生成图像进步之快，已经让大多数"如何识别 AI"的清单过时了。一些视觉线索仍然存在，但真正可靠的方法是语境性的。
目前有时仍然有效的视觉线索
- 文字和符号。 招牌、书脊、手表、车牌和 logo 至今仍频繁出现乱码或细微错误，即使画面其余部分很有说服力。
- 人群和图案中的重复。 人群里重复的面孔、对不上的砖缝、融在一起的栅栏柱、沿着长度形态发生变化的首饰。
- 物理不一致。 影子朝向不同方向、镜中倒影与镜前物体对不上、根本不可能存在的光源。
- 关节处的解剖结构。 现在已经不特指手指了——现代模型把手处理得不错——而是四肢与躯干的连接处、眼镜与耳朵的交接处、头发与肩膀的过渡处。
- 不可能的连续性。 一条肩带绕到肩后再出现时位置错了；椅子腿够不到地面。
- 诡异的完美。 没有毛孔的皮肤、完全一致的牙齿、绝对对称的脸，以及一张"照片"竟然没有传感器噪点、没有色差、没有任何镜头个性。
要注意趋势方向：以上每一条都在被修复，所以把它们的*缺席*当作证据是没有意义的。一张手指完美的照片不能说明任何事。
元数据与来源
比看图更可靠：
- 检查 EXIF。 真实相机拍摄的照片带有相机品牌、型号、镜头、曝光参数和时间戳。生成图像通常什么都没有，或者软件字段里写着某个生成工具的名字。但要注意：元数据极易被剥离或伪造，社交平台也会清除它，所以缺失并不能证明什么。
- 查找内容凭证（C2PA）。 越来越多的相机、修图工具和生成器会附加一份签名的来源记录，描述图像是如何被创建和编辑的。存在时，这是可获得的最强信号。
- 反向图片搜索。 找到最早出现的时间和原始语境。一张"新闻照片"如果只存在于某一个账号、没有任何通讯社或媒体的副本，就值得怀疑。
- 核查来源，而不是图像。 谁发布的？他们有可查的记录吗？有没有独立媒体从另一个角度拍到同一场景？对于事件而言，多个独立来源的图像是最强的证据。
为什么检测工具不够
自动 AI 检测服务给出的是概率，而不是判决。它们既会误报（把真实照片标记为 AI，重度修图或放大过的尤其容易中招），也会漏报（错过被重新压缩或截屏过的生成图像）。截屏和社交平台的重压缩，恰好抹掉了它们所依赖的统计痕迹。
把它们当作众多输入之一。绝不要仅凭一个检测结果去指控某人造假。
实用的核查顺序
- 它自称是什么？ 利害关系决定投入多少精力。一张图库风格的风景照不需要调查；一张声称记录新闻事件的照片则需要。
- 它最早出现在哪里？ 反向搜索更早的副本和原始语境。
- 有没有来源数据？ 检查内容凭证和 EXIF。
- 有无旁证？ 同一事件是否有独立的图像或报道？
- 最后才去看像素，寻找上述那些线索。
诚实的结论是：对于一张制作精良、又没有来源数据的生成图像，仅凭文件本身可能无从判断。这正是来源标准存在的意义，也是为什么真正持久的技能是核实来源，而不是检视像素。