以下为一些看图片识别的 AI 网站:
在判断图片是否为 AI 生成方面,我们曾在小红书、B 站等自媒体平台以真迹混同 AI 仿品的形式让大家判别,发现大家对此有近乎直觉的感受,但往往难以迅速说出判断的章程。
另外,从神经网络角度来看,如果识别印刷体图片,会先将图片变成黑白、调整大小为固定尺寸,然后与数据库对比得出结论。但这种方法存在局限性,神经网络则专门处理未知规则的情况,其发展得益于生物学研究,在数学上提供了新方向,能处理如手写体识别等未知情况。关于这部分内容,推荐阅读《这就是 ChatGPT》一书。
当然,要培养出鉴赏AI的技能,多少还是需要我们训练训练自己的大脑模型的。那如果不善于此的朋友,想要判断眼前的作品是否是AI造物呢?AI技术自己带来的造假难题,也该由AI自己的同僚互鉴打假来解决。现在已有不少网站在做这件事情,通过对大量的图片数据的抓取和分析,给出对画作属性的判断可能性。例如使用AI来鉴别AI绘图性质的网页:ILLUMINARTY(https://app.illuminarty.ai/)。但在测试过程中,有些结构严谨的真实摄影作品,反而会被识别为AI作图。这跟我们前面提到的,AI作画很难完成严谨真实的结构这一点,是相互矛盾的。鉴别的AI认为,过于严谨的图像不像是真实的人造产物。而画图的AI其实难以生成严谨的结构造型。这就是鉴定AI自身的逻辑算法,并不能像人类一样综合去考虑不符合人的逻辑的各种表现。多试几张,就能磕着瓜子看AI吵架了。甚至作长者摇头抚须状,长叹一声,「AI后生们,还有很长的路要走啊。」我们看完AI显眼包的快乐丢撵后,来聊聊「我们为什么要鉴别AIGC」?已经「知其然」,也大略「知其所以然」,而后终于能顺势讨论讨论「知何由以知其所以然」。
[title]如何判断一张图片是否AI生成的[heading1]引入:名画造假大师我们曾经在小红书、B站等自媒体平台上发布了以「AIGC鉴别」为话题的图文,以真迹混同AI仿品的形式,让大家来判别哪张图才是列宾、穆夏等名家真实绘制的作品。在这场「鉴赏」中,我们发现——大家对「判断出哪幅图是AI搞的」这件事上,都有一种近乎直觉的感受。“这个一眼AI。”但如果进一步询问是怎么看出来的,多半很难迅速回答出一套章程,来描述或者解释为什么只需要「看一眼」,就能辨别真伪。所以我们系统地总结了「AIGC鉴别」经验帖。聊聊如何一眼盯真,两眼打假。
如果识别一个印刷体图片,我可能会怎么做神经网络解决的是未知规则的处理。先把图片都变成黑白大小变成固定尺寸和数据库的东西对比得出结论然而,这种情况过于理想化。不仅存在多种字体,即使对于印刷体,不同的拍摄角度也引入了多种例外情况。虽然存在图形算法进行矫正,但整体方法仍然是基于不断添加规则。这种方法本质上是试图通过不断增加和完善规则来解决问题,这显然是不可行的。虽然这种方法可以解决象棋的问题,但对围棋来说就非常困难了。围棋的每个节点有三种可能状态:白、黑或空,加上不同节点间状态的组合,现有的资源无法应对。神经网络专门处理未知规则的情况。将图片转换为黑白,调整图片至固定尺寸,与数据库中的内容进行对比,最终得出结论。神经网络的发展得益于生物学研究的支持,并且在数学上提供了一种方向,使其能够处理未知的情况,如手写体识别。关于这部分内容,非常建议看《这就是ChatGPT》这本书,它的作者是被称为”在世的最聪明的人”,研究神经网络几十年,创作了Mathematica、Wolfram等备受推崇的软件,这本书最特别之处还在于,导读序是美团技术学院院长刘江老师回顾了整个AI技术发展的历史,对于了解AI,大语言模型计算路线的发展,起到提纲挈领的作用,非常值得一读。本文写作过程中得到了[byzer-llm](https://github.com/allwefantasy/byzer-llm)作者祝威廉的大力支持,在此感谢。byzer-llm选择了一个非常特别的技术路线,在大模型时代显得尤为重要。