人工智能 造成效率提升，伦理安全问题也相伴而生，成为一大隐患。不久前，多位人大代表及政协委员谈及AI（ 人工智能 ）给日常生活造成的危险，例如AI换脸造成虚假信息满天飞，建议出台更严厉的细则进行规范及治理。
一位同时研究AI生成与检测的学者，如何看待自己所在领域的“猫鼠游戏”？
董晶来自中国科学院自动化所，她同时也是IEEE（电气电子工程师学会）亚太区执委。IEEE是全球最大的专业技术组织，致力于推动电气、电子、计算机及通信等领域的技术创新。
“无妨让二者对抗一下：一边做诞生成技术，另一边拿去检测是否存在安全风险，再据此迭代优化。”董晶说，“这就相当于自己跟自己对抗，一边造、一边查，在内部形成攻防博弈。”
作为IEEE亚太区执委、中国科学院自动化所研究员，董晶是专注AI生成与内容安全双向研究的学者。恰逢“三八”国际妇女节，她接受了《每日经济新闻》记者（以下简称NBD）专访，聊了聊AI人脸技术从平面到立体的跃迁，也聊了聊AI飞速发展的“矛与盾”，和给想要进入AI行业的年轻人提出了一点建议。
AI人脸以前是“改图”，如今是“造人”
NBD：这几年大众对AI人脸的印象，可能还停留在换脸或美颜。您做的3D感知、脸色迁移，听起来更偏结构层面。今天的人脸生成和几年前比，最大变化是啥？
董晶：过去人们对AI人脸的领会，大多停留在2D（二维）图像层面的编辑与更改——从像素维度调整色彩、排列方式与统计规律，让一张杂乱的噪声图逐步发生规整的人脸结构。可该类生成结果一旦换个角度、换种光线，就很容易露出破绽。
如今的变化是从平面修图变成立体建模。我们做的3D（三维）感知、脸色迁移，本质是先还原人脸的三维结构、骨骼和肌肉关系，再去生成和驱动。从平面修图变成了立体建模，相当于在做雕镂，从二维到三维，让人脸立起来。同时，更强调可信与安全，不仅要真切，还要可溯源、可取证。
NBD：这种“立起来”造成了啥实质变化？
董晶：首先是更稳定、自然；其次是可控性大大增强，从二维到三维，参数量变多了，脸色、姿态、光照这些属性可以用不同 的参数分别调养；最后是可信与安全，参数量多了，我们在计算进程中建立的可溯源、可取证的链条就更完善。
简单说就是曾经我们是“改图”，如今是在“造人”。
NBD：这个技术突破和什么有关？算力、数据还是算法？
董晶：关键在于两点：一是算力水平，二是模型性能。过去受限于条件，既难以处理 海量数据 ，对数据的领会能力也相对有限。如今不仅有了更多优质数据，借助生成式技术本身，还能补全许多此前难以获取、处理和存储的数据。
另外就是算法更智能了，研究这个方向的人越来越多，智力投入足够，对参数怎么调优的领会也在加深。 人工智能 ，首先是人的智能。
NBD：大语言模型有海量语料，图像领域会面临数据缺乏的问题么？
董晶：的确会。图像视频数据本身就是非结构化数据，建模难度大，存储需求也大。从量级上说，一篇文本跟一张图像比，图像的数据肯定是缺乏的，所以当前我们用很多生成式技术去做（指生成图像、视频），其实也是在补这些短板。
NBD：补短板包含补视觉大模型甚至具身智能的数据短板么？
董晶：视觉是人类接触世界最直观的表达，70%的数据来自眼睛。因此我们肯定希望这个技术，能让大家从想象到想象力，给想象力更广的空间。
不过如今的生成技术还在发展阶段，不是所有数据都能生成得很真切。有些生成内容看上去像真图，但不符合物理世界的规律。想象力是可以有的，可是它不能太超前，在医疗、安全等高精尖、强精准要求的领域，现有技术仍未达到成熟可用、落地应用的阶段。
NBD：您一直重申可控编辑，可以调养年龄、脸色、身份属性。为啥可控会成为重要方向？
董晶：可控编辑，是AI生成从炫技走向实用的关键。过去生成模型最大的槽点是不可控、不可复现，想改个脸色、调整年龄，都要反复生成，没法精准满足需求。可控编辑把人脸的不同属性拆解开，独立调控，让AI从黑箱生成变成按需定制。它解决的是生成与需求脱节、结果不可靠、技术难落地的问题。
这个技术的应用场景也包含了数字人直播、影视特效、电商内容生产、医美预览、安全教育、身份认证安全等。同时，可控也是AI安全与内容监管的前提，和我研究的深度伪造检测、多媒体取证高度契合。
NBD：对抗性妆容该类技术的原理是啥？目前技术是否已经具备了从实验室走向手机App（应用程序），甚至金融支付前端的商业条件？
董晶：对抗性妆容的原理，是通过人眼几乎不可发觉的细微妆容，干扰人脸识别模型，从而保护面部隐私。它不靠遮挡，而是精准、温和地让AI认不出来。
目前技术效果已经比较成熟，但还没完全具备大规模商业化条件。一方面，光线、角度、摄像头的鲁棒性仍需提升；另一方面，涉及金融安全、隐私合规、伦理规范，需要行业标准和监管体系同步完善。短时间内会更多用于隐私保护研究和特定场景防护。
NBD：识别系统可以被干扰，是否意味着人脸识别本身其实其实不是绝对值得信任？将来的支付安全或手机解锁会走向哪里？会不会需要依靠更多多模态结合的识别？
董晶：没有任何一种 生物识别 是绝对安全的，人脸识别在日常场景中高效便捷，但在对抗、伪装、攻击场景下，的确存在被绕过的可能。
我们研究攻击，不是否定它，而是让它更安全。人脸识别是便利工具，不是绝对防线。日常通行、手机解锁没问题；但金融支付、大额交易，不能只依赖人脸。未来方向一定是多模态融合：人脸、指纹、声纹、行为特征、设备信息等交叉校验。单一模态可能被攻破，但多模态会把安全等级大幅提高。
没有安全的盾，生成也无法落地
NBD：以前说“有图有真相”，现在视频也有可能存在是假的。技术上还能有效识别这些么？
董晶：目前仍然可以有效识别，我们课题组就在做生成式内容的检测与测评。现在很多短视频都要求标注是不是AI生成，主动标注当然好，但更多的可能不标，就需要检测技术跟上来。
从技术角度，我们分析生成式技术的共性特征。好比生成出来的图是不是真彩色更强，很多时候你会发现它比一般视频拍得更漂亮、更炫酷。从像素层面，它的连续性、边缘效应可能有特定规律，就像模型有自己的“指纹”。
还有就是从大量数据中学到的一些不太好定义的经验特征，可以助推我们给出一个概率判断。AI生成再真切，也会留下物理、几何、时序上的细微痕迹：光影不一样、微结构扭曲、时间不连贯等。人眼看不出来，但算法可以捕捉。
NBD：检测的难点具体在哪里？
董晶：AI生成的检测本质是弱信号检测，生成模型的目标就是无限迫近真实视频，而检测任务则要在高度真切的内容中，精准识别出伪造痕迹。你越了解生成式技术，就越了解它可能假在哪里。因此我们务必要从生成式原理动身，脱离技术本质空谈检测，无异于凭空捏造。
另外一个难点是，弱信号的检测，其特性往往没有一个在语义层面可表达、可解释的规律，很难找到普适的特性。因此我们需要不断补全知识盲区，把经验加进去。
NBD：越短的视频越难检测么？很多用户会觉得看AI视频，感觉多看几秒就能发现它是AI。3秒的视频是不是更难发现其真伪？
董晶：这个跟时间长短没有绝对关系。你要说短，那图像更短，但图像的检测率，在我们很多实际观测中，可能比视频更高。
这其中可能用到了一点认知机理。人类多看几秒，相当于多学了一段时期。从这个视角说，学习时间越长，对知识的掌握能力就越强，这可能符合人类的认知关系。从科学研究的视角来看，检测效果与视频时长没有本质关联。关键在于对问题本质的认知深度：是否真正理解伪造特征、能否有效建模并学习到这些关键线索。
我们目前研究发现，AI生成视频的检测难度有一明显特性：视频场景频繁切换、不连续（如频繁跳场），会因引入大量无序扰动信息，明显增加检测难度。反之，视频保持几秒连续稳定，连续性特征越多，越利于检测——连续场景可减少扰动，便于捕捉生成视频的固有伪造痕迹，提升检测效果。
NBD：有一种观点认为，检测永远追不上生成，您怎么看？
董晶：现阶段检测仍然略占优势，但双方处于持续拉锯状态。生成追求视觉真切，检测抓的是物理规律、几何一致性、模型痕迹这群人类难以发觉的底层漏洞。短时间看，新生成方法刚出现时，检测会短暂滞后，但很快能追上。长期看，赛道会发生变化，未来不再是单纯攻防，而是可信水印、生成溯源、多模态校验、全链路合规的主动防御体系。
NBD：您同时涉足生成和检测领域，如何解读这两者的关系？
董晶：我更愿意定义为相互成就、螺旋上升的共生关系。生成技术不断迫近真实，主动袒露识别全面的漏洞，逼着安全技术变强；检测与安全技术不断升级，又反过来约束生成走向规范、可信、安全，让技术不被滥用。
没有攻，就没有坚固的守；没有盾，生成也无法真正落地。它们共同推动整个 人工智能 领域，从可用走向好用、可靠、可信。
NBD：现在做AI安全研究，重点在哪些方面？
董晶：安全是一个整体观念，它不是某一个方面的安全，而是有衍生效应。有内生安全，也有外生赋能安全，技术本身可能有脆弱性，也有可能存在延伸到其它领域造成新的安全问题。
我一是在做生成的技术，我会考虑这些前沿技术怎么应用，但应用的进程中，又要测试它会不会造成安全问题，我们要去测试一下。因此我们既做生成也做检测。相当于自己对抗自己，很多技术在我的课题组我都分成两个课题、两个小组在做，然后让他们互相对抗。
NBD：当生成内容足以以假乱真时，怎么建立一套有效的溯源机制？
董晶：要避免AI被滥用、成为诽谤与诈骗工具，不能只靠事后检测，务必建立一套从生成到流传全链路可追溯的可信体系。
第壹要从源头强制留痕，未来所有商用AI生成模型，都应该嵌入不可篡改的 数字水印 、模型指纹、生成日志，让图片、视频在生成的那一刻，就自带诞生证明，记录生成主体、时间、模型信息，做到谁生成、谁负责。
其次，在流传环节，社交平台、短视频平台应接入统一的内容核验接口，自动识别内容是否为AI生成、是否被篡改。
同时，完善法律与制度保障，明确平台、开发者、使用者的责任界限，让技术溯源结果能够成为法律证据链的一部分。
NBD：未来在身份验证、隐私保护方面，技术趋势是啥？
董晶：如今的检测技术需要更多从认知角度去做可解释性，不能只告诉用户“这是假的”，还要告诉他“为啥是假的”。下次看到同类内容，用户自己就有判断力了。我们要找出那些人类可以理解，但视觉难以发觉的底层漏洞，好比违反了哪些图像或视频中的几何规律、物理规律。如果只说真假，未来生成式内容越来越多，大家只会越来越眼花缭乱。
性别不是能力的分界线
NBD：在AI和科技行业，女性比例仍然偏低。您怎么看？
董晶：客观上女性比例仍偏低，但女性正在快速崛起，且具备独特优势：更细腻、更重视细节、更擅长沟通协作、更关注技术的人文与伦理价值，这些正是下一代AI最期望的能力。
我也遇到过现实挑战：在学术会议中是少数群体；需要在事业与生活中做更多平衡；也听过一些隐性偏见，好比女性不适合硬核算法。但我始终相信：性别历来不是能力的分界线，专业、热爱、坚持，才是决定能走多远的关键。
NBD：很多女性往往因为“能力不足”的自我怀疑而错失机会。您有过类似经历么？
董晶：我非常认可，也完全有过。在职业历程早期，面对重要机会，我也会犹豫：我准备好了么？能做好么？后来我意识到，没有人天生就准备好，大伙都是在一次次上场中变强的。我的措施很简单：先接住，再做好；先上场，再变强。不要等完美了再动身，要在动身的路上，把自己变成更适当的人。
NBD：对想要进入AI行业的年轻人，尤其是女性，有啥建议？
董晶：不要受限。假如想进来就服从你的本心，因为你有选择的权利。假如你足够优秀，你想进任何行业，都应该相信自己能成功。
而且不要觉得你是第壹个吃螃蟹的，这个领域有许多先行者。如果真想成功，你可以研究前辈是咋在这个行业坚持长期主义的，因为在科研或科技领域，长期主义需要一开始就有打算，而不是只凭一时兴趣。
另外，我认为还是要鼓励女性进入这个领域。很多女性在技术开发阶段比男性更有温度，她们很多的技术可能最终会用到教育和医疗方面。这是AI现在可能最重要的两个领域，未来需要女性从业者的智商、能力或智慧。