 100 张真实照片及由 12 个最新 AI 生成模型合成的 1,200 张图像，共计 1,300 张——取得了 99.96% 的准确率 2, 3。这一结果与 X-AIGD 研究所揭示的普遍结论一致，即现有检测器对感知伪影的依赖程度可忽略不计 1。不过，Pangram 并未具体阐明 Image 1.0 实现 99.96% 准确率的机制是否依赖于对视觉上不可解释信号的解读。
实用工具与消除偏见的实验设计
Pangram 将这些技术原理转化为普通用户易于使用的工具。以 Chrome 浏览器扩展形式提供的 Image 1.0，在用户浏览社交媒体、电商平台或租房网站时，会在页面图像上叠加热力图，直观显示 AI 生成区域及其位置 2, 3。
该工具针对社交媒体环境中常见的压缩、缩放、模糊（虚化）和噪声处理进行了鲁棒性训练。当输入分辨率低于 512×512 像素时，系统会提示置信度下降，但仍支持在最低 256×256 的低分辨率图像上进行判别 2。
（Pangram 博客：通过让真实视频与合成镜像视频共享相同的场景与主体，减少针对特定内容的判定偏见） 3
为提高检测性能的可靠性而设计的实验方案也值得关注。Pangram 选取 129 条真实社交媒体视频的首帧作为初始输入，将视觉语言模型（VLM）生成的视频描述文本作为提示词注入，促使 14 个视频生成模型制作“合成镜像”视频 3。由于真实视频与合成视频在场景与主体上完全一致，从而避免了将特定内容类型误判为 AI 生成的偏见，能够更公平地评估检测器能力 3。
当判定无法说明依据时，溯源技术可提供帮助
即使检测器基于统计模式做出判定，也难以用人类可理解的视觉语言解释其原因 1。为弥补这一局限，业界正在探讨强制“判定”与“来源标注”同步实施的技术与制度。
若未履行欧盟《人工智能法案》第 50 条规定的透明度义务，最高可处以 1,500 万欧元或全球年营业额 3% 的罚款 4。
C2PA（内容凭证）是一项标准，用于将内容的制作历史与修改过程记录在加密元数据中。为支持此类法规的落实，卢森堡数字化部于 2026 年 5 月启动了名为“TAID.LU”的 AI 检测平台采购项目 5, 6。该公共系统要求，在检测深度伪造内容时，除提供简单分数外，还需一并给出“可审计的依据与解释” 6。
| 类别 | AI 检测技术（例如 Pangram） | C2PA 与水印技术（例如 Rezolve） |
|---|---|---|
| 判别方式 | 分析人类肉眼不可见的统计与视觉模式 2, 1 | 读取生成时植入的数字签名及颜色通道中的数据 5, 4 |
| 优缺点 | 利用人类无法察觉的线索，可识别高清假视频 | C2PA 元数据存在被剥离或编辑时丢失信号的风险，但 Rezolve 的专利水印嵌入图像颜色通道，即使移除元数据仍能保留 4 |
为何需要交叉验证而非依赖视觉线索
归根结底，AI 图像检测器并非用于查找“六根手指”或“模糊文字”的工具 1。机器给出“AI 判定”，意味着它发现了人类未能察觉的像素层面的统计规律。
面对讲话者的视频，人类眼睛的判断仅停留在随机猜测水平；而准确率达 98.7% 的检测器则能识别出无形的统计模式 2, 3。
参考资料
- Unveiling Perceptual Artifacts: A Fine-Grained Benchmark for Interpretable AI-Generated Image Detection · arxiv.org↩
- Pangram Image 1.0 공개 - 사진과 영상에서 AI로 만든 부분을 탐지 | GeekNews · news.hada.io↩
- Introducing Pangram Image 1.0 · pangram.com↩
- Rezolve Ai Unveils Patent-Backed AI Provenance Platform as Watermarking Becomes Global Infrastructure · globenewswire.com↩
- ↩
- Luxembourg opens tender for AI-generated content detection tool | Biometric Update · biometricupdate.com↩
