還記得幾年前人類第一次見到 AI 生圖時(shí)的反應(yīng)嗎？

先是靠判斷違背物理常識的“一眼假”，比如生成的手指個(gè)數(shù)不對又變形，生成的人類永遠(yuǎn)吃不好面條。

隨著 AI 發(fā)生常識性錯(cuò)誤在一點(diǎn)點(diǎn)減少，它又走向另一個(gè)“極端”，生成的人像皮膚太光滑、光線太扁平、構(gòu)圖太端正，乍一看像P過的影樓寫真。“這不像是人拍的”，對此，我們還能發(fā)出經(jīng)驗(yàn)主義的警覺。

猛一看很真實(shí)，細(xì)看太過完美光滑｜APOB AI

但是，朋友們，在這個(gè)人機(jī)難辨的時(shí)代，任何識別經(jīng)驗(yàn)都會(huì)被隨時(shí)淘汰。

新的 AI 圖像模型開始主動(dòng)往“差一點(diǎn)”的方向走了。它們學(xué)會(huì)模仿手機(jī)攝影出現(xiàn)的不完美的質(zhì)感：對比度不高、銳化過頭、陰影被硬生生拉亮、構(gòu)圖帶點(diǎn)隨意，甚至有點(diǎn)糊。

也就是說，AI 不再追求生成“最好的照片”，而是試著生成“你會(huì)拍出來的那種照片”。而正是這些“瑕疵”，讓圖像突然變得可信了。

這個(gè)變化節(jié)點(diǎn)透露出一絲更加“危險(xiǎn)”的氣息，AI 正在學(xué)習(xí)如何顯得不那么完美，就像人類一樣。

AI：我裝的

真實(shí)世界從來不是高清、完美、對稱、干凈的。我們之所以相信一張照片是真的，并不是因?yàn)樗每矗且驗(yàn)樗衔覀冇涗洭F(xiàn)實(shí)的方式。

早期的 AI 圖像，它們最大的破綻是一種詭異的“完美”。圖像每一顆像素都太滑、太亮、太干凈了，就像是把“磨皮”開到最大后又抹了層油和蠟，人像宛如蠟像，不生動(dòng)。

原因很簡單，當(dāng)你輸入“一張桌子”，AI 會(huì)生成一個(gè)“在任何評判標(biāo)準(zhǔn)下都符合的結(jié)果”，它大概率是一張“教科書圖”。而且，從數(shù)據(jù)來源來說，往往被反復(fù)標(biāo)注和引用的圖片都是這種“標(biāo)準(zhǔn)圖”，模型早期的核心邏輯是在真實(shí)中“求平均值”，AI 會(huì)調(diào)取它數(shù)據(jù)庫里見過的幾十億張桌子，然后取一個(gè)中間值，那種隨手一拍家里的臟亂桌子圖在這種巨量的平均之下被“稀釋”了。

去掉“油蠟感”是 AI 生圖擬真的重點(diǎn)｜X

而今天訓(xùn)練模型的人在教 AI “搞砸”。

以最近 Gemini 里集成的 Nano Banana 為例。它生成的圖像里，有著明顯的過度銳化，對比度拉得死高，暗部細(xì)節(jié)丟失，甚至還有那種因?yàn)閭鞲衅魈《a(chǎn)生的特有噪點(diǎn)。

我們知道因?yàn)槭謾C(jī)能承載的傳感器很小，為了彌補(bǔ)光學(xué)上的先天不足，手機(jī)廠商會(huì)使用多幀合成算法，“暴力”地提升陰影亮度，銳化邊緣以制造“清晰”的假象。

久而久之，我們的眼睛被手機(jī)廠商馴化得習(xí)慣了“手機(jī)味兒”，當(dāng) AI 開始模仿這種物理光學(xué)上的局限性時(shí)，其實(shí)是模仿人類的被上一代機(jī)器“馴化”后的認(rèn)知方式。

OpenAI 剛升級的 ChatGPT Images，在宣傳片中也主打“真實(shí)拍攝感”｜OpenAI

當(dāng) AI 圖像不再試圖渲染物理世界真實(shí)的光影，轉(zhuǎn)而去渲染“手機(jī)攝像頭里的世界”，用 The Verge 的評論，這叫“AI 學(xué)會(huì)了巧妙地繞過恐怖谷”。

這跟手機(jī)拍的風(fēng)景照有什么區(qū)別？｜The Verge

另外，Sora 2 和 Veo 3 也開始生成那種顆粒感十足的“監(jiān)控畫質(zhì)”視頻，它們利用了的一個(gè)邏輯：利用媒介的低劣，來掩蓋內(nèi)容的虛構(gòu)。

這張 AI 圖片也曾騙過無數(shù)網(wǎng)友，“隨手一拍”的臨場感加上模仿手機(jī)的攝影效果｜Reddit

而這種“主動(dòng)變差”的策略，并不只發(fā)生在圖像生成模型上。

“繞過恐怖谷，巧妙地”

你有沒有發(fā)現(xiàn)，聊天機(jī)器人也變了？

從一開始那個(gè)“高智力低情商”的“偽人”——說話滴水不漏，姿態(tài)居高臨下，態(tài)度理性生硬，變得會(huì)猶豫、會(huì)共情、主動(dòng)暴露脆弱。

有限的理性，偶爾的詞不達(dá)意，語氣中不可避免地透露出個(gè)人情緒......這些才是正常人類的表達(dá)。

去問 AI，AI 也會(huì)說這是一種“后臺策略”｜ChatGPT

所以當(dāng)一個(gè) AI “有意”展露出這些，反而比一個(gè)絕對理性、穩(wěn)定、客觀中立的“聊天對象”更能拉近距離感，對此我們下意識的反應(yīng)是，“挺有個(gè)性”、“完了，它好像真的在思考”。

這些“障眼法”背后是一個(gè)關(guān)鍵的問題，當(dāng) AI 展示不完美時(shí)，它到底是在暴露能力的邊界？還是在展示能力本身？答案恐怕是后者。

它在判斷“什么樣的結(jié)果更容易被人類接受”：脆弱、遲疑、模糊、噪點(diǎn)？這些過去被視為缺陷的東西，正在變成 AI 博取人類信任的表演策略。

這就像我們在讀書時(shí)期偶爾聽說的會(huì)控分考試的天才學(xué)生。

當(dāng)一個(gè)人，隨時(shí)決定要不要示弱，不是他真的被攻擊到了，而是示弱被他當(dāng)作一種社交能力。AI 也是如此，當(dāng)它表現(xiàn)出猶豫，并不意味著它不知道答案，而是知道這種表達(dá)更容易讓人卸下防備。

AI 開始理解，人類對“像人”的判斷，本身就建立在不完美之上。真實(shí)感的來源不是堆參數(shù)達(dá)到的技術(shù)指標(biāo)，而是一種心理暗示和心理反饋。

AI 生成“低像素”的澳大利亞邦迪海灘恐襲“陰謀論”圖片｜圖源：X

事實(shí)證明，一直以來我們判斷真實(shí)與否本身就帶著人類的局限。

就像人類看不到紅外與紫外光，聽不到 20Hz 以下的低頻，我們感知到的“現(xiàn)實(shí)”，本就只是一個(gè)被生理和心理共同裁剪過的版本。

從這一點(diǎn)上來說，比剝離出 AI 生成但符合人類預(yù)期的虛假更難的是，逼迫人類承認(rèn)判斷主觀和認(rèn)知局限。

AI 繞過恐怖谷的新策略，不是全力擬真，追求零差錯(cuò)，而是精準(zhǔn)地設(shè)計(jì)出恰好落在我們信任閾值之內(nèi)的“真實(shí)”。

作者：糕級凍霧

編輯：沈知涵

點(diǎn)個(gè)“小愛心”吧