照片还能信任吗？
04 照片还能信任吗？
能信任的程度，比大多数工具愿意承认的要低。即便是强大的 AI 图像检测器，一旦照片被重新压缩或转发，准确率也会明显 下降——而这几乎会发生在所有在网上分享过的内容身上。微软的一项研究发现，人类自己区分真实图像与 AI 生成图像的准确 率只有 62%——比抛硬币好不了多少。目前不存在一个可靠的"这是真的吗"按钮，我们没有，任何诚实的人也都没有。本工具 转而采取的做法是：展示可见的证据——异常的压缩痕迹、对不上的缩略图、重复的区域——并明确将其标注为一种线索，而绝 非定论。
深入了解：检测究竟是怎么运作的，又会在哪里失效
大体上有三种检测方法，每一种都存在真实的盲区：
- 基于分类器的检测——训练一个模型去识别特定生成工具（Midjourney、DALL-E、Stable Diffusion 等）留下的统计学"指纹"。每出现一个新的生成工具，它都会滞后一步，因为它只认得自己训练时见过的那些。
- 像素取证分析——误差级别分析、噪声一致性检查、复制粘贴痕迹检测。本工具可选的"取证线索"功能就属于这一类：这是一种真实的信号，但普通的 JPEG 压缩痕迹和真实存在的重复纹理，也会触发和真正篡改相同的模式。
- 加密溯源（C2PA/SynthID）——原则上最可靠，因为它不靠猜测。问题在于：它只覆盖参与相关体系的工具生成的图像，面对元数据（C2PA）比较脆弱，或者需要原厂商的专用验证工具（SynthID），而且对于从未被签名过的图像——包括绝大多数开源生成工具的输出——它无法证明任何事情。
2026 年的独立测试发现，在质量完美的测试图像上，90% 左右的准确率看起来相当扎实，但一旦图像被压缩、被截图，或 者经过放大处理，准确率就会明显下滑——而这恰恰正是任何一张在网上分享过的图片，在您看到它的那一刻实际所处的 状态。
本工具自身的取证线索在这幅图景中处于什么位置
"取证线索"功能（专业版）会执行误差级别分析和大致的复制粘贴检测——都属于上文所述的那一类技术。它秉持着本页始终坚 持的那种诚实态度：每一条结果都自带一条免责说明，这条说明是数据结构本身的一部分，而不是界面上事后加上的附言，而且 这两种技术都不声称能专门检测出 AI 生成内容。它存在的目的，是提醒您某处值得再看一眼，就像烟雾报警器提示的是"请检 查一下"，而不是"这里一定着火了"。
延伸阅读
Malwarebytes 关于 Meta 的 Muse Image 功能的报道 （英文）以及 AI 训练页面所引用的资料，对溯源这一方面有更深入的介绍。