以前，伪造的视频在我眼中往往能立刻被识破。如今？我辨别它们的能力却差了很多。多亏了美国国家公共电台（NPR）的朋友们，我手头就有测验结果来证明这一点。（唉。）
这个简短的四题测试，要求你区分人工智能生成的视频和人类制作的视频。测试场景涵盖了严肃、意外和可爱等多种类型，都是那种在群聊和社交媒体上快速传播的娱乐性或令人惊讶的片段。考虑到人工智能生成视频技术的进步，我预计自己至少会错一题。结果我错的次数比那还多。（不过幸好没有四题全错。）
我不太相信大多数人能做得更好。至少，在没有指导的情况下很难。毫无疑问，人工智能确实制造了大量粗制滥造的内容。但它在视频生成质量方面也已有所提升，那些一眼就能看出的错误少了很多。如果你观看视频时，默认认为大部分内容都是真实的，并且伪造内容很容易被发现，那么你可能会像我一样被绊倒。我在做测验时，仍然假设人工智能视频会因技术错误而迅速露出马脚。
相反，你至少需要留意那些相对而言更微妙的线索。细节很重要。背景很重要。经验和专业知识有助于判断什么是合理的……以及什么是不合理的。换句话说，识别人工智能视频所需的技能，与识别骗局所用的技能相似。
一个简单的水印，可能就足以帮助人们避开人工智能制造的垃圾——或者至少，让他们了解自己正在阅读、收听或观看的内容的性质。好得不像真的？那就要谨慎行事。试图玩弄你的情绪，无论是好是坏？激起强烈反应以压制理性思考，可能就是其目的。如果有人向你索要钱财？那绝对要停下来核实视频的真实性。
你可以在美国国家公共电台（NPR）的测验中，获得更多关于如何识别人工智能视频的具体技巧，例如片段的长度、构图，甚至光线。我们在《如何识别虚假人工智能视频》的指南中，提供了更详细的建议，涵盖了物理特性、音轨，甚至检查元数据这一非常基础（但容易被忽略）的步骤。
视频曾经是最可靠的记录形式。鉴于垃圾内容在平台上的泛滥速度，人工智能正在威胁这种信任。在更多帮助识别人工智能生成材料的法律通过之前，我们都必须练就一双慧眼。
加利福尼亚州的《人工智能透明度法案》本应尽快生效——该法案原定于2026年1月1日起，要求对人工智能生成或人工智能修改的文本、图像、音频或视频添加水印或其他标识符。然而，其实施已被推迟至2026年8月2日。这意味着，我还得独自应对好几个月的人工智能垃圾信息。
