前一讲我们说了文本检测的种种不可靠。图片其实也一样，但有个好消息：人眼在识别 AI 图片上，比识别 AI 文本靠谱得多。
原因很直观——图像的错误是"看得见"的。六根手指、扭曲的耳环、像外星文的招牌，这些破绽不需要专业知识，看一眼就知道不对。这一讲给一份可以照着用的观察清单。
一、先看手，手的破绽最多
如果只能检查一个地方，就检查手。手是 AI 图片最容易出错、也最容易暴露的部位。
手是"小面积 + 高精度 + 姿态多变"的组合。模型要同时理解手掌结构、手指数量、遮挡关系和透视。训练照片里手经常被遮挡或模糊，模型没学够，生成时就容易拼错。
具体看这几处：
- 数手指：多一根少一根最常见，或者手指从奇怪的位置长出来；
- 关节朝向：手指弯折的方向违背生理结构，比如向手背方向折；
- 指甲：数量不对、位置错乱、或者指甲像贴片浮在肉上；
- 与物体的交互：握杯子、拿筷子、按键盘的手，经常"穿模"或者姿势不合理；
- 双手：两只手大小不一致，或者一只正常一只糊。
需要说明的是：新模型已经把这个问题解决得差不多了。2026 年的主流模型生成的手大部分是对的，所以"手没问题"不能证明不是 AI。但反过来，手出问题，基本可以直接判定。
二、看文字：AI 的"外星文"后遗症
图片里任何出现文字的地方——招牌、书封、T 恤印花、路牌、菜单——都是高价值线索。
- 字母像英文但拼不成单词（"COFFEE"变成"COFEEE"或"C0FFEE"）；
- 中文笔画错乱、偏旁缺失、或者干脆是不可读的符号；
- 同一行文字的字号、基线忽高忽低；
- 远处的招牌文字糊成一团，但"看起来像字"。
原因是模型学的是文字的视觉外观，不是拼写规则。它知道招牌上"应该有字"，但不知道应该是什么字。
三、看光影：光源自洽吗
这是比手更可靠、也更难被模型修复的一层。
- 多光源：室内场景里，人脸被左侧的窗照亮，影子却朝左——方向矛盾；
- 影子缺失：物体浮在地上，没有接触阴影；
- 反射不合理：眼镜、水面、金属上的反光内容与场景对不上；
- 环境光不一致：背景是黄昏，人物身上却是正午的硬光。
找出画面里所有"暗的一侧"，问自己：光是从哪打来的？如果画面里有两三处影子指向不同的光源，要么是合成，要么是生成的。
四、看纹理与重复
- 皮肤过度光滑：真人皮肤有毛孔、细纹、不均匀的色斑。AI 的人脸常常像打了磨皮，光滑得不像真实皮肤；
- 头发不可能的走向：发丝纠缠成一团、或者从头顶"长"到背景里；
- 纹理重复：墙纸、布料、地砖上出现明显重复的图案单元；
- 背景糊得"很聪明"：不是真实的光学虚化，而是一种均匀的、没有焦外光斑的模糊。
五、看整体构图与"完美度"
这一条比较玄，但很有用：AI 图有一种过度的完美感。
- 构图过于居中、对称、平衡；
- 色彩调得非常"好看"，像是套了滤镜；
- 每个元素都清晰、完整、没有意外入镜的杂物；
- 人物表情介于"还很自然"和"有点假"之间，尤其是笑容。
真实照片总是带点"不完美"：边缘有个路人、桌角有杯没喝完的水、光线有点脏。AI 图很少主动制造这种冗余。
六、看细节的一致性
- 左右不对称的配饰：耳环一边一个样、眼镜腿只有一边；
- 纽扣、拉链、鞋带：数量或位置不合逻辑；
- 透视错误：桌面边缘、地砖线、栏杆的延长线交汇点混乱；
- 人物身份漂移：同一个人像在不同照片里"不像同一个人"（如果是系列图）。
七、一份可以照着念的检查清单
- 先找手——数手指、看关节、看指甲；
- 再找文字——能不能读通？
- 找光源——所有影子方向一致吗？
- 看皮肤和头发——是不是太光滑？
- 看配饰和纽扣——左右对称吗？
- 退后一步看整体——是不是"完美得可疑"？
- 最后问：这张图有没有"不该出现却出现了"的冗余细节？
这份清单只能证伪不能证实：找到破绽 → 基本可以确定是 AI；找不到破绽 → 什么都证明不了。新模型正在快速消灭这些肉眼可见的缺陷，靠眼睛鉴定的有效期正在缩短。
八、肉眼之外还有什么
当肉眼破绽被抹平之后，就轮到机器了。下一讲讲那些人眼绝对看不见的痕迹：噪声残差、频域特征，以及每个模型自带"胎记"。
在那之前，还有一个更省事的路子值得一试——翻翻图片自带的元数据。第 9 讲会讲。