老师有没有告诉你，AI生成的东西，为什么一眼就被人认出来是假的

啪——老师把笔丢在桌上。

今天聊一件最近天天上热搜的事：一堆看着像真的图片、视频，其实全是 AI 造的——而且很多人一眼就看出是假的。

你可能会问："AI 不是很厉害吗，怎么还会露馅？"

会。而且露的馅特别有意思。今天我们要拆的，就是这件反常识的事：AI 不是"拍"出一张图，它是"猜"出一张图——而猜，总会在某个地方露出它其实并不理解的破绽。

老师有没有告诉你，你看到的每一个像素，都是它猜的

先讲清楚 AI 画图的原理，不写一个代码。

想象你在玩一个"接龙画画"游戏。你拿到一张满是噪点的纸，像老电视的雪花屏。游戏规则是：你看一眼这堆噪点，猜一猜"如果这是一张猫的照片，这堆噪点原本应该长什么样"，然后一点点把噪声擦掉、补上你认为该有的颜色。重复几十轮，最后画面就浮现出来了。

生成式 AI 干的就是这件事。它不是从素材库里"找"一张猫图贴给你，而是从一团纯噪声出发，一步一步地"猜"——在每个位置，猜这里最可能是什么颜色、什么形状。

它靠什么猜？靠它以前"看过"的海量图片总结出的规律。它知道"猫的耳朵大概在头上、眼睛在上面、毛是软的"这类统计规律。

关键就在这里：它掌握的是"看起来像"的规律，不是"为什么会这样"的道理。它没有真的见过一只猫，也没摸过猫。它只是把几亿张猫图的共同点，压缩成了自己能复现的本事。

老师有没有告诉你，破绽全藏在"它不懂的地方"

现在你就能理解，为什么 AI 的图总在某些地方出错。

第一，手指。 人类的手，五个指头，有骨头、有关节、有遮挡关系。AI 没学过解剖，它只是见过无数张"手的形状"。所以它会画出六根指头、指头长在一起、或者多出一截。它不"知道"手必须五根，它只知道"手大概长这样"，细节一多就露馅。

第二，文字。 你让 AI 画一块招牌，写着"欢迎光临"，它常常画出一些看着像字、仔细一看是鬼画符的符号。因为它学的是"文字的样子"，不是"这个字代表什么意思"。它模仿笔画的形状，却拼不出正确的内容。

第三，物理常识。 影子方向不对、杯子里的水面是歪的、人拿着东西悬空、镜子里的倒影和本人对不上。这些我们的大脑天生就懂——东西会掉、光照有方向、镜子会反。AI 没有这套"生活常识"，它是从图片里学形状的，所以常常违反这些最朴素的规律。

你看，破绽不是随机的，它们全部集中在"需要真正理解、而不只是模仿外形"的地方。

老师有没有告诉你，AI 时代新的判断力

这一层最重要，也最实用。

以前，我们判断一张图真假，靠的是"画质清不清楚""P 图痕迹明不明显"。现在这套失效了——AI 造出来的图，画质高清、光影漂亮、毫无修图痕迹。它甚至比真照片还"完美"。

那怎么办？换一套看问题的方式：

一、看"吻合常识"的地方，而不是"清楚"的地方。 手指、文字、镜子、影子、餐具、路牌——这些需要"懂道理"的细节，是 AI 最容易翻车的地方。

二、看它"太完美"的地方。 真实世界的照片总有瑕疵：皮肤的毛孔、墙角的灰尘、玻璃的反射。AI 图常常干净得不像人间。过分完美本身，就是一种可疑。

三、也是最重要的：问"这张图想让我相信什么"。 一段"乐山大佛被掏耳朵"的视频、一张"某某名人说了某句话"的截图，如果它的作用正好是让你愤怒、让你转发，那它被造出来的动机就在那里。判断真假，先判断动机。

老师有没有告诉你，理解原理才是真正的不被愚弄

很多人以为，对付 AI 造假要靠"更厉害的鉴别工具"。这话对一半。

工具会追上来，造假也会追上来，猫鼠游戏永远在跑。但对普通人有用的，不是工具，是理解它怎么工作。

一旦你知道"AI 是从噪声里一步步猜出来的"，你就明白：

• 它越依赖"见过的样子"，就越会在"需要懂道理"的地方出错；
• 它不在乎真假，它只在乎"像不像";
• 所以它天然会生成"看起来极其可信、但细看经不起推敲"的东西。

这份理解，比任何一款鉴别软件都更长久。

老师有没有告诉你，那个该记住的问句

下次你刷到一段惊到你的图片或视频，先别急着转，问自己一句：

"这张图，是'拍'出来的，还是'猜'出来的？它有没有哪里，需要真正懂才画得对？"

啪——老师把笔丢在桌上。

AI 最让人不安的，不是它会造假，而是它造假造得太像、太省事，让人懒得再去分辨。它猜形状，你猜动机——两个都懂的人，才不会被轻易糊弄。

真正值钱的判断力，从来不是"我能不能看出像素的破绽"，而是"我知不知道，这世上有些东西，光靠模仿是学不会的"。