AI生成内容的规模之庞大令人难以想象。斯坦福大学与南加州大学联合研究机构Starling Lab估计从相机发明到1975年人类历经149年才创造出15亿张图像。而生成式AI仅用18个月就完成了同样的壮举而且远不止于此。今年春天谷歌在I/O大会上宣布其工具在短短数年内已被用于创建超过1000亿张AI图像和视频而谷歌还只是AI内容来源之一。该公司在公布这一惊人数据的同时还宣布了一系列合作旨在推广其SynthID水印技术的应用——这项技术可用于标记AI生成内容帮助人们识别真实信息。谷歌表示SynthID足够稳健能够在图像经过编辑处理后依然保留。随着OpenAI、Runway、英伟达等公司相继开始使用该技术其效果即将接受真实考验。那么隐形水印技术究竟能否解决AI内容识别难题目前标记AI内容主要有两种方式以SynthID为代表的隐形水印技术以及内容来源和真实性联盟C2PA所推行的元数据标准。谷歌同时采用这两种方式对其AI内容进行标记但C2PA并非像水印那样隐匿于内容之中。C2PA采用密码学手段保障安全性无法伪造但极易被移除——仅需对图像进行编辑保存或截图C2PA信息便会消失。而SynthID这类水印则直接编码于图像或视频的像素之中或嵌入音频的波形数据内。内容在网络上传播过程中会因压缩、缩放和编辑而产生损耗但谷歌表示即便是经过多次流转的表情包SynthID依然能够保留。谷歌DeepMind科学家Pushmeet Kohli向媒体介绍团队在确保SynthID耐久性方面投入了大量研究工作。在整个开发过程中我们始终假设这项技术会遭到攻击Kohli表示因此我们进行了大量研究使SynthID能够抵御各种变换处理。无论是添加滤镜还是裁剪图像我们都将这些变换纳入训练确保检测器具备足够的鲁棒性。谷歌除最初发布的技术论文外一直对SynthID的具体技术细节讳莫如深。随着该技术在AI领域的持续扩展这些说法是否经得起验证值得持续关注。但如果单纯等待AI图像在网络传播中自然损耗降级恐怕需要耗费大量时间。为此研究人员使用Python Pillow库模拟了图像在高频率分享与下载过程中的数据损耗大幅压缩了测试周期。该脚本在设定范围内随机选取压缩和缩放参数对测试图像进行处理并将输出图像作为下一轮处理的输入。本次测试涵盖两类AI图像一类是由模型完全从零生成的图像另一类是经AI处理编辑的原始照片。两张由Nano Banana Pro生成的图像均内嵌了SynthID水印且无论如何编辑元数据都无法去除水印信息。测试选取的初始图像中两张图像的AI生成痕迹都相当明显——政治不会是金属风格的测试中的宠物狗也不可能有龙的特征。研究人员将这些图像经过图像压缩处理循环数百次将清晰的原图压缩成几乎无法辨认的模糊图像。每经过50轮处理还会对图像进行裁剪不重新编码进一步删除可能承载SynthID信息的像素以加大检测难度。经过300轮模拟分享处理后全帧图像的画质已大幅劣化几乎面目全非。QAQ1SynthID水印技术是如何嵌入AI图像的ASynthID水印直接编码于图像或视频的像素之中或嵌入音频的波形数据内。与C2PA元数据标准不同SynthID以隐形方式存在于内容本身即使经过压缩、缩放、添加滤镜或裁剪等常见编辑操作水印依然能够保留。谷歌DeepMind在开发过程中对多种变换处理进行了针对性训练确保检测器具备较强的鲁棒性使得仅通过编辑元数据无法将其移除。Q2SynthID和C2PA这两种AI内容标记方式有什么区别A两者的核心差异在于标记方式和可靠性。C2PA是一种元数据标准采用密码学手段保障安全性无法伪造但极易被移除仅需对图像进行编辑保存或截图操作C2PA信息便会消失。SynthID则是隐形水印直接编码于内容的像素或波形中难以通过常规操作去除具备更强的持久性。谷歌目前同时采用这两种方式对AI内容进行标记。Q3SynthID水印经过多次图像压缩和编辑后还能被检测到吗A谷歌声称SynthID在经历多次编辑处理后依然能够保留。测试中使用Python Pillow库模拟了图像经过300轮随机压缩和缩放的高强度损耗过程并每50轮进行一次裁剪处理以进一步削弱水印信号。测试结果将验证谷歌关于SynthID耐久性的说法是否成立相关结论尚在评估之中。