人類一眼看穿，AI全栽：幽靈字體如何用移動點戲弄2大頂級模型

想象一下這個場景：你面前是一段短視頻，畫面里密密麻麻的亮點正在毫無規(guī)律地移動，盯上幾秒鐘，字母開始從混沌中浮現(xiàn)，組成一句只有你才能辨認(rèn)的消息。換成一個靠文字吃飯的AI模型，它只會抓取到一片亂碼和一句完全無關(guān)的“誘餌”文字。這并不是某種電影里的間諜道具，而是一個叫做Ghost Font的免費小工具，它正用人類獨有的視覺感知方式，給那些無節(jié)制抓取網(wǎng)絡(luò)內(nèi)容的生成式AI上了一課。

你可能已經(jīng)多少聽說過一些不太愉快的消息：盡管來自公眾和部分立法者的反對聲音越來越大，現(xiàn)在仍然沒有什么能真正攔著科技公司，阻止他們用互聯(lián)網(wǎng)上公開的內(nèi)容來訓(xùn)練自己的生成式AI程序，而且這一切往往不需要事先征得內(nèi)容作者的同意。在真正有意義的法規(guī)和監(jiān)督被推出來之前，想要保護(hù)自己原創(chuàng)文字的人，基本上還得靠自己想辦法。

Ghost Font的出現(xiàn)，說實話并不能一勞永逸地終結(jié)這場AI對互聯(lián)網(wǎng)內(nèi)容的“吞噬”，但它作為一個驗證概念的實驗，足夠聰明，也足夠讓人看清兩件事：人類的創(chuàng)造力究竟能用多簡單的方式找到技術(shù)的縫隙，以及今天的AI在處理視錯覺這種概念時，還差著不小的火候。

要拆解這個“幽靈”的戲法，并不需要你懂什么復(fù)雜的計算機(jī)視覺理論。Ghost Font的底層機(jī)制，簡單得有點出人意料。它讓用戶輸入一段文字，然后把這段文字嵌入到一段由成百上千個小點構(gòu)成的短動畫里。所有的小點都在移動，編排方式卻藏著明確的“背叛”：組成文字輪廓的那些點，會統(tǒng)一朝屏幕上方流動；而剩下的、充當(dāng)背景噪音的那些點，則整齊地向下移動。這樣一來，兩種相反的運動方向在同一個畫面里制造出了一種動態(tài)的視覺對立。人腦的視覺系統(tǒng)對這種運動差異非常敏感，能夠幾乎直覺般地把向上移動的那一小撮點從背景里“拎”出來，并拼出有意義的字母。也就是說，我們看到的不是一個個點，而是一個整體在流動的圖案，文字就從這種流動里自然地“擠”了出來。

非常關(guān)鍵的是，當(dāng)你在播放過程中按下暫停，所有點瞬間定格，這段動態(tài)保護(hù)也就跟著失效了——文字重新淹沒在雜亂無章的點陣?yán)铮瑹o論是人眼還是機(jī)器，都很難再從靜止的畫面中辨認(rèn)出任何有效信息。但這恰恰就是人類可以占據(jù)上風(fēng)的地方。在整個播放過程中，我們的大腦把一系列迅速切換的靜止幀連續(xù)地感知成一種“流動的”模式，就像翻動畫小人書時，你看到的不是一頁一頁的紙，而是連續(xù)的動作。

然而，今天主流的、能夠處理多種信號的多模態(tài)AI，在分析視頻時仍然在很大程度上是逐幀處理的。你可以把它想象成，AI的行動模式跟一個被迫只能在每一頁上停留的翻書人一樣——它不是在看動畫，而是在挨個檢查每一頁上的那張靜止圖片。對于一個被設(shè)計成只有在運動狀態(tài)下才能辨認(rèn)的消息來說，這樣的逐幀掃描幾乎是完全“失明”的。

Ghost Font的故事里還有一個值得補充的狡猾細(xì)節(jié)。為了讓AI更徹底地“自我懷疑”，它還人為地制造了一個明顯的假目標(biāo)：在生成的視頻文件中，會包含一行靜止的文字，寫的是“written in Ghost Font”（用幽靈字體寫成）。這行靜態(tài)文字被大搖大擺地放在畫面里，就像一個過于熱情的向?qū)Вp易地吸引了AI的注意力。當(dāng)AI按幀掃描視頻，看到這句清晰的、不含雜訊的文字時，它很容易就會得出一個“任務(wù)完成”的結(jié)論，認(rèn)為這就是需要被識別出來的全部文字內(nèi)容，從而徹底忽略掉那些隱藏在運動點陣?yán)锏恼鎸嵭畔ⅰ?/p>

可以說，這個設(shè)計同時利用了兩點：人類與AI在視覺信息處理方式上的底層差異，以及AI在缺乏運動感知能力時所暴露出來的那種容易被“誘餌”誤導(dǎo)的脆弱性。

設(shè)計師Eric Lu聲稱，他已經(jīng)用來自Anthropic的Claude Fable和OpenAI的GPT-5.6 Sol Ultra對Ghost Font進(jìn)行了測試，這兩個廣為人知的模型都沒能成功找出隱藏的文字。之后，《Creative Bloq》進(jìn)行的進(jìn)一步試驗，看起來也同樣讓AI鎩羽而歸。這里需要謹(jǐn)慎地使用“聲稱”這個詞，因為這項防護(hù)還沒有經(jīng)受過大規(guī)模、多角度的獨立檢驗，我們暫時只能把它的有效性限定在幾次具體的、由開發(fā)者和媒體發(fā)起的測試之中。但不管怎么說，這些初步結(jié)果至少展現(xiàn)了一個有趣的現(xiàn)象：一個利用最經(jīng)典的人類錯覺原理做出來的小工具，確實暫時讓一些高性能的AI栽了一個不大不小的跟頭。

然而，如果把Ghost Font放到更現(xiàn)實的使用場景里去打量，它身上的“萬能感”就會迅速消散。Lu本人也相當(dāng)坦誠地指出，這個工具遠(yuǎn)不是解決當(dāng)前AI困境的萬能藥。它有一個非常直接的“基因限制”：只適合處理極短的消息。試圖用一段布滿移動點的視頻來傳遞一整篇文章，基本沒有可操作性，而且也會讓信息接收變得極為低效。更重要的是，這個防護(hù)手段可能本身就帶著一個天然的使用期限。今天的多模態(tài)AI之所以會在視錯覺面前碰壁，根子在于它還在逐個分析畫面。一旦AI提升了對運動的連貫理解能力，Ghost Font的效力便會煙消云散。但至少眼下，它不失為人類巧思的一次精彩展示。