微新创想：2026年5月，加州大学伯克利分校Hany Farid教授在《Science》发表论文指出，当前AI图像生成器虽已改善手指、文字等显性缺陷，但在光照、阴影、反射和透视几何等物理规律层面仍频繁出错
论文强调，识别AI图像的关键正从‘结构是否正确’转向‘物理是否自洽’。Farid教授提出以消失点一致性作为核心判据，这一方法基于经典透视原理，能够有效检测图像中是否存在不符合真实物理规律的异常
在真实场景中，平行线应汇聚于同一消失点，而AI图像常出现线条发散、反射失准或阴影方向矛盾等问题。这些现象揭示了AI生成图像在模拟现实物理特性方面的不足，也提供了新的识别方向
该方法无需依赖模型指纹，适用于快速人工初筛。相比传统的基于图像特征的识别方式，这种方法更注重图像整体的物理合理性，提高了识别的准确性和效率
研究旨在提升公众数字辨识力与内容审核科学性。通过引入物理一致性作为判断标准，不仅有助于增强AI图像识别技术的可靠性，也为内容安全和数字媒体的真实性提供了新的保障
