新南威尔士大学与澳大利亚国立大学联合开展的一项研究显示，尽管多数人坚信自己具备辨别AI生成人脸的能力，但实际判断准确率远低于自我评估。这项发表于《英国心理学杂志》的研究通过对照实验揭示，人类对AI图像的识别能力正随着技术迭代迅速弱化。
实验招募了125名参与者，其中36名为具有超常人脸识别能力的"超级认脸人"，其余89名为普通受试者。测试要求受试者从一系列图像中区分真实拍摄与AI生成的人像。结果显示，普通组判断准确率仅略高于随机概率，而专业组虽表现优于普通组，但优势幅度不足5%。更引人注目的是，所有受试者均表现出过度自信，无论实际得分高低，均对自己的判断保持较高确信度。
研究团队指出，这种认知偏差源于过往经验与现实技术的脱节。早期AI生成图像存在明显缺陷，如扭曲的牙齿、融合的眼镜框架、不自然的耳部连接等特征，这些视觉破绽成为人类判断的重要依据。但随着深度学习算法的进步，新一代模型已能规避这些低级错误，生成图像的瑕疵率降低至人类肉眼难以察觉的水平。
澳大利亚国立大学心理学家艾米·道威尔分析称，公众对AI的认知存在严重误区。许多人通过DALL·E、ChatGPT等通用型工具接触AI图像，但这些产品的生成质量与专业模型存在代际差距。依赖有限经验形成的判断标准，反而会强化虚假的识别自信。
实验数据还显示，专业组的识别准确率较其真实人脸辨识能力下降达40%，部分普通受试者的表现甚至超越专业人士。这表明现有的专业训练体系尚未适应AI技术的快速发展，传统人脸识别经验在应对算法生成内容时出现明显失效。
针对识别策略，道威尔提出反向判断法：过于完美的面部特征可能是AI生成的标志。当前顶尖模型生成的图像往往呈现高度对称的五官比例、均匀的肤色分布等理想化特征，这种超越自然规律的完美感反而成为破绽。人类真实面部存在微小不对称和比例差异，而这些"不完美"恰是鉴别AI的关键线索。
