人工智能图像生成器，例如DALL-E、Midjourney 或 Stable Diffusion 现在能够创建非常逼真的照片。人工智能的出现对图像的可靠性提出了质疑，并强化了事实核查的需求。面对呈现在我们面前的大量图像，我们该如何行动？如何辨别真假照片？以下是检测人工智能生成的图像和避免假新闻的技巧.
由于生成式人工智能发展得非常快，本文件中提到的要点很可能很快就不再反映检测人工智能缺陷方面的最新技术。我们将尝试定期更新这篇文章。
社交网络和人工智能时代的图像
随着虚假信息和操纵的形式不断增加——特别是社交网络的大规模采用——验证向我们提供的信息至关重要。确实，我们今天生活在一个“信息过载”的时代，每个人都有机会创造或传播信息。区分真假也变得越来越复杂。
图像、视频或照片在此之前一直具有证词作用。正是基于这一假设，摄影记者这一职业得以传播，目的是通过引人注目的图像来传递现场的真相和信息，几乎无可争议.
但今天，生成式 AI 的巨大进步（Midjourney、Dall-E、Stable Diffusion 等）使得“它很快将无法区分“真”照片和“假”照片”。然而，将其添加到一个已经缺乏信息的世界中将会迫使我们走向大规模的虚假信息。面对这种情况，两个风险就出现了：要么没有人再相信媒体，要么虚假信息盛行 – 这两种情况都会对我们的社会构成危险。
因此，现在就必须训练我们的批判性思维和洞察力，以免陷入虚假信息的陷阱。
人工智能如何“制作”图像？
Midjourney、Dall-E 和 Stable Diffusion 是生成式 AI。从一个简单的提示（详细说明预期视觉效果的书面请求）开始，这些软件能够从头开始创建视觉效果< /span> 只需几秒钟。
为此，这些人工智能基于机器学习。通过大图像数据库的训练，人工智能学会识别图形元素和文本之间的链接，然后自主地重现该链接。对于每个查询，人工智能会尝试识别数据库中与请求内容相对应的元素，然后生成受相应图像启发的视觉效果 。
“文本到图像”人工智能基于数据库，其来源目前仍不确定。因此，稳定扩散将基于总共 23 亿张图像，其中大部分来自 Pinterest、电子商务网站、WordPress.com 或甚至 Flickr 网站 – 即可能受版权保护的图像。
因此，人工智能创建的这些“视觉效果”提出了一定数量的问题。首先，谁拥有这些视觉效果的版权？目前，法律和道德问题尚不清楚，必须与立法者进行讨论。
同时，这里一些分析图像的技巧并成功确定照片是否已被删除由人工智能生成或者是否真实。
观察图像的细节以发现不一致之处
首先，有必要对图像的每个细节进行分析，以便潜在地检测不一致性。事实上，AI 在身体的某些部位以及细节的恢复方面仍然遇到很大的困难。
分析手脚的结构，这让AI陷入困境
人工智能面临代表手和脚的困难。事实上，软件往往会产生太多的手指，并扭曲指骨的比例等等。因此，观察图像中的手和脚通常是检测人工智能生成的图像的好方法。
Midjourney 4 生成的视觉效果
Midjourney 5 的创作
Midjourney 版本 5 似乎（在某种程度上）解决了手指数量问题，但指关节的比例以及手指的位置 a> a>。每只手的手指之间的大小和粗细存在差异 总是可以作为线索。通过仔细分析这两张图像，我们可以看到
查看某些身体部位的关节和比例也很有帮助，有时可以提供判断照片真实性的线索。
看皮肤
皮肤是最复杂的复制元素之一。 AI 生成的图像往往会给皮肤带来奇怪的外观，尤其是面部皮肤，它往往看起来像蜡或塑料 2>，甚至是视频游戏角色。
找出错误：牙齿和眼睛
人工智能往往对牙齿比较宽容，会产生可疑的微笑，牙齿数量远多于 32 颗。眼睛往往有点太宽、太白，有时没有瞳孔或太亮。
分析纹理
当人工智能生成图像时，织物和头发纹理看起来也很不自然。 衣服太亮了，布料看起来已经风化并且看起来是合成的，就好像图像经过了有点太暴力了。图像的纹理很特别，与照片的纹理相去甚远，有时更接近电子游戏的纹理。对于 Midjourney 生成的图像来说更是如此。
搜索文本：人工智能很难生成任何可信的内容
如有疑问，搜索图像中的文本元素总能让您找到关键线索。徽章、口号、背景横幅甚至臂章：这些元素均由人工智能通过随机排列的字母和符号 a>生成.
在这张图片中，我们注意到，无论是在 POS 显示屏上还是在 Harry 的马球衫上，没有一个词是一致的。这很快就让这张梅根和哈里夫妇体重增加了一点、走过美国超市过道的照片变得不可信。
详细搜索：日常用品
如果人工智能能够描绘出完全想象的场景，那么它似乎也发明了各种可以吸引注意力的物体最知情的受众。事实上，帽子、配饰、手机、相机和照相机经常会发生失真。因此，在照片中寻找此类细节可以成为一种有利可图的本能反应。
照片中装饰的重要性
当人工智能生成图像时，背景通常充满线索。通过观察角落、模糊区域和风景，你可能会发现不切实际的元素。
观察架构
生成式 AI 似乎难以处理重复模式。因此，一些建筑物的建筑结构完全扭曲。当谈到著名地标时，简单的 Google 搜索就可以比较建筑物的图像，以发现不一致的地方。
在这张超现实图像中，从后面显示了教皇，柱子完全没有对齐，这与梵蒂冈的建筑风格完全不同。当然，飞碟出现在教皇面前就足以消除疑虑——但在许多其他情况下，辨别事实与虚构并不那么容易。
某些基本设置（例如建筑物或街道）也可能存在容易观察到的缺陷。 Windows， 建筑物的石头、柱子、窗户甚至台阶可能没有对齐，因此可以识别由 AI 修饰或生成的图像.
观察背景和装饰
图像包含的信息越多，尤其是人群表示的信息，人工智能在后台犯下的严重错误就越多。因此，有必要在图像的细节、模糊区域和角落进行搜索。会出现一些不一致的情况，例如手没有附着在身体上或变形的人，有时没有脸或鼻子。
在这张图片中，我们可以看到两只似乎不属于任何一位女性的白手套，以及两副完全扭曲的眼镜.
这里的焦点是前景中的年轻女性，乍一看，这让人相信这是一张真实的照片。但再次强调，我们有必要不再满足于短暂浏览图像就相信它。
通过分析下图中的模糊区域，我们发现背景中的人的腿完全变形了，比身体的其他部分，而且他的左臂比右臂细。另一方面，我们必须认识到这个（虚构的）人的肖像非常逼真。
选择摄影外观
当您查看图像时，质疑其设计总是很有趣。这张照片是如何拍摄、构图的以及如何复制它？通过以摄影师的思维看待图像，您将能够更轻松地发现不真实的镜头。
注意视角
分析不同的镜头和图像的构图。你会意识到，人工智能在视角和观点方面无法做到现实。例如，在这张图片中，我们可以很快注意到埃菲尔铁塔的存在，它似乎被放置在道路上——如果我们快速查看地图上街道的布局，这是一个完全不现实的观点。此外，我们观察到前景和背景之间的色彩饱和度存在巨大的差异（参见下一点）。
观察颜色
图像中的颜色搭配在一起吗？ 曝光度、对比度和饱和度是否均匀？分析此信息可以让您识别图像元素之间的不一致之处。生成式人工智能拥有一个庞大的数据库，它将从中汲取灵感来创建视觉效果。因此，她结合了完全不同的风格，而不知道什么可能显得现实或不现实。这有时会导致同一图像中的颜色不一致，并且与图像的上下文相比显得不真实。
例如，在这里，狗及其球的清晰度与背景的清晰度不对应。天空和前景色之间的饱和度差异也无法通过相机实现。
分析摄影风格
AI 无法根据图像颜色创建逼真且统一的渲染效果，同样，它也恰好混合了摄影风格 a>。风格、饱和度、纹理或颜色的一些差异可能会使图像看起来像是拼贴的。将您的摄影之眼用于分析可以让您更轻松地发现虚假照片。
AI生成的图像检测工具
某些工具可以评估人工智能创建图像的概率。 Gan Detector 是一款免费的在线工具，其优点是易于使用。不到一秒，平台就会显示其结果：“也许是 GAN 生成的”或“也许不是 GAN 生成的”（GAN 的意思是生成对抗网络或生成对抗性网络，前面是不同的人工智能来生成视觉效果）。
这里，平台表明该图像可能是由 GAN 生成的。事实上，这首曲子是在《中途旅程》中制作的，任何人都可以猜到，因为约翰·列侬和小野洋子都多了一根手指。
但是，该软件似乎没有进步得像人工智能那么快并且无法检测所有假照片。在这里，平台表明该图像可能不是由 GAN 生成的，尽管它是在 Midjourney 上创建的。
因此，必须了解如何亲自验证照片的真实性 – 从而能够进行“分析”。为此，不要忘记质疑它的起源以及它是如何生成的。
更新：Gan 检测器不再可用，这肯定是由于其缺乏有效性。然而，还有其他类似的软件，例如 AI Image Detector，它能够更定期地检测 AI 生成的图像，尽管它仍然会犯很多错误。
中途、Dall-E、稳定扩散：不再简单地相信你所看到的
原则上，事实核查应该成为我们收到信息后的本能反应，尤其是社交网络。但是，从现在开始，这种必要性也适用于图像，有了 Photoshop、深度赝品和今天的人工智能，图像不再让我们简单地“相信我们所看到的”。
搜索可能的照片来源或元数据
当您查看图像时，系统地质疑其背景。它是由谁、何时、通过什么方式创建的？要了解这一切，请不要忘记始终寻找可能的标题、照片来源 a> （例如光圈速度、焦距或使用的相机）也可以让您知道该图像是由相机生成的。 技术数据 并向创作者寻求潜在的合法性。他是记者、摄影师吗？该数据可能会在媒体中指示，如果没有指示，则很可能会在图像的元数据中提及。 EXIFS 中的
不幸的是，社交网络上共享的图像的元数据会自动删除。这就是为什么尼康、Adobe 和《纽约时报》等某些公司联合起来创建内容真实性计划，该计划将推动社交网络保留元数据，例如作为使用的设备和软件或对图像进行的潜在修改。
对技术进步采取相反的看法：反向搜索工具
图像劫持并非随人工智能或社交网络而生，在 20 世纪的宣传活动中已经非常普遍。但如今，危险变得更加存在，因为信息操纵是每个人都可以做到的。此外，对这一主题的认识更加必要，并且验证信息（无论是书面信息还是视觉信息）的过程仍然至关重要。
在大多数情况下，图像传达的信息可能与快速 Google 搜索相矛盾。有时，图像会被证明是完全假的，来自蒙太奇照片或由人工智能生成。在这种情况下，您会注意到没有任何传统媒体会报道这些信息，或者说，没有任何媒体会报道这些信息事实核查 .如果我们拿唐纳德·特朗普被警察逮捕的著名照片来说，你只需搜索“唐纳德·特朗普被捕”就可以看到没有传统媒体报道这一主题。一个>
锡眼
该软件TinEye提供执行反向搜索的功能。只需将图像拖拽或将其链接复制到 TinEye 中即可。然后，该软件会提供您的图像在互联网上的出现情况，这是一种获取更多相关背景信息的方法。
不幸的是，TinEye 有其缺陷。事实上，某些病毒图像似乎没有再出现，比如这张由 Midjourney 生成的埃马纽埃尔·马克龙 (Emmanuel Macron) 图像。 
通过 Google 图片进行反向搜索
使用 Google 图片进行反向搜索Google 图片可能仍然是查找图像来源的最有效解决方案，或者至少是获取更多信息和相关背景。
为此，只需点击 Google 搜索栏右侧的相机并拖动您的图像即可。然后，搜索引擎会显示包含您的图像的所有结果，无论是在私人、专业、媒体甚至 Twitter 网站上。如果该图像未出现在任何传统媒体中或仅出现在 Twitter 上，则它很可能是“假”照片。
超越图像思考
要考虑的一个主要因素是场景的概率。教皇抽雪茄或穿着 Balenciaga 羽绒服的照片似乎极不可能，而且很快就暗示了人工智能的使用。
虚假信息的风险在于可信的图像，例如这张在示威期间受伤的男子的照片，或政治人物之间不可能会面的照片。
不幸的是，生成式人工智能的发展速度似乎如此之快，以至于该软件制作的“文物”很快将不复存在。这一进展已经影响到验证工具，它们不再能够提供正确的诊断。
因此，检测照片是否真实会变得越来越复杂。因此，原则上，看到图像后，无论是否是时事，越来越有必要开始在官方媒体上进行研究，而不再简单地“相信你所看到的”。