新南威爾士大學與澳大利亞國立大學聯合開展的一項研究顯示，盡管多數人堅信自己具備辨別AI生成人臉的能力，但實際判斷準確率遠低于自我評估。這項發表于《英國心理學雜志》的研究通過對照實驗揭示，人類對AI圖像的識別能力正隨著技術迭代迅速弱化。
實驗招募了125名參與者，其中36名為具有超常人臉識別能力的"超級認臉人"，其余89名為普通受試者。測試要求受試者從一系列圖像中區分真實拍攝與AI生成的人像。結果顯示，普通組判斷準確率僅略高于隨機概率，而專業組雖表現優于普通組，但優勢幅度不足5%。更引人注目的是，所有受試者均表現出過度自信，無論實際得分高低，均對自己的判斷保持較高確信度。
研究團隊指出，這種認知偏差源于過往經驗與現實技術的脫節。早期AI生成圖像存在明顯缺陷，如扭曲的牙齒、融合的眼鏡框架、不自然的耳部連接等特征，這些視覺破綻成為人類判斷的重要依據。但隨著深度學習算法的進步，新一代模型已能規避這些低級錯誤，生成圖像的瑕疵率降低至人類肉眼難以察覺的水平。
澳大利亞國立大學心理學家艾米·道威爾分析稱，公眾對AI的認知存在嚴重誤區。許多人通過DALL·E、ChatGPT等通用型工具接觸AI圖像，但這些產品的生成質量與專業模型存在代際差距。依賴有限經驗形成的判斷標準，反而會強化虛假的識別自信。
實驗數據還顯示，專業組的識別準確率較其真實人臉辨識能力下降達40%，部分普通受試者的表現甚至超越專業人士。這表明現有的專業訓練體系尚未適應AI技術的快速發展，傳統人臉識別經驗在應對算法生成內容時出現明顯失效。
針對識別策略，道威爾提出反向判斷法：過于完美的面部特征可能是AI生成的標志。當前頂尖模型生成的圖像往往呈現高度對稱的五官比例、均勻的膚色分布等理想化特征，這種超越自然規律的完美感反而成為破綻。人類真實面部存在微小不對稱和比例差異，而這些"不完美"恰是鑒別AI的關鍵線索。
