2026年4月，OpenAI正式发布GPTImage2.0，这款被誉为飞跃式升级的图像生成模型，不仅能生成照片级逼真的图像，还能精准复刻老照片的划痕、噪点乃至特定时代的氛围感。有人用它伪造了银行支票，支票上的银行标志、账号格式、签名位置乃至底部的磁墨水字符识别码一应俱全，精细程度足以让银行柜员难辨真伪。尽管这张AI伪造支票未造成实际财产损失，却给金融行业敲响了警钟——银行业已不能再将AI伪造视为理论上的隐患。
与此同时，声音克隆技术也在飞速迭代：骗子只需从社交媒体截取几秒钟的音频，就能用AI还原一个人的声线，进而在视频通话中冒充亲友借钱；在各类AI创作平台上，只需上传几秒原声，几分钟就能克隆出自己的音色并任意改词。更令人不安的是，GPTImage2.0仅凭一句话，就能生成带准确时间戳的微信聊天记录，或伪造一张带有逼真反光甚至摩尔纹效果的屏幕拍摄图，仿佛有人真的把手机举到了眼前。更有极端案例显示，人贩子甚至能用AI生成的亲子合照，当街声称孩子是自己的，试图在众目睽睽之下拐骗儿童。
我们曾经深信不疑的“眼见为实”，正在被人工智能以惊人的速度瓦解。正当人们为这些AI伪造乱象感到迷惘和担忧时，五一国际劳动节当天，Science周刊发布的两篇文章，为人们带来了破局的希望。这两篇文章，一篇题为《Themisinformation accelerator》（错误信息加速器），系统分析了生成式AI如何被用于虚假信息宣传，同时也成为错误信息研究者手中的双刃剑；另一篇题为《Reality check》（现实核查），讲述了数字取证领域顶尖专家汉尼·法里德（Hany Farid）二十余年如一日，与日益逼真的AI伪造图像缠斗，并在职业生涯最大挑战面前寻找出路的故事。两篇文章共同指向一个关键发现：AI可以骗过人的眼睛，却骗不过物理规律。
这正是我们需要深入探讨的核心主题——为什么物理规律，会成为数字时代我们手中最可靠的“测谎仪”。
要理解物理规律为何能揭穿AI伪造，首先要明白生成式AI的工作逻辑。简单来说，这些AI工具通过学习海量图片和视频，模仿它们的视觉呈现来创作新内容。它们就像天才画师，能按要求把天空画得蔚蓝、把人物渲染得栩栩如生，但它们从未亲眼见过真实世界，更没有伸手触摸过物体的质感、感受过重力的力道，或是光线穿透玻璃的折射方式。它们记住的只是“像素该如何排列”，而非“世界该如何运行”。
这一特性导致了生成式AI的根本性缺陷：它不了解物理、几何，更不懂因果关系。画家需要通过写生理解光影在人体上的变化，而AI只能从二维像素的拼图中，猜测三维世界的运行法则。于是，种种违背物理规律的破绽，便成为AI伪造内容的“致命伤”。
早年AI生成内容的纰漏十分粗劣：人物手上冒出六根手指、五官交缠、牙齿重叠成诡异双影。而随着技术演进，这类硬伤已几乎消失。从GPTImage2.0的实测效果来看，其生成的照片在文字渲染、物体摆放、界面细节等方面，已达到“普通人肉眼难辨实拍与伪造”的程度。但根植于AI“非物理存在”这一本质的深层破绽，并不会随着技术进步而消失——它从未真正“体验”过真实世界，自然无法完美遵循物理规律。
我们可以想象一张阳光明媚的合影：如果让人来画，会下意识让所有人的影子指向同一个方向，因为现实世界中太阳是唯一的光源。但AI可能给左边人物画出朝前倾的影子，给右边人物画出朝后倒的影子——它只是把各自“好看”的部分拼合在一起，并非真的在那片阳光里“放置”过这些人。这就是物理规律中的“光照一致性”：同一个场景中，所有物体必须遵循统一的光源方向，而AI并不理解这一点，因为它从未站在阳光下感受过光线的照射。
同理，一面镜子也能让AI露馅。AI生成的室内照片中，镜中的倒影常常与现实对不上，物体本应看不见的面却赫然出现在反射中——这暴露了AI对反射定律的无知：入射角永远等于反射角，镜中世界的每个点，都对应着现实世界中光线的几何路径。更根本的是透视法则：现实中平行的线条，比如地砖接缝、窗框竖边，在画面中都应汇聚于同一个消失点。真实照片中，这些几何属性天衣无缝地交织在一起，而AI常常会在这一点上犯下无法掩饰的物理错误。
如果说伪造静态照片只是在二维平面上“画画”，那么伪造动态视频，就是在挑战整个物理世界的运行法则。AI生成的爆炸场景往往过于“戏剧化”——火光冲天、浓烟滚滚，比真实爆炸更像电影画面，但烟雾的扩散规律、火舌的形态，却经不起逐帧推敲。真实爆炸的烟雾扩散遵循流体力学规律，火舌的翻卷方向与风向、空气对流高度相关，而AI只能模仿“爆炸该有的样子”，却无法还原这些深层的物理逻辑。
将这些物理原理转化为具体的检验技术，就构成了数字取证的核心。在这个领域，研究者们既要懂物理，也要懂刑侦：他们不依赖黑箱般的AI检测器，而是借助数学和物理的基本法则，让造假者在“物理法庭”上无可遁形。中国最高人民检察院近期的一份报告指出，监控视频、聊天记录截图、转账记录截图等证明力较强的证据，正成为深度伪造技术重点“加工”的对象。这意味着，传统的“截图即证据”思维，亟需一套全新的验证工具箱来补充，而物理取证，正是其中最锋利的一件武器。
物理取证的第一把尺子，是几何透视。真实的镜头必然遵循透视原理：现实中平行的线条，无论是马路边缘、建筑物窗台，还是连接物体与其影子的虚拟光线，在画面里都应指向同一个消失点。通过分析画面中已知尺寸的参照物，可重建出拍摄场景的三维空间关系。如果一张图中左侧人物的影子指向东，右侧人物的影子却指向西，那么物理规律这个“法官”，就已经做出了无可辩驳的判决——这张图必然是伪造的。
第二把尺子，是物体运动的合理性。高速飞行的导弹在视距内近乎直线下坠，这是动量定律决定的，不由艺术创作自由发挥。分析人员可将连续几帧画面叠加，观察物体的位移轨迹是否服从牛顿定律。如果造假者只是用修图软件把导弹剪影贴进天空，其运动路径可能过于平滑，或在不该加速度的地方突然变向。更进一步，还可引入流体力学分析：爆炸烟雾的扩散是否服从湍流规律，火舌的翻卷方向是否与风向自洽——物理规律在每个环节，都为AI伪造布下了无法逾越的关卡。
最精彩的取证推理，往往来自那些看似无关的细节，尤其是声音。光速极快，在短距离内几乎可以视为瞬时到达；但声音传播速度较慢，在常温空气中约为每秒340米。测量画面中火光一闪到爆炸声响起的时间差，比如约三分之一秒，就能立刻算出拍摄点距离爆炸点约100米——这是一个极难伪造的独立变量。再用导弹在画面中的像素尺寸和摄像头光学参数，反推真实物体尺寸，就能得出导弹的现实长度。如果这两个彼此独立的推算结果相互吻合，且与已知的导弹型号数据一致，那么视频为真的概率便会大大增加。
这套物理取证方法之所以坚固，在于它不试图猜测AI可能在哪里犯错，而是主动追问一个根本问题：这个场景如果在真实物理世界中发生，应该呈现什么模样？Science援引多位研究者的判断指出，目前AI仍无法生成“完美”伪造的图片或视频，深度伪造内容始终存在一些固有的不自然或不协调之处，而这些破绽，恰恰藏在物理规律之中。
正如汉尼·法里德所说：“我每次出门锁上家门，这能阻止99.99%的人破门而入，但阻止不了一个锁匠。”物理规律设下的这道门槛，正是要让绝大多数造假者面对一道无法跨越的高墙——即便他们能模仿画面的表象，也无法复刻物理世界的底层逻辑。
当然，物理规律检验并非无懈可击。AI研发者同样在努力将物理引擎引入生成模型，让虚拟世界也能像真实世界那样“运行”。然而，物理现实的复杂程度，远超当前任何算法所能驾驭。一片水洼里倒映的碎云、一条褶皱布料在不同光线角度下的明暗变化、烟雾在湍流中瞬息万变的分形形态——这些自然界的“家常便饭”，对AI来说仍需要数年甚至数十年的时间去追赶。况且，绝大多数造假者的目标，并非与手执放大镜的物理学家对决，而是快速、廉价地骗过大多数没空细细审视的普通用户，这便给物理取证留下了广阔的用武之地。
物理规律检验还有另一重无可替代的价值：它的结论可以被清晰解释。在法庭上，你不能只对法官说“机器告诉我这张图是假的”，而必须讲清楚“为什么”是假的——比如，照片中两个人的眼神光来自截然不同的方向，证明他们不可能在同一光源下同框出现；再比如，镜中倒影的几何关系不符合反射定律，证明这个场景从未真实存在过。这种可解释性，让物理取证在司法、金融等严肃领域，具备了不可替代的说服力。
回望文章开头提到的困境，GPTImage2.0等工具让传统的身份验证方式面临前所未有的挑战。继续单纯依赖面容、声纹等静态生物特征，就好像用一把越来越容易复制的钥匙去锁门。展望未来，安全核身系统或许需要引入物理世界的动态变量作为更根本的凭据——比如要求用户在验证时完成一个随机动作，再实时分析光线在面部肌肉运动中的变化轨迹，捕捉环境中那些细微却独一无二的反射特征。一言以蔽之，要确认屏幕对面的人，是一个真正生活在物理世界中的碳基生命，而非一段完美渲染的硅基录像。
在今天这个信息泛滥的世界里，每天都有海量AI生成的画面被制造、传播。有的是为了博眼球，有的是为了骗钱财，有的甚至是为了煽动对立、扰乱社会秩序。对抗这些虚假内容，需要一整套多层次的策略——教育公众学会辨伪、追溯信息来源、强化平台治理、完善法律法规，缺一不可。《中华人民共和国网络安全法》明确规定，任何个人和组织不得利用网络编造、传播虚假信息扰乱经济和社会秩序。面对这些几可乱真的新型虚假内容，执法与取证的技术手段，也必须同步升级。
在技术防线的最前沿，那些镌刻在宇宙运行中的物理规律——几何、光学、声学和力学，正如同一道沉默而坚固的堤坝，守卫着我们在数字洪流中如浮萍般飘摇的真实感。无论虚拟世界如何精进，无论AI伪造技术如何迭代，真实的阳光，总会投下诚实的影子；物理的法则，终将让所有虚假无处遁形。