# AI 美女占领小红书，没那么糟糕

- 作者：山宗
- 发布时间：2024-09-17 09:22
- 分类：产品、公司
- 原文：https://www.ifanr.com/1599477

![](https://s3.ifanr.com/wp-content/uploads/2024/09/2-1-1.png)

最近，一则赛博美女抢滩小红书的消息在微信聊天群里炸开了锅。

群聊记录显示，有网友使用账号矩阵管理软件操控 1327 个账号，直接「屠版」小红书。结果，推送系统居然没识别出来，反而还帮着推流。

代入用户的视角，敢情我看了半天的美女，正准备鼓起勇气接触呢，你告诉我这居然是 AI？

这天，算是塌了。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/1-12.png)

消息传开后，舆论迅速撕裂成两派。

省流派觉得，考虑到要管理上千个手机号，同时还能躲避 AI 检测，故而多半为 AI 软件或矩阵软件的终极韭菜收割机。

另一派则认为，几乎所有社交媒体都被 AI 黑产造访过，小红书的检测系统赶不上趟也在情理之中。

只是估计连小红书颜值博主也没想到，自己的对手有一天会是连肉眼凡胎都没有的 AI。

### 赛博美女抢滩小红书，伤害了谁

照惯例，先上几张图，看看你能看出多少门道。

说实话，其实如果不是放大了看，在界面匆匆一瞥，我们几乎察觉不出这些照片的 AI 味？即便是细心观察，有些照片连 AI 爱好者也未必敢打包票。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/2-1-1.png)

▲图片来自 @imxiaohu



而如果流传的消息属实，那我们大致能捋出几个受害者——

被蒙在鼓里的用户、被内卷的颜值博主们，小红书平台本身、以及需要加班的程序员……

当排山倒海的 AI 图片朝着大众奔涌而来，实际上也形成了一个筛选机制。

拥有火眼金睛的用户终究是少数，而更多普通人只会在不经意间留下自己的「一键三连」，然后在 AI 图片的漩涡中循环往复。

AI 虐你千百遍，你待 AI 如初恋。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/3-7.png)

在 AI 图片的攻防战中，如果小红书的审核机制未能识别出 AI，似乎也不足为奇。

PS 等修图软件的出现，改变了摄影的本来面目，真人和虚拟的界限也就因此模糊了。相比于某些反牛顿定律的美颜「照骗」，有时 AI 反而显得过于保守了。

如同我们在面对眼花缭乱的美颜照时，难免会怀念起「原图直出」的拍照氛围。类似地，我们现在也站在道德的制高点上抨击 AI 图片。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/4-10.png)

没有绝对的对错。我们可以接受 AI 图片的存在。但赛博博主们坏就坏在行事不够敞亮，再不济也得为 AI 图片标明身份。

在注意力经济的时代，我们既不喜欢也不乐意被 AI 暗地里割韭菜。

因此，这次事件才会触动用户的敏感神经。至于可能受到影响的小红书程序员嘛，我的建议是，还是多加加班吧。

此外，凭借秒级的图片生成速度和随意转换任意场景的能力，一旦成本极低的 AI 图片涌入平台，小红书颜值博主们将面临严峻的生存挑战，同时也会对平台方造成沉重的打击。

### 用 AI 美女薅羊毛，靠的是本事

用 AI 美女图片薅羊毛，凭的是本事。

在过去，AI 生成的图像在细节上偶尔会出现不对称、阴影错误或者模糊纹理等问题，而人物的手部、眼睛、背景重复更是「重灾区」。

只是，当你还在对着那些拙劣的六指 AI 图片发笑时，AI 图片生成技术早就已经 Next Level 了。

不信，不妨对比一下 Midjourney v1 和 v6.1 版本的图像生成效果。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/5-7.png)

如果这还不够直观震撼，那再看看 Midjourney 在短短一年半内从 v1 到 v6 的迭代蜕变。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/6-1-1.png)

![](https://s3.ifanr.com/wp-content/uploads/2024/09/6-8-1.png)

插个冷知识， v6 版本是去年 12 月发布的。

包括上月初，Google 「TED 演讲者」图片凭借逼真的细节更是骗过了数千万网友，甚至连 AI 识别软件都没有发现破绽。

一鲸落，万物生。在独角兽 Stability AI 仿佛要应验「倒下」的预言时，出走的人才聚是一团火，散是满天星。

后续扒出的内幕显示，爆火的 Google 「TED 演讲者」照片其实是使用 Flux 真实版 LoRA 制作而成。作者也正是来自 Stable Diffusion 团队的前成员 Leo Kadieff。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/7-6.png)

近两年 AI 图片生成质量的进步有目共睹，其原因也不难理解。

2014 年，Gan 之父 Ian Goodfellow 提出了生成对抗网络（GANs），这被视为图像生成技术的革命性突破。

GANs 由两个神经网络组成：生成器（Generator）和判别器（Discriminator）。生成器负责生成新图像，而判别器则试图判断生成的图像是否是真实的。

通过这种对抗的方式，生成器逐步改进，生成的图像也越来越逼真。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/8-11.png)

GANs 的架构在推出后不断进化，出现了许多变种和改进：

- 2016 年，通过引入卷积网络，GANs 在生成复杂、高分辨率图像方面表现出色，尤其是在生成人物面部、动物等自然图像时。
- 2017 年，英伟达提出了 StyleGAN，它通过调节图像的不同特征层，使得生成图像可以定制风格。这使得 AI 能够生成具有特定风格的图像，比如不同面部特征、发型、背景等。
- 2018 年， BigGAN 进一步提升了 GANs 生成高分辨率、逼真图像的能力。它通过增加网络规模和训练数据，使得AI生成的图像质量达到全新高度。

再后来，随着扩散模型（Diffusion Models）等算法的提出和优化，极大地推动了图像生成技术的发展。AI 生成图像的能力开始进入了一个高度逼真、几乎无法与真实图片区分的阶段。

这一时期的代表性突破包括 DALL·E（2021），以及 Midjourney、Stable Diffusion（2022）。

作为普通用户，我们现在只需要简单地输入文本描述，模型便能自动生成符合预期的高质量图像。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/9-6.png)

尽管扩散模型的原理看似复杂，其实也相当直观。

想象一下，你有一张白纸和一些彩色笔，你想要画出一幅美丽的风景画。但是，如果你只是随意地涂涂画画，最后可能得到一幅混乱的画面。相反，如果你有一张已经画好了的画，然后你慢慢地、一点一点地擦掉一些颜色，直到整幅画变成一团模糊，这个过程就像是 「扩散」—— 你把一幅有序的画变成了无序的噪声。

当前引入图片生成领域的扩散模型原理就像是这个过程的反向操作。

它从一个完全随机的起点开始，比如一团模糊的颜色或者是一些随机的数字（我们可以想象成是白纸上的一团乱涂）。然后，AI 就像是一位艺术家，它慢慢地、一步步地在这张随机的「噪声」 上添加细节，每一次添加都让画面变得更加有序，更接近于它想要生成的那幅画。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/10-7.png)

这个过程可以分成两个主要的步骤：

1. 前向扩散（加噪）：这就像是你在一张画上不断涂抹，直到它变得无法辨认，变成了一团噪声。
2. 逆向扩散（去噪）：这是 AI 的工作，它需要学会如何从这团噪声中恢复出原来的画。AI 通过学习大量的画作，了解什么样的噪声对应什么样的细节，然后一步步地「擦掉」 噪声，逐步恢复出清晰的图像。

在逆向过程中，AI 会使用一种叫做神经网络的工具，这就像是一个复杂的「反涂抹」 机器，它能够识别出噪声中的模式，并逐步还原出原始的图像。

每次还原都是在猜测和修正，直到最终完成一幅全新的、AI 生成的画作。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/11-8.png)

那有没有一眼识别 AI 生成图片的方法呢？

有，但要么不靠谱，要么过于繁琐，普通人也难以应用。

比如我们可以通过分析图片的噪声分布、边缘锐度或纹理模式来识别生成图片。又或者，一些 AI 生成的图片可能在细节上比较粗糙，比如光照、阴影或反射效果可能不符合现实世界的物理规律。

再比如，AI 生成的图片可能缺少某些元数据或包含异常的元数据值。甚至，存在一些专门识别 AI 图片的工具和算法。

而最为明智的选择，莫过于主动拥抱 AI，如此一来，在面对 AI 图片时便不会落入下风。

当真实与虚拟之间的界限越来越模糊，人们追求的不仅是视觉享受，还有那份真实的情感交流。技术的进步应当服务于人性的需求，而不是成为误导他人的工具。

### 人类的无聊，不该让 AI 背锅

人类的生活已经被 AI 包围。

当 AI 进场时，人们或许还天真地以为与自己无关。殊不知，无论接受与否，它已经悄然渗透到我们的生活。

技术发展的悖论在于，我们总是期待看到技术的终极形态，但在成熟前，总需要有人承受它的稚嫩与不足。

从信息维度所代表的产品来看，文字有 ChatGPT，图片有 Flux，音频有 Fish Speech，视频有 Runway 等等。这些明星产品虽然光彩夺目，却也不免成为被滥用的工具。

最典型的例子莫过于 AI 引发的一系列互联网污染事件。

比如用 AI 文章充斥网络，AI 爬虫训练数据，AI 美女图片欺骗感情，AI 生成音乐骗取版税，以及 AI 评论机器人等案例，这些事你可能已经见怪不怪。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/12-5.png)

来自 Fastly Threat Insights Report 的报告指出，全球互联网有 36% 的流量是由机器人产生的，而人类用户产生的流量只有 64%。

我们可能正在接近「死亡互联网理论」 所预测的未来，即最终互联网上的人类活动被机器人和 AI 生成的内容所取代。

再过几年，可能会出现这么一种情况，AI 博主创造自己的作品、然后 AI 机器人「一键三连」，并转发给另一个 AI，实现闭环，而人类彻底失去存在感。

甚至无需等待多年，一些 AI 博主就已经敢亮明牌了。

最近，全球首届 AI 美女大赛落下帷幕，来自摩洛哥的 AI 美女蕾莉凭借美貌、精通 7 国语言成功夺下冠军，而她本身在 IG 就有着高达数十万的真人粉丝。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/13-4.png)

尽管明知道这背后是个真人在操控，但粉丝还是乐此不疲地追捧。

与 AI 谈恋爱也不再稀奇。情感需求是真的，心理投射对象是人类还是 AI 则无关紧要。当然，52 岁大叔与 24 岁 AI 女友的年龄差也不再是问题。

那么，人类准备好迎接 AI 的全面包围了吗？

答案因人而异，有些人选择「躺平」，有些人保持警惕，还有些人奋起反抗…

比如在看完 AI 美女图片后，选择「躺平」的网友留下了最朴实的评论：「不管她是不是 AI，反正是我喜欢的类型」。

再比如，电影《你想活出怎样的人生》片方曾披露了宫崎骏纯手绘的创作过程。在被 AI「入侵」的动画行业，像宫崎骏这样还执拗于手绘的大师已然是稀有物种了。

![](https://s3.ifanr.com/wp-content/uploads/2024/09/14-6.png)

对于 AI 带来的威胁，这位 83 岁的动画大师愤怒地表示：

> 我绝对不会让 AI 介入我的工作… 世界末日要来了，人类已经对自己失去信心了。

工具本身并无善恶之分，倒是常常替人类背了黑锅。

当人类无法在流量至上的喧嚣里保持定力时，被 AI 全面包围，甚至上演「自我淘汰」的戏码，压根就不需要 AI 多努力。

想想最开始提到的小红书事件，千篇一律的拍照姿势，流水线般的拍摄背景，人类争先恐后地复制这种平庸，最后反倒亲手掩埋了自己的个性。

而 AI 不过是顺手将这种雷同的爆款模式高效复制了一番。

简言之，不是 AI 把人类挤下了舞台，而是人类主动放弃了自己的位置，甚至连道别都懒得说一句。