AI 图片检测器是如何工作的（以及如何判断它靠不靠谱）

有人发来一张很惊艳的照片，你想知道：这是相机拍的，还是 AI 生成的？一个好的 AI 图片检测器可以帮你回答，但前提是你清楚它给出的是哪一种证据。大多数误解都来自把一个数字当成结论。这篇文章讲清楚检测器怎么工作、每种方法在哪里会失效，以及怎样不被一个“很自信”的百分比带偏。

检测器真正回答的问题

AI 图片检测器无法证明一张照片是真的。它最多回答一个更窄的问题：这个文件有没有迹象表明它由生成模型创建，或被大幅改写过？这里的“迹象”有三种完全不同的含义：

来源信息：文件自带的标签，由制作它的工具写入。
取证痕迹：像素层面的统计异常，比如压缩模式或与相机不符的噪点。
学习得来的判断：一个用真实图片和生成图片训练的神经网络，输出一个概率。

这三类证据性质不同，失效的方式也不同。可信的工具会告诉你它展示的是哪一种。

方法一：来源信息与元数据

有这类信息时，它是最可靠的证据，也最容易检查。

内容凭证（C2PA）。 C2PA 是一个开放标准，用来给文件附上一份带签名的记录：由哪个工具创建、之后经过哪些编辑、由谁签名。目前一些图像生成工具和编辑软件会写入这类记录。如果文件里的记录写着“由生成模型创建”，那几乎就是来源方的直接声明。

生成器指纹。 许多工具会在文件里留下可读的痕迹：PNG 里带着提示词和采样参数的文本块、标明软件名称的 XMP 字段，或 IPTC 的“数字来源类型”标记。它们容易读取，一旦存在，很难反驳。

弱点同样明显：元数据会丢失。截屏、通过聊天软件重新保存、上传到大多数社交网络，都会把它抹掉。所以这是一条不对称的规则：找到标签是强证据，没找到则几乎说明不了什么。

方法二：像素层面的取证分析

没有标签时，可以直接看图片本身。

误差级别分析（ELA） 会把图片以已知质量重新保存为 JPEG，再与原图比较。被编辑过或在不同时间贴入的区域，压缩表现往往不同，会显示为更亮的色块。普通相机 JPEG 的误差通常比较均匀。

ELA 有用，也很容易看错。一张被缩放、加过滤镜或转发多次的照片，可能整张都很亮；而一张完全由 AI 生成、只保存过一次的 JPEG，反而可能看起来非常均匀。把 ELA 图当作“值得再仔细看看某个区域”的提示，而不是结果。噪点残差、传感器模式检查等其他取证视图也一样：它们描述的是文件的经历，而一张真实照片的经历同样可能很杂乱。

方法三：输出概率的分类器

大多数打出“93% 是 AI”的在线检测器用的是训练好的神经网络。思路很简单：给模型看大量真实照片和大量生成图片，让它学会区分，再给新图片打分。

在它训练过的图片类型上，这种方法可以效果不错，但有三个众所周知的局限：

生成器进步比训练集更新更快。 去年训练的模型，可能认不出新生成器的输出。
日常处理会削弱它。 重度压缩、截屏、裁剪和重新上传都会改变模型依赖的统计特征。
数字看起来比实际更精确。 87% 是模型的置信度，不是实测的正确概率。两个工具对同一张图意见不一，可能都说得通。

此外，在线检测器通常需要把文件上传到它们的服务器，如果图片是隐私内容，这一点很重要。

我们的检测器做什么，不做什么

RestorePix AI 上的 AI 图片检测器刻意保持克制。它完全在浏览器中运行，照片不会上传。它只做两件事：

元数据与来源扫描。 它会在文件开头部分查找 C2PA 标记，以及常见生成器和工具的名称。它不会校验 C2PA 的签名链，所以命中结果应理解为“文件提到了某个已知来源”，之后请自行核对细节。
误差级别分析（ELA）。 它会生成一张 ELA 图，可以与原图切换对照查看，也可以下载。

它不会输出 AI 概率分数。我们没有接入分类器，页面上也如实说明了这一点。所以“未发现签名”不等于“这是真实照片”，只说明文件里没有我们查找的标记。我们宁可给你两个诚实的信号，也不编造一个百分比。

如何评估任何一款检测器

无论用我们的还是别家的，下面几个问题能把有用的工具和营销话术区分开：

它展示证据吗？ 能说出找到了哪个标签、或让你看到取证图的工具，比只给一个结论的更值得信任。
它说明自己的局限吗？ 看有没有关于截屏、压缩文件和新生成器的说明。对局限只字不提是个警告信号。
图片会去哪里？ 如果文件敏感，优先选择本地处理的工具，或先读隐私条款。
它如何处理不确定的情况？ 好的工具有“不确定”这个结果。总是选边站的工具是在猜。
结果能复现吗？ 同一个文件跑两次，再跑一张重新保存的副本。如果简单地重存一下就改变了结论，就别依赖它。

使用检测器的实用做法

把它当作一个简短检查流程中的一步，而不是全部：

先找来源信息。 一条真实的内容凭证或生成器标签，比任何分数都更有说服力。
问清图片从哪来。 原始帖子、最早的上传者和发布账号，往往比像素说得更多。
搜索更早的版本。 以图搜图能显示这张照片是否早于它被配上的那个故事。
看细节。 手、文字、倒影和重复的纹理仍是常见弱点，不过最好的生成器已经能处理其中很多。
想想后果。 凡是会影响一个人的名誉、工作或法律处境的事，任何自动化工具都不应成为决定性证据。

图片是你自己的时候

如果你用 AI 编辑自己的照片，比如修复受损的老照片、放大或添加场景，结果可能合理地带有 AI 相关的元数据，或在 ELA 下看起来“被处理过”。这很正常，不是问题。我们的编辑工具，如老照片修复和 AI 圣诞照片，是用来改动你自己的图片的；检测器的作用是在你想了解文件来源时使用，而不是用来隐藏或抹除来源信息。

小结

AI 图片检测器是一组不完美的测试。来源标签存在时很强，取证图是线索，分类器分数则是需要谨慎对待的猜测。读懂工具给你的证据，记住“未检测到”不等于“真实”，想快速、私密地看看一个文件带着什么信息时，可以试试免费的 AI 图片检测器。