AI生成人脸怎么认？PNAS研究：训练大脑识别“平均脸”，准确率翻倍

图中上方是AI生成人脸，下方为真实人脸。（图片来源：StyleGan3；Flickr）

早些年，一张脸是不是AI生成的，往往扫一眼就能看出来。诡异的光泽、过于光滑的皮肤、怎么看都不对劲的眼睛，甚至多出来的第三只耳朵——早期AI模型的人脸作品很容易露馅，没人会当真。如今情形已经完全不同。

现在的AI图像生成器能做出相当逼真的人像，再细心的观察者也难分真假。近日发表在《美国科学院院刊》（PNAS）上的一项研究给出了一个办法：识别伪造图像的能力，可以通过训练大脑来提升。

以前教人辨认AI人脸，重点放在让观察者去找画面里的视觉瑕疵，或者某款生成器留下的统计学指纹，比如形状怪异的耳朵、一只眼里有俩瞳孔。问题是这些线索靠不住，软件一更新可能就没了，换个提示词也可能不复存在。“现在，AI变得太强大了，”在这场没完没了的“技术军备竞赛”里，人类似乎注定要输。

道尔和同事换了个思路：教参与者去抓AI系统生成图像时普遍存在的规律。眼下的AI图像生成器，训练素材通常是由数百万张图像构成的数据集。接到生成人脸的指令后，它不会直接复制某一张具体的脸，而是按数据集中所有人脸共有的数学模式，造出一张新面孔——这往往会让AI生成一张“标准人脸”。

也就是说，AI生成的人脸常常向统计学上的平均值靠拢。与其说它们太不真实，不如说均衡得有点过头，略显千篇一律，标准化得未免过分。单拎出哪一项特征，都未必让人怀疑是AI脸；可凑在一起，整体就显得平淡乏味，而这种微妙的平淡感，人们往往凭直觉就能感知到。

和真实人脸比，AI生成人脸通常更对称、比例更协调，也更有吸引力。可与此同时，它们表情不够丰富、辨识度偏低，格外缺记忆点。研究中，研究人员让参与者着重盯这6项特征，而不是耳朵形状异常、饰品不匹配这类容易消失的视觉瑕疵。训练之后，参与者在一项人脸辨别任务中识别AI脸的准确率几乎翻了一番，从约40%提高到80%。他们还发现，哪怕训练时间相对较短，也有助于提高参与者识别AI生成人脸的准确率。

说到底，AI倾向于生成“平均脸”，真人不是这样。事实上，我们的人脸是由无数偏离“标准脸”的细微差异塑造出来的。轻微的不对称、独特的面部特征、独一无二的神情，正是这些东西让人脸独特、可辨、难忘。所以这些“不完美”并非缺陷，而是我们独有的印记。

本文选自《环球科学》2026年11月刊“前沿”栏目。