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。
Q&A
Q1：SynthID水印技术是如何嵌入AI图像的？
A：SynthID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。
Q2：SynthID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。
Q3：SynthID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。
