你按讚的那張「阿嬤慶祝結婚60週年」照片，可能根本沒有阿嬤！
以下為虛構對話，人物與情節為創作，科學內容來源標註於文末。
▌底片沒有騙人這回事
門被推開，帶進一陣雨的氣味。
Dg 把手機舉到 K 眼前，螢幕還亮著。
「你看，這對夫妻結婚六十年了。」他的聲音有點抖，「亞里斯多德說過，眼見為憑。這種東西，你不可能不信。」
K 看了一眼螢幕，又看了一眼 Dg。
「那不是亞里斯多德說的。而且，這句話現在剛好是反過來的。」
「什麼意思？」
「眼睛看到的，現在最不能信。」K 把咖啡杯放回桌面，杯底和桌面碰出一聲輕響，「這張照片是 AI 生成的。」
Dg 又盯著螢幕看了三秒。
「不可能，皮膚紋理都——」
「太光滑了，」K 打斷他，「這就是破綻。還有他左手那根手指，數一下。」
Dg 數了。他沉默了。
冷氣運轉的聲音填滿了那段空白。
「有一個匈牙利的研究，」K 說，「分析了臉書上一百四十六張確認是 AI 生成的圖，還有將近九千則留言。結論很簡單：這些圖不是要騙過你的眼睛，是要騙過你的判斷力。而且成功了。」
▌你哭的不是照片，是你自己
「可是我真的覺得很感動啊，」Dg 說，聲音小了一點，「這種感動也是假的嗎？」
「感動是真的。夫妻是假的。」K 說，「這叫確認偏誤。你本來就相信『從前的愛情比較長久』，這張圖剛好證明了你想相信的事，你就不會想去查證。」
「所以我是自己騙自己？」
「你的注意力先被那句『他們一起走過六十年』抓住了，這叫錨定。抓住之後，你就沒有餘力去看那根多出來的手指。」K 停頓了一下，「研究者觀察的不只是圖片，還有留言區。」
「留言區怎麼了？」
「當一篇貼文已經有幾千個讚、幾百句生日快樂，後面的人看到的不是照片，是那些讚。他們相信的是『這麼多人都信了』，不是照片本身。」
Dg 皺眉，像是想反駁，又找不到破口。他忽然眼睛一亮。
「可是尼采說過，凝視深淵過久，深淵也會凝視你。這代表——這代表我們太常看這些假照片，我們自己也會變得不真實！」
K 看著他,沒有立刻說話。
「這句話用在這裡完全不對。」K 說，「而且深淵那句本來也不是這個意思。」
窗外一輛機車經過，聲音由遠而近，又遠去。
「研究者說了一句話，」K 繼續，「AI 生成圖片沒有發明操縱，它只是讓操縱可以大量複製。這句話，你倒是可以拿去用。」
▌名為機率的東西
Dg 沉默了一會兒，手指在螢幕邊緣摩挲。
「所以，」他終於開口，語氣慢了下來，「不是我特別容易被騙，是任何人在滑手機、心情剛好被打中的那一秒，都會被騙。跟聰不聰明沒關係。」
K 看他一眼。
「算你有進步。」
「那要怎麼分辨？總不能每張照片都去做圖像鑑識吧。」
「看手，看皮膚，看光影合不合理，看背景有沒有東西違反物理定律。」K 說，「不用很厲害，只要養成看一眼的習慣。」
「就這樣？」
「就這樣。」
Dg 低頭看著手機裡那對「夫妻」，兩人的笑容依然溫暖，依然靜止在同一個瞬間。
他把手指移到分享鍵旁邊，停了兩秒，然後點掉了自己十分鐘前留下的那句「祝福你們白頭偕老」。
滑手機滑到一半，看到一張畫質有點糊、但故事很催淚的照片——年邁夫妻慶祝金婚、獨居老人孤單過生日、貧困孩童對鏡頭微笑。你按了讚，留了言，甚至真心替他們開心或難過。但最新研究告訴你一個殘酷的事實：那個人可能根本不存在，你的眼淚和祝福，餵養的是一台專門騙讚的機器。
🔑 關鍵亮點
- 匈牙利研究者分析了 12 個粉專、146 張 AI 生成圖片、8,922 則留言，發現大家真心把假照片當真人真事在互動
- 你會被騙不是因為笨，而是因為確認偏誤、錨定效應、從眾心理這些人腦內建的「省電模式」被精準狙擊
- 最容易騙到人的主題：懷舊老照片、可憐老人、慘兮兮的小孩——催淚指數越高，破綻越容易被忽略
- 研究者甚至觀察到：很多人在安慰、祝福的對象，可能根本是另一台機器人，這正是「死亡網路理論」的活教材
事情是這樣爆出來的
先說結論：這不是危言聳聽的都市傳說，是一篇 2025 年底發表在《Computers in Human Behavior》期刊上的正經研究。
作者 Márk Miskolczi 是匈牙利布達佩斯科維努斯大學的助理教授，他觀察到一個很妙的現象：大家討論 AI 造假,通常都聚焦在「深偽（deepfake）」這種政治級的重磅炸彈，卻沒什麼人認真研究臉書上那些看起來很沒有殺傷力的「情緒勒索系」貼文——像是「這隻狗狗等主人回家等了三年」之類的。
於是他花了兩個月（2025 年 3 月到 5 月），死盯著 12 個專門發這類內容的粉專，主題橫跨懷舊、鄉村生活、長輩關懷、心靈雞湯。
科學家怎麼抓到這些假照片
你可能會想：這年頭 AI 圖片這麼逼真,是要怎麼一張一張抓出來的？
Miskolczi 用了雙重驗證的笨方法，土法煉鋼但很扎實：
第一關：肉眼抓包（研究中稱為 ESMA，八步驟檢核法） 專門找那些 AI 還沒學會畫好的地方——手指數量不對、皮膚滑得不像真人、光影邏輯詭異、文字扭曲變形、背景物件違反物理定律（沒錯，AI 至今還是不太會畫「正常的手」）。
第二關：丟給 AI 偵測器覆核 肉眼覺得可疑的圖，再丟到線上 AI 偵測工具跑一次，只有偵測分數超過 60% 的才會被正式收錄。
兩關都過了，才留下 146 張確認為 AI 生成的圖片。
留言的部分也一樣龜毛。一開始蒐集到 11,547 則留言，但 Miskolczi 知道臉書上一堆留言其實是機器人洗出來的——講話很制式、留言速度快到不像人類、大頭貼一看就很假。於是他又設計了一套「TSMA，十步驟機器人辨識法」，一口氣篩掉超過 2,000 則機器人留言，最後留下 8,922 則真人留言進行分析。
為什麼我們的腦袋這麼好騙
這才是整篇研究最好玩的地方——你會被騙,不是因為你笨,是因為你的大腦太會省電。
Miskolczi 歸納出幾個關鍵的「腦袋抄捷徑」機制：
確認偏誤：符合你的信念，你就懶得查證
如果你本來就覺得「以前的年代比較純樸美好」，那張畫著鄉下老夫妻牽手散步的照片，會直接命中你的價值觀。你的大腦邏輯是：這張圖支持我原本相信的事，幹嘛還要懷疑它？
錨定效應：情緒先上車，理智後補票（而且常常補不上）
如果配文寫著「這個小孩生日那天沒有人幫他慶生」，你的情緒會先被這句話「錨定」住，之後就算圖片裡出現一隻多長出來的手指，你也很難注意到了——因為你的注意力早就被拉去心疼那個(其實不存在的)小孩。
熟悉感：看起來很安全，戒心就放下了
懷舊、溫馨、傳統的畫面會讓人覺得「這種東西不會有詐」，你的心防在不知不覺中被卸下。
從眾效應：留言區秒變「信任生產線」
Miskolczi 講得很傳神,他說留言區會變成一種「信任生產機（credibility engine）」——當一篇貼文底下已經有上千個讚和「生日快樂」留言,新看到的人會直覺覺得「這麼多人都信了，應該是真的吧」，於是不假思索地跟著留言。
| 認知偏誤 | 運作邏輯 | 在這篇研究中的效果 |
|---|---|---|
| 確認偏誤 | 符合既有信念就傾向相信 | 讓懷舊、鄉村主題的假圖特別有效 |
| 錨定效應 | 第一時間的情緒反應蓋過後續檢視 | 讓人忽略圖片中的視覺破綻 |
| 熟悉感 | 傳統溫馨的畫面降低戒心 | 降低使用者對內容真實性的懷疑 |
| 從眾效應（社會證明） | 大量互動製造「已被驗證」的錯覺 | 留言區變成「信任生產線」 |
值得一提的是,Miskolczi 特別強調：這件事跟你聰不聰明、學歷高不高完全無關。他直接打臉了一個常見的刻板印象——以為只有長輩或「不常上網的人」才會被騙。事實上,就算是高知識份子,只要在快速滑手機、情緒被打中的當下,一樣會被同一套機制唬住。這是情境性的弱點，不是能力的弱點。
最容易騙到你的，是這五種照片
研究把這些 AI 假圖歸納成五大主題，命中率(和你的淚腺)排行如下：
1. 情感與懷舊：老夫妻慶祝結婚幾十週年的照片，配文通常是「他們一起走過了 60 年」
2. 引發同理心：獨居、貧窮、孤單的角色，配文常是「願意請他喝杯咖啡的請留言」
3. 非凡成就與嗜好：看似勵志的個人故事或才藝展現
4. 生日與社會議題：「這孩子生日沒人祝福」這類憤怒誘餌（outrage bait）——故意用被忽視、被冷落的敘事勾出你的正義感
5. 宗教與靈性：帶有祝禱、信仰意味的溫馨圖文
有趣的是，不是所有主題都吃這一套。研究發現,涉及種族衝突這類爭議性主題的假圖，反而更容易被使用者起疑心、引發論戰，而不是無腦按讚。換句話說：溫情牌比對立牌更容易騙過你的大腦。
而留言內容也很誠實地反映了這一點——生日祝福是最大宗的留言類型，佔了 22.19%；其次是勵志鼓勵，佔 20.20%；宗教祝福排第三，佔 16.70%。這些數字背後,是成千上萬則寫給不存在的人的真心話。
更毛的是：你可能在跟機器人聊天
如果前面講的還只是「你被假照片騙了」，接下來這段會讓人有點脊椙發涼。
Miskolczi 在研究中觀察到一個更深層的現象，呼應了近年很紅的「死亡網路理論（Dead Internet Theory）」——這個理論主張，網路上有相當大一部分的互動,其實是機器人在跟機器人互動,人類只是不小心闖入了這場戲。
他發現：很多真實使用者投注的同理心、祝福、安慰，對象根本不是真人，而是自動化帳號。你以為你在安慰一位喪偶的老先生，其實你只是在跟一段程式碼說話。這創造出一種很弔詭的處境——表面上大家在社群媒體上「連結」得更緊密，實際上卻可能讓人更孤立，因為你付出的情感根本沒有落在任何一個真實的人身上。
Miskolczi 對此有一句話講得很直白：「AI 生成圖片並沒有發明操縱這件事，但它讓操縱可以被大量複製、產業化。」長期下來，這種「狼來了」效應甚至可能反噬——大家開始懷疑所有內容，連真實的照片和真人故事都不敢輕易相信,對 AI 工具的整體信任感也會被拖累。
那該怎麼辦？研究者的建議很務實，不是叫你變得「更多疑」這種空泛的口號,而是養成幾個具體的檢查習慣：看手指、看皮膚質感、看光影邏輯、看背景物件是否合理，這些就是前面提到的 ESMA 檢核法精神,普通人也能上手。
常見問題 FAQ
Q1：所以以後看到感人的照片都不能相信了嗎？ 不用走到那麼極端。重點不是「全面不信任」，而是養成先檢查再感動的習慣——尤其當一張圖片的配文特別煽情、特別想讓你立刻按讚留言時,那正是最該停下來看一眼手指和背景的時刻。
Q2：為什麼 AI 圖片畫質很爛，還是有很多人相信？ 研究者自己也覺得意外。他觀察到,只要故事夠催淚，就算圖片品質不怎麼樣，一樣能引發強烈的真實反應。換句話說,打動人的是故事，不是畫質。
Q3：這樣的假照片有什麼實際危害？除了浪費大家的感情之外？ 最直接的是廣告收益——這些內容農場靠著高互動賺取廣告分潤。長期來看，還會侵蝕大家對網路內容的整體信任感，甚至讓人對 AI 技術本身產生不必要的反感。
Q4：真的有辦法一眼看穿 AI 圖片嗎？ 沒有百分之百的方法，但可以提高警覺的地方包括：手指數量與形狀、皮膚是否過度光滑、光影是否合理、文字是否扭曲、背景物件是否違反物理常識。研究中的 ESMA 檢核法就是圍繞這幾點設計的。
Q5：是不是只有年紀大、不熟悉網路的人才會被騙？ 不是。研究者明確反駁了這個刻板印象。這些認知機制是人類共通的思考捷徑,跟年齡、學歷、數位素養高低沒有直接關係，反而更取決於你當下的情緒狀態和滑手機的情境。
結論：你不笨，只是大腦在抄捷徑
這篇研究最溫柔也最殘酷的地方在於：它沒有把矛頭指向「你怎麼這麼容易被騙」，而是誠實地告訴我們——這是人類大腦本來就有的運作方式,只是現在有人拿著生成式 AI 這把新武器，精準地瞄準了這些弱點，而且複製成本低到幾乎是零。
研究者最後給的建議也沒有淪為老生常談的「大家要小心一點」。他提出的是一種共同責任的思路：一部分靠個人養成檢查習慣，一部分要靠平台在演算法和內容審核機制上做出改變。用他的話來說，健康的回應不是恐慌，而是替自己建立一套「數位免疫系統」。
下次滑到那張讓你眼眶一熱的照片時，不妨先花三秒鐘看一下那雙手——說不定，你會發現自己差點被一段程式碼騙走了眼淚。
