DeepSeek崩上熱搜

內部人員回應：

正在處理中，請稍后嘗試

隨著AI技術的不斷發展，其生成的文章、圖片和視頻作品越來越多，比如我們在刷短視頻時，常常會看到這樣的提示：內容疑似AI生成。每次看到這，有人難免產生疑問，平臺是怎么識別出來的？肉眼看到的明明是真人啊，為啥懷疑是AI作品呢？

AI生文

一般情況下，單純由AI生成的文章可能較難被直接識別出來。然而，AI生成的文字往往在語言表達和邏輯結構上展現出一種模式化的特征，一旦大量復制此類內容，或是作品的語言風格、結構等與AI生成的典型模式高度吻合，就有可能被識別出來。

機器的思考偏向“統計性”，而人類的思考里除了“統計性”，還有“因果性”。人類能從經驗中提煉因果邏輯，而AI缺乏這種認知深度。具體體現在當遇到困難，人類會反思，但這種能力大模型尚不具備。

以寫文章為例，AI的寫法是學習現有的數據，從中挑選最“安全”的詞，也就是按照概率高低來選詞，這和人類寫作的創造性有本質區別。例如在“我吃了一頓……”這個句式中，機器往往會在“吃”這一動詞后使用搭配概率較高的“飯”，但人類可能會說：“我吃了一頓美味。”

AI生圖

早期，AI生圖的技術并不完美，經常會留下操縱跡象。信也科技算法科學家呂強表示，通過肉眼分辨圖片是否為合成，可以重點觀察圖片中的細節，例如觀察圖片中的手指數量是否正常、眼神是否怪異、發絲看起來是否真實等，如果一個眼睛看前、一個眼睛看左就有問題。另外，生成的照片通常在光影上存在瑕疵，并缺乏照片基本參數，例如曝光等。但隨著AI的進步，這種觀察變得困難。

不過，研發這些AI圖片檢測軟件的工作人員尤其注意到，如果要辨別一張人像的真偽，通過分析圖像中人物的眼睛細節會是一種非常有效的方法。

人類的眼睛構造非常復雜，在光的折射下，人眼的反射角度、瞳孔的變化都會有很多細節的不同。現在的技術已經發展到可以從一段真實視頻中的人物眼睛反射的“鏡中像”，來分析人物所處環境甚至看到人物對面站著的人臉等細節。但目前“AI生成”的圖片中，人像的眼睛是不可能保存這樣的細節的，簡單地說，看一張“AI生成”人像的眼球瞳孔的形狀就可以一眼辨別真偽，因為真實的照片中人眼瞳孔形狀通常是規則的圓形或者橢圓形，而AI照片中瞳孔形狀大多是不規則的。

一種更高效的方法是采用AI對抗AI。通過AI識別，首先需要構建一個包括真圖和假圖的訓練數據集，再利用大模型學習兩類圖片的不同特征，例如用AI學習圖片曝光細節，“一張很灰暗的圖片出現了一張整體偏白的人臉，這張圖片可能就是經過人臉替換的。但有些人對光線不敏感，人眼可能就識別不出來。”當大模型擁有了各類細節的識別能力后，“把這些能力匯總起來，就構成了一個真假圖片的辨別矩陣，然后對矩陣結果打分，最終給出來一個真假圖片的評判結果。”不過，他也表示，利用AI識別生成圖片，算法復雜度并非難點，挑戰在數據：一是可能沒有那么多假樣本，二是要想讓假樣本覆蓋到很多領域也有挑戰。

AI生視頻

目前，大多數視頻都可以用AI生成，只不過這里很讓人頭疼的當屬“換臉”視頻，令人防不勝防，特別是對那些不太了解AI的人，一騙一個準兒，事后還要搖著腦袋說，這肯定不是AI。

事實上，AI 偽造視頻所用的技術并不是最近才出現的，上世紀九十年代學術界就開始了面部替換和圖像生成相關技術的研究。2014 年，伊恩·古德費洛（Ian Goodfellow）提出了生成對抗網絡（GAN，Generative Adversarial Network），使得計算機可以生成更為逼真且高質量的圖像。隨著相關技術不斷進步，AI不僅生成的視頻分辨率更高、面部表情同步更自然，而且所需的數據更少、訓練時間更短。

那么如何識別和檢測一段視頻的真偽呢？最簡單的方法還是我們的“經驗判斷”——即用肉眼仔細分辨，還是能看出視頻中人物的一些異常，比如面部表情的扭曲或眼神的不自然、眨眼次數過少、人物面部邊緣模糊或者與背景的過渡明顯不自然，甚至是人臉的光影效果與周圍環境的光線情況不符等。

另外，在視頻通話時，如果你無法分辨眼前與你視頻通話的人是真是假，可以要求對方用手指按一按自己臉頰或鼻翼，因為目前已知的人臉仿冒技術，還不能仿冒人臉在受到外部壓力時產生的變形，如果變形明顯不正常，就可以判定對方是“換臉人”。或者可以在自己的手機上安裝相關的“打假”軟件，來檢測視頻的對方皮膚的顏色是否會隨正常的人類心跳頻率保持一致地有規律變化。

在國內，有些企業將特定信息嵌入到多模態的數字載體中，支持圖像、視頻、音頻、文本等多模態數字載體，可以隱蔽嵌入水印信息，不影響原始內容質量和用戶感知，同時抵御攻擊，以免被刪除或修改。這類技術應用到軟件中，那么識別AI視頻就會變得更加容易。

盡管當前的技術大幅提高了對AI生成文本識別的準確性，不久的將來，AI可能會發展出“反偵察”技術，從而提高內容識別難度，人與機器之間這種“矛”與“盾”的攻防角色會不斷互換、演進。

令人擔憂的是，當人類吸收的語料中越來越多混雜入AI生成內容，人類的語言會不會越來越接近AI？隨著互聯網上AI生成內容的不斷增加，一批與AI相伴而生的年輕人可能會逐步學習AI的表達風格。但人類的表達始終具有“因果性”，目前與AI還存在本質區別。而未來，AI可能學會像人一樣思考，屆時識別難度可能更高。

用AI生成的圖片，著作權歸我嗎？

在前一個問題基礎上，如果生成的圖片屬于“作品”，那么，它的著作權屬于我嗎？

《著作權法》對作者的定義是：“創作作品的自然人是作者。由法人或者非法人組織主持，代表法人或者非法人組織意志創作，并由法人或者非法人組織承擔責任的作品，法人或者非法人組織視為作者。” 故人工智能模型本身無法成為我國著作權法上的作者。

排除了人工智能模型本身，那么是不是就意味著我就是作者了呢？不一定，還要看人工智能模型的使用協議。“春風案”中，原告使用的Stable Diffution軟件在用戶使用協議中明確，“除非在本許可證中另有規定，許可證人不對您使用模型生成的輸出聲稱任何權利。您對生成的輸出及其后續使用負有責任。輸出的使用不得違反許可證中的任何規定。”筆者使用的某AI軟件亦規定，“在你和公司之間，在適用法律允許的范圍內，你提供的輸入的知識產權歸屬于你或者依法享有這些知識產權的權利人。公司不主張輸出內容的所有權。如果輸入和/或輸出本身包含了公司享有知識產權或其他合法權益的內容，則前述無輸入和/或輸出的相應權利仍由公司享有，不因包含在輸出當中而改變其權屬。”當然也有AI軟件或模型是主張權利的，還有的需要購買會員才能享有輸出內容的所有權，不一而足，需要仔細閱讀用戶協議。除此之外，這些軟件、模型往往都保留了對輸出內容免費使用的權利。

用AI生成的圖片，可能涉及侵權嗎？

可能。這里存在兩方面的侵權可能。

一是選用的圖片本身侵權。AI生成圖片，本質上是原圖片的修改，所以如果選用的圖片沒有得到相應的授權，那么在用該圖片生成新圖片的過程中，就可能涉嫌侵權。當然，如果AI生成的圖片跟原圖已經大相徑庭，估計原作者也很難認出是自己的圖片改編而來。

二是用的AI模型侵權。AI生成的效果一定程度上看訓練的內容，需要AI的運營方前期“喂”圖片給它。這就導致AI模型生成的圖片，跟訓練的圖片風格有很高的相似度。如網友“弱冠年華”在社交平臺個人主頁以“插畫師的悲哀，我被Ai刺（赤）裸裸地抄襲了”為題，講述了自己作品被AI生圖侵權的經歷，插畫博主“CZH-時光機”也發文稱，自己創作的童年插畫系列，被AI“抄襲”了。當然，這種情形AI模型是否真構成侵權還尚無定論，至于用戶侵權，筆者認為更是小概率事件。

大眾·半島新聞綜合自澎湃新聞、科普中國、鈦媒體、科創板日報等