物理规律成AI伪造“照妖镜”：几何透视与运动轨迹让假图无处遁形

事件概述

2026年4月，OpenAI发布GPT Image 2.0，可生成逼真图像、复刻老照片细节。有人用其伪造银行支票（含磁墨水字符识别码），虽未造成实际损失但暴露出金融风险；声音克隆技术仅需几秒音频即可仿冒声线，视频通话诈骗频发。然而，Science周刊发表的两篇文章指出，AI虽能骗过人眼，却无法违背物理规律——这成为鉴别深度伪造的核心手段。

核心信息

1. AI的“物理盲”本质

生成式AI仅学习像素排列，不理解真实世界的光照、几何与因果关系。其典型缺陷包括：

• 光照不一致：同一场景中多个光源方向矛盾（如影子朝向相反）。
• 反射错误：镜中倒影不遵循入射角等于反射角的定律。
• 透视错误：平行线在画面中未汇聚于同一消失点。
• 动态物理缺陷：爆炸烟雾扩散、导弹轨迹等不符合牛顿定律和流体力学。

2. 物理取证的三大手段

• 几何透视检验：通过消失点分析重建场景空间关系。中国最高检报告指出该方法对监控视频伪造识别有效。
• 运动轨迹分析：叠加连续帧，检查位移是否服从动量定律；或通过声速延迟（340米/秒）与像素尺寸反推距离与物体真实大小，验证视频真伪。
• 流体力学验证：爆炸烟雾湍流形态、火舌方向需符合自然规律，AI生成的“戏剧化”效果往往违反物理法则。

3. 司法优势与局限

物理规律检验提供可解释证据（如“眼神光方向矛盾”），比黑箱AI检测更易被法庭采信。目前AI仍无法完美模拟复杂物理现象（如水洼倒影、布料褶皱光线变化），但防御主要针对普通用户而非专业造假者。《网络安全法》明确禁止传播虚假信息，物理取证为执法提供技术支撑。

值得关注

未来安全核身系统可能引入动态物理变量（如随机动作下光线在肌肉运动中的变化）作为生物特征替代方案。物理规律作为底层防线，短期内仍需与公众教育、平台治理、法律完善等多层策略协同。

【参考文献】

• [1] https://doi.org/10.1126/science.aei4485
• [2] https://doi.org/10.1126/science.aei4515