一句話總結：面對日益精進的 AI 生成圖像，人類的大腦若經過短期訓練，就能建立起辨識 Deepfake 的直覺防線。

核心要點

1. Meta AI 圖像偵測工具存在致命弱點：裁切編輯後的圖像有 55% 能成功躲過驗證。
2. 傳統辨識方法失效：StyleGAN3 等新模型已消除低級瑕疵。
3. 六項特徵辨識法：過度對稱、完美比例、異常吸引人、臉部結構通用、表情變化少、缺乏記憶點。
4. 短期訓練大幅提升辨識率：受試者準確率從 40% 提升至 80%。
5. Deepfake 成為社會安全威脅：Deloitte 估計明年美國因 AI 深偽詐騙損失可能從 120 億英鎊增至 400 億英鎊。

科技防線的侷限

儘管科技公司不斷推出新的 AI 圖像偵測工具，但這些工具並非萬無一失。以 Meta 近日推出的 AI 圖像偵測工具為例，路透社分析 40 張由 Muse Image 生成的圖片後發現，裁切編輯後的圖像有 55% 能成功躲過驗證。Meta 解釋內建「Content Seal」浮水印設計一般編輯後仍能辨識，但大幅裁切會導致訊號流失。這顯示，無論自動偵測系統或浮水印，都難做到百分之百可靠的守門員。

傳統辨識方法失效

過去，人們常尋找不合理的手指數量、變形耳環或扭曲背景識破 AI 圖片。但 StyleGAN3 與新擴散模型（Diffusion models）等成熟後，低級瑕疵已逐漸絕跡。研究員直言，依賴「視覺缺陷」辨識 AI 圖策略已失效。這意味著，我們需要新的辨識標準。

六項特徵辨識法

為了建立新辨識標準，英國阿伯丁大學（University of Aberdeen）與澳洲國立大學（Australian National University）的研究團隊轉而訓練受試者觀察 AI 臉孔常有的六項特徵：過度對稱、完美比例、異常吸引人、臉部結構通用、表情變化少、缺乏記憶點。實驗數據顯示，未受訓前，受試者辨識真偽的準確率僅約 40%；但經約一小時引導學習，並反覆接觸真實與合成臉孔後，準確率大幅飆升至接近 80%，少數人甚至能達近乎完全辨識程度。

從產業面來看，培養辨識 Deepfake 的直覺能力已成為迫在眉睫的任務。隨著 AI 技術的進步，單靠機器防禦已顯不足，人類大腦需要進行系統性的「升級」。這不仅是科技界的挑戰，更是社會安全的重要課題。

Deepfake 成為社會安全威脅

Deepfake 技術早已跨越娛樂範疇，成為嚴重的社會安全威脅。根據 Deloitte 估算，明年美國因 AI 深偽詐騙造成的損失，可能從 2023 年 120 億英鎊暴增至 400 億英鎊。這類跨國犯罪也已真實上演，例如香港曾發生詐騙集團利用深偽視訊會議，成功誘騙企業員工匯款高達 2,500 萬英鎊；此外，也有調查揭露 AI 生成的 LinkedIn 假檔案已成功滲透美國政策圈。

一句話結論

在這個真假難辨的時代，培養辨識 Deepfake 的直覺能力已成為每個人的必要技能。

面對日益精進的 AI 生成技術，我們不能單靠科技防禦。如果你對這個話題感興趣，不妨花一些時間培養自己的直覺辨識能力，這將是你對抗深偽內容的重要武器。

本文改寫整理自公開新聞來源，原始報導由科技新報發布。

常見問題 FAQ

什麼是 Deepfake？

Deepfake 是一種利用 AI 技術生成的假圖像或視頻，可以模仿特定人物的外貌和聲音。

Meta 的 AI 圖像偵測工具為什麼會失效？

Meta 的 AI 圖像偵測工具在圖片裁切編輯後的圖像上有 55% 能成功躲過驗證，這是因為大幅裁切會導致浮水印訊號流失。

如何培養辨識 Deepfake 的直覺能力？

通過觀察 AI 臉孔常有的六項特徵（過度對稱、完美比例、異常吸引人、臉部結構通用、表情變化少、缺乏記憶點），並進行短期訓練，可以大幅提升辨識真偽的能力。

※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。