你最爱的那幅画，你以为出自人手

如今，图像生成器画出的作品已经让人无法可靠地与人类作品区分开来。关于我们如何评价这类艺术，大多数研究关注的是人们被告知之后会怎样：给一幅画贴上“AI生成”的标签，人们就会不那么喜欢它，觉得它不那么美、不那么深刻、不那么有创造力。然而在网上，艺术作品很少附带可信的标签。人们刷过一张张图片，自己判断作者是谁。这种私下的判断，与他们喜欢什么之间有什么关系？

50幅画，11000名评判者

2024年秋天，博客Astral Codex Ten发布了一项“AI艺术图灵测试”：50幅画，风格从文艺复兴绘画到数字艺术不等。其中24幅是备受好评的人类作品，从15世纪的木板画到当代数字插画都有。另外26幅由从事AI艺术创作的人用图像生成器制作，并经过筛选，去掉了文字错乱、手部畸形之类的明显缺陷。超过11000人逐一判断每幅画：人类还是AI？受访者正确率的中位数为60%——比瞎猜好，但远谈不上可靠。

受访者还要说出自己最喜欢的画、主要的辨别策略、对艺术的熟悉程度，以及对AI艺术的看法，按1（“厌恶”）到5（“喜爱”）打分。组织者公开了匿名化的答卷。史蒂文斯理工学院的Zihan Chen和Di Zhu，以及马萨诸塞大学波士顿分校的Lei Nico Zheng，分析了全部542208次判断。

最爱看起来像人画的

分析针对的是9152名受访者，他们选出的最爱也是自己判断过的画。他们有76.6%的时候把这幅最爱判断为人类作品。而其他受访者把同样这些画判断为人类作品的比例只有54.6%。作者把每一幅最爱与根据此人的总体判断习惯和这幅画的总体观感所能预测的结果进行比较：最爱被判断为人类作品的可能性高出22.1个百分点。

这种吸引力在每一幅画上都有体现。全部50幅画的效应都是正的，从5.3到38.1个百分点不等。《古门》（Ancient Gate）是一幅大多数人都认出的AI画，22%的喜爱者说它出自人类之手，而其他所有人中这一比例为9%；同样由AI生成的《巴黎街景》（Paris Scene），喜爱者中的比例为96%，其他人中为83%。风格解释不了这一点：只把每幅最爱与外观相似的画作比较，仍有19到20个百分点的差距。认出名画也解释不了：在4704名此前一幅画都没见过的人当中，差距为22.6个百分点。

无论出自AI还是人类，最爱（蓝色）被判断为人类作品的频率都高于非喜爱者对同一幅画的判断（灰色）（A）。每个点代表一幅画：它的喜爱者比其他所有人更常认为它出自人类之手（B）。——图1，Chen、Zhu和Zheng（2026），arXiv:2610.38113。

最爱之中的机器作品

对于AI生成的最爱（+21.8个百分点）和人类创作的最爱（+22.4个百分点），效应是一样的。所以，这不只是人们正确认出了自己喜爱的人类杰作。而且在这项测试中，喜欢一幅画根本算不上线索：AI图像占最爱的55.6%，略高于它们在测试中所占的比例（50幅中的26幅，52%），最受欢迎的10幅最爱中有6幅由AI生成。最受欢迎的是AI生成的《河畔咖啡馆》（Riverside Cafe），有642名喜爱者。在人们最确信出自人类之手的画中，30%是AI生成的。

即便在厌恶AI艺术的人当中

看法会影响选择，但影响比人们想象的要小。在对AI艺术态度最负面的人中，选了AI生成的最爱的占47%，而在态度最正面的人中这一比例为60%。当最爱出自AI时，态度最负面的人中相信它出自人类之手的占80%，而态度最正面的人为56%。他们往往挑中在所有人看来都像人画的AI作品，并且比其他人更常把同样这些画判断为人类作品。

结果是，在每一个态度组中，都有三分之一到五分之二的受访者（33.5%到40.8%）选出了一幅AI生成、却被他们当成人类作品的最爱。态度最负面的组其实总体上最准确，正确率为63.9%——然而对于自己那些AI生成的最爱，他们只认出了20%。

从“厌恶”（1）到“喜爱”（5）：左侧的AI最爱较少，但其中更多被认为出自人类之手（A）；最爱效应逐渐减弱，但从未消失（B）。——图2，Chen、Zhu和Zheng（2026），arXiv:2610.38113。

辨别技巧也起不到保护作用。主要策略是寻找细小错误（比如手指数目不对的手）的人，效应为23.4个百分点。自称艺术专家的人是最准确的群体，正确率为66.9%，但效应仍有22.8个百分点。只有63名称AI艺术为自己的工作或最大爱好的人，效应小得多，为7.4个百分点——这是一条值得用更大规模研究去追踪的线索。

诗歌：先评分

在这项图画测试中，最爱是在全部猜测完成之后才选出的。第二个数据集把顺序倒了过来。在一项已发表的诗歌实验中，230人先给十首诗打分，再猜作者是谁：五首出自乔叟、莎士比亚、狄金森、艾略特和拉斯基，五首由ChatGPT 3.5模仿其他诗人的风格生成。他们给AI诗歌打的分更高（满分7分，5.30对4.18），猜对的比例只有47.3%，低于随机水平。然而，评分每高1分，被判定为“人类”的可能性就高出11.5个百分点，两类诗歌都是如此。一个人认为出自人类的诗与认为出自AI的诗之间的评分差距为0.89分，与直接告诉读者作者是谁所产生的效应（0.81分）相当。

喜欢被当成了证据

一些受访者说得很直白：“这好得不像是人工智能写出来的。”赞美美感、情感或创造力的解释，有80%的时候伴随着“人类”的判定。作者没有断定这种关联的方向：相信作品出自人类之手可能提升它的吸引力，作品的吸引力也可能被当作人类创作的证据，两者还可能相互强化。这些数据并不能说明因果关系，而且受访者是同一个博客的志愿读者，他们可能比大多数人更热衷于AI。

他们的结论着眼于未来。随着生成的图画、诗歌和音乐变得与人类作品难以区分，人们对作品出自谁手的判断，将与他们有多喜欢它紧密交织在一起——作者认为，这说明我们需要关于作品来源的可靠信息，而不是把自己的喜悦当作证据。