明查·聚焦｜同一张图有人说是旧图、有人说是AI，AI检测究竟靠谱吗？
10月22日至10月25日，印度空军在瓦拉纳西举办了大型空中飞行表演“恒河之翼（Wings Over Ganges）”航空展，主要活动地点为恒河沿岸的纳莫河坛（Namo Ghat），印度总理莫迪于10月25日出席了最后一天的活动。
随后，社交平台围绕一张“航空展现场图片”的真实性展开争论。
10月25日，包括印度商务和工业部长皮尤什·戈亚尔在内的印度官员及执政党关联账号发布了一些展示航空展现场“人山人海”的照片。
然而，其中一张图片被部分X平台用户指控是假的，依据是谷歌图片识别和Grok这两个AI功能给出的结论都是“该图为2025年印度大壶节期间拍摄的画面”。还有部分用户则称网传图片为AI生成。
印度阿萨姆邦平民党账号以及其他X用户指控人民党“使用虚假图片”的帖文，有人称之为“旧图”，有人认为是“AI生成”（但未给出依据）
被质疑真实性的网传图片
明查
AI判定网传图片为旧照，这个结论可靠吗？
对网传图片进行反向搜索，结果显示，《印度斯坦时报》10月25日报道提供了这张照片的出处，该报道展示了莫迪出席 “恒河之翼”航空展的相关内容，并备注，图片来自《印度斯坦时报》的工作人员Rajesh Kumar。
印度事实核查机构BOOM联系了Rajesh Kumar，他表示：“这张照片是我在WhatsApp上从一位当时在场的人那里收到的。照片拍摄于2026年10月25日中午12点到下午1点左右，地点在拉杰加特桥上，当时人群聚集在那里观看印度空军的活动。这张照片不是我拍的，但我当时就在现场，可以确认照片的真实性。《印度斯坦时报》刊登的其他照片都是我拍的。”
通过Verexif工具核查，该图的Exif照片拍摄信息已经被抹去或在传播过程中丢失，“澎湃明查”直接联系Rajesh Kumar未收到回复，暂时无法获得网传图片的原始版本进行核验。
《印度斯坦时报》帖文
网传图片持有人Rajesh Kumar对BOOM的回应
不过，通过其他两个维度比对，仍然可以找到AI对网传图片判定的失误之处。
首先，有多家媒体、现场观众发布了本次“恒河之翼”航空展的其他视角视频，在这些视频中出现的标志性元素：沙滩内侧立杆、白色房屋和帐篷以及沙滩中部的红蓝色瞭望塔在位置分布和形态上都与网传画面完全一致。
四张图从左上至右下依次为：网传图片、Ins用户furious_harshit_lohar在拉杰加特桥上拍摄的相同视角视频截图、印度国家电视台DD News的航展视频截图、YouTube频道订阅数为59.9万的印度Vlog博主Suraj Real Vlogs拍摄的航展现场视频截图
另一方面，AI判定的2025年印度大壶节与此次航展在活动性质、举办地点与现场场景上均存在明显差异。
大壶节是印度教最重要、规模最大的宗教朝圣活动之一，也被认为是世界上规模最大的周期性宗教集会。今年的“恒河之翼”航展则属于印度空军94周年纪念活动，旨在通过飞行表演展示空军航空设备与飞行技术，增进公众对空军的了解。
地理位置上，2025年大壶节在印度北方邦普拉亚格拉杰（Prayagraj）举行，活动核心区域位于恒河、亚穆纳河交汇处。2026年航展则位于印度北方邦瓦拉纳西的纳莫河坛（Namo Ghat），两地在地图上直线距离相距约200公里，并非同一地点。
从现场场景来看，大壶节相关图片中可见大规模朝圣人群和临时搭建的帐篷场地，信众在河流交汇处进行沐浴等宗教仪式。
与之不同，航展现场的影像以飞行表演为主，包括战斗机编队飞行、直升机特技表演，以及聚集在恒河沿岸观看表演的观众。
2025大壶节相关场景 图源：路透社
《印度斯坦时报》2025年发布的印度大壶节鸟瞰图
因此，AI对网传图片的判定结论并不可靠，围绕这张图片真实性的争论无法否定近期“恒河之翼”航空展的真实现场规模。但是，这个案例不由得令人怀疑，目前AI识别和检测图片的可靠性到底有多少？其判断能力有哪些边界？
Grok和谷歌为何判断失误？
在上文中，网友们使用了Grok和谷歌AI Overview之后均得出了错误结论，而这两者的底层技术有交集，但核查逻辑并不完全一致。
Grok是美国公司xAI推出的AI模型及聊天机器人产品，由大型语言模型驱动，因此更加依赖推理而非基于像素的匹配。亚利桑那州立大学数据挖掘与机器学习实验室2025年8月的一篇论文指出，LLM（逻辑学习模型）的思维链推理往往很脆弱，容易出错， “看似结构化的推理可能只是一种假象，它并非逻辑推理，而是源于对训练数据中记忆或插值的模式。” 因此，其训练数据中的偏差也可能影响其准确识别图像元素的能力。
亚利桑那州立大学数据挖掘与机器学习实验室论文截图
谷歌图片反搜和AI Overview则建立在搜索引擎索引的基础之上。谷歌在其AI模式文件中介绍了搜索引擎使用的fan-out技术，即针对图片整体及其中不同对象，同时发起多个搜索查询，再将结果整合起来。
随后，根据这些线索推测图片可能对应的地点或事件，并通过网络搜索寻找相似图片、新闻报道及其他相关资料，模型再尝试将视觉信息与外部证据进行比对，最终生成判断。但这些环节也都可能产生误判，AI可能过度依赖某个局部视觉线索，从而形成错误的地点或事件判断。
英国独立事实核查机构Full Fact2025年的一篇报告提到，“谷歌发言人表示，搜索结果展示了一些网页资源和社交媒体帖子，这些内容将视觉匹配信息与虚假信息混杂在一起，而AI摘要正是依据这些内容生成的。”
在网传图片中，Grok或许识别出了河流、人群、帐篷、白色滩涂等元素，但这些元素并不能唯一指向某一个地点或事件，大型宗教集会同样具有这些视觉特征，模型容易根据训练的关联模式推测一个看起来合理的结论。这种行为也常被描述为AI幻觉。
然而，真正的核查还需要判断拍摄时间、地点、事件和传播链条，这些信息通常无法仅凭一张图片的视觉内容确定。
在2025年度国际计算机视觉与模式识别会议（IEEE CVPR）上，研究人员甚至提出了“隐性幻觉”的概念，即模型可能在缺乏充分视觉依据的情况下给出正确答案。这也意味着，AI的答案即便看起来合理，也需要人为介入来判断它究竟识别到了什么，又是依据什么得出结论。
AI可以是工具，但不是事实核查的证据本身
本文案例当然并非个例。事实核查机构FullFact今年9月更新的分析报告指出，对AI大模型进行为期数月的测试显示，在核查网络流传的错误信息时，不同模型累计出现了67次错误回答。其中，一些模型不仅未能识别AI生成图片，还会对图片所涉及的国际事件给出错误解释，甚至在已经存在事实核查报道的情况下，仍然重复传播错误信息。
这说明，当问题进一步涉及“这张图片拍摄于哪里”“它是否来自某次具体事件”时，需要AI具备更强的视觉定位能力，以及对外部信息来源的准确检索和交叉验证能力。
哥伦比亚大学Tow数字新闻中心2025年8月的一项实验就揭示了这种差距。研究人员选取10张新闻摄影图片，让7款AI聊天机器人分别判断图片的拍摄时间、地点和来源，共进行了280次提问，最终只有14次回答同时准确识别了图片出处。研究人员还发现，开启更深入的推理功能（或“思考”模式），并不意味着模型就能给出更准确的答案。
除了判读错误和编造出处，另一个值得警惕的问题在于，专门用于识别AI生成图片的检测工具，同样不能被视为真实性鉴定的可靠依据。
在本文开篇案例中，有用户认为网传图片为AI生成，但并没有给出可靠依据。“澎湃明查”使用市面上常见的五款AI图片检测工具对该图进行测试，得到的结果却大相径庭。
ZeroGPT将照片认定为“疑似AI生成”，置信度高达89%，Hive Moderation和AI or Not则认为这是真实照片，概率跨度达到88.5个百分点。
5种海外AI检测工具显示结果各有不同
澎湃新闻“派生万物”图片鉴真结果显示该图真实置信度为75%
2026年2月（该项目论文最新修订于2026年10月24日），由ScamAI团队领衔发起的一项针对16种AI图像检测方法、约260万张图片的大规模基准测试发现，最佳检测方法平均准确率仅为75%，最差仅37.5%，且不同数据集上的表现差异显著。
研究人员称，误判频发主要有几个原因：首先，图片经过压缩、裁剪和重新上传后，原始像素特征可能丢失，影响检测精度。其次，特殊光线、动态模糊等拍摄条件可能让真实照片呈现出类似AI生成图的特征。此外，检测方法容易受训练数据限制，难以适应不断迭代的新生成模型。
目前来看，图片核查不能被简化为一次AI检测。AI更适合承担初步筛查和辅助检索的工具作用：例如识别画面中的地标、建筑、文字和其他视觉线索，提取视频关键帧，辅助寻找相似图片，或者帮助分析不同版本之间的差异。但这些线索仍然需要回到原始来源和外部证据中进行验证。
随着生成式AI不断发展，图片制作、编辑和传播的门槛还会进一步降低。未来的图像核查可能越来越难以依靠单一的技术检测手段完成。对于事实核查而言，真正重要的或许不是寻找一个能够给图片直接判定真假的AI工具，而是建立一套能够相互验证的核查流程。