老师有没有告诉你，AI伪造的广告正在围住你——它不需要骗过你，只需要让你懒得分辨

啪——老师把笔丢在桌上。

那天上课前他刷了十分钟手机，抬头的时候脸色有点怪。有人问他怎么了，他说，我刚刚看了三个广告，一个都不确定里面那个人是不是真的存在过。他把笔一丢，说，你们知道最可怕的不是有人造假吗？最可怕的是你已经懒得去查了。

「我教了三十年怎么分辨真假。」他说，「今天我得先教你们一件事——这一次，分辨不是重点，重点是谁替你分辨。」

老师有没有告诉你，广告从来不需要你相信，只需要你降低警惕

先说个老故事。

1999 年，美国有一家叫 Telemarketing 的公司做过一个实验，广告里请一位看起来非常可信的中年人，穿着白大褂，说自己「不是医生，但有话要说」。这句免责声明刚说完，观众记住的还是那件白大褂。事后调查里，超过一半的人回忆时认定「那个医生说的」。

这就是广告业一百年来的核心技巧：它从不需要说服你，它只需要让你处于「差不多信」的状态。你越是半信半疑，它越有效。因为完全不信的人会关掉，完全信的人会自己脑补，只有半信的人才最容易被带走。

现在把这个逻辑套在 AI 生成的「伪人」上，你立刻会看见一件事：AI 根本不需要做到完美。

案例：那个没有一条评论能对上的账号

我给你拆一个普通人真的会遇到的结构。

一个账号，头像是四十岁上下的女性，主页有二十条日常：煮粥、遛狗、晒孩子的作业本、抱怨物业。视频里的她说话有轻微口音，会停顿，会说错字然后自己笑一下。你会觉得，这就是个普通人。

但如果你把二十条视频的进度调到同一个位置、按下暂停——

她的手，永远停在胸口以下。她没有一次把头发从脸上拨开。她的孩子在二十条视频里从没换过衣服。她从没在镜头里走过一段完整的路。

真实的人会做「没用的事」。这是 AI 最难学的那一部分：因为训练数据是被人剪过的，只留下有用的言行。

再给你一个公开的对照。2023 年有一组研究者让人看真人视频和生成视频，各看几秒。只看两秒时，两者的「真实感」判断差距小到几乎测不出；看到十秒以上，差距才开始被拉大。这意味着：在信息流里刷过去的那个状态，恰好是 AI 最能通过的状态。而信息流恰恰是我们大多数人的观看方式。

数据：你每天遇到的「人」有多少可能是假的

不用猜。看几个方向的公开事实。

第一，广告素材的生产成本结构已经变了。过去一条真人出镜的口播广告，需要演员、场地、灯光、拍摄、后期，按天算钱；现在同样一条，成本可以压到一次排版的时间量级。成本从「以天计」掉到「以分钟计」，供给必然爆炸。这不是预测，是已经在发生的事。

第二，平台的审核机制是按「违规特征」抓的。AI 造假不触发任何一条既有规则：画面干净、语言合规、没有侵权音乐。它不违规，它只是不存在。审核系统擅长抓错，不擅长抓「空」。

第三，也是最扎心的一条：这类内容的效果指标并不差。因为它的脚本可以按你的停留数据迭代。真人演员做不到「看完一次，立刻生成一百个版本，挑那个让你多看两秒的」。它可以。

所以你现在每天刷到的人里，有多少是「不存在的人」？我不知道确切比例，但我可以告诉你该怎么想这件事：问题不是比例多高，问题是你已经没有能力通过「看」来判断了。

原理：它不需要骗过眼睛，只需要越过你的默认值

这事儿的原理，比你想象的简单。你可以把它理解成一个人脸工厂里的三道工序。

第一道，叫「抽取模式」。它看过几千万张脸，学会的不是某一张脸，而是脸之所以是脸的那些规律——两眼之间大概隔多远、笑起来嘴角怎么牵动、眨眼多久一次。

第二道，叫「按需生成」。你给一句话，它按那些规律拼出一张从没存在过的脸。注意，它没有模特，它是对着「一群人的平均」在工作。

第三道，叫「逼真度校准」。它拿真人数据打分，一直调到「真人会觉得这是真的」为止。

问题出在第三道。它的目标是「通过检验」，不是「真正存在」。所以它长得越来越像真人，却从来不是一个人。它没有昨天，没有疲惫，没有手被烫到过。

这就是为什么它演不出「无聊」。无聊是活着的副产品，而它是被设计出来的产物。

边界在哪：它做不到的三件事

我给你三个具体的分类，比说「要学会辨别」有用。

一，它做不出连续的、无目的的物理动作。让人走出镜头、蹲下来系鞋带、把喝空的水杯放回去又拿起来——这类「没有信息量」的连续动作，是它最容易露馅的地方。

二，它记不住细节的一致性。你注意同一件小物件在不同镜头的位置、光线方向、一只手上的戒指在左手还是右手，这类低级的一致性，是它的软肋。

三，它无法承担后果。这是最重要的一条。它说错了话，没有人道歉；它卖错了货，没有人被追责。一个不存在的主体，没有办法为自己的话负责。

小测验

假如你在刷到一个「宝妈推荐」的视频，看完后你有三秒钟犹豫。下面哪种反应最有用？

第一，放大看手指有没有六根——没用，这项技术早就过关了。

第二，立刻关掉所有短视频——没用，因为你没有解决任何判断问题，只是退出了现场。

第三，问一句：这个人在替谁说话？她如果说了假话，谁来承担代价？——有用。因为这一问，把「判断真假」换成了「判断责任」，而责任恰恰是 AI 唯一造不出来的东西。

回到那张桌子

下课的时候，有人问老师，那我们以后还能相信什么？

他把笔从桌上捡起来，在手里转了一圈，说，我不是让你们不信。我是让你们把信任从「这个人看着真不真」挪到「这句话错了谁负责」。

笔插回口袋。他往门口走了两步，又回头，啪——又丢在桌上。

「再补一句。」他说，「一个东西能骗过你的眼睛，说明它只学会了你的眼睛。它骗不过一个问题——这件事出了错，谁被追究。你把这个问题带在身上，比带一百个识别技巧管用。」