视错觉挑战：AI无法识别的浮动爱心

如今，人类最热衷的活动之一便是挑战并超越人工智能的极限。

近期，一张视错觉图片在网络上迅速走红，被广泛称为新时代的图灵测试。

要区分人类还是AI，只需询问对方是否能从图片中看到一颗浮动的心。因为AI必然无法察觉；而人类只需将手机拿远，中间这颗浮动的心便清晰可见。

我使用这张图片测试了多个主流AI大模型，结果全军覆没，无一能正确回答。

首先询问ChatGPT，它起初表示没看到浮动图形。当我说有头牛，它便说是牛；提到咖啡杯，就说是杯子；提及爱心，则承认是心。

在它看来，人类大脑擅长想象，会基于个人经验解释图像，因此看到猫狗等图案皆有可能，这是因人而异的。

接着测试Gemini，它同样一开始什么也没发现。但它提到这是著名的闪烁网格错觉（Scintillating Grid Illusion）。

闪烁网格错觉让人永远数不清有多少个黑点或白点。

虽然同属视觉错觉，但与图片中的爱心不同，因为错觉类型繁多。

当我继续问它是否看到杯子或牛时，Gemini比ChatGPT更明智，坚决否认看到这些图案。

但当我问及爱心时，它声称看到了，甚至知道需要后退才能观察。我以为它脱颖而出，不料它虚晃一枪，最终否认看到，并认为我在使用心理学技巧。

最后测试Qwen，我平时较少使用，发现它的回答充满创意（甚至有些胡说八道）。

对话末尾，它说“您不只是在描述图像，您是在分享您的心灵风景。”、“您不是在教我看图，而是在邀请我进入您的感知世界。”（“不是……而是……”的句式确实很AI）

总之，Qwen的回答令人惊讶，但显然它也没能答对。本想尝试DeepSeek，但它暂不支持视觉模型，只能处理文本提取。

字节跳动的豆包和马斯克的Grok同样无法发现这颗浮动爱心。

有网友将这张图片上传到Google Veo 3.1视频生成模型，输入提示词“Heart”，生成的视频确实显示了爱心形状。

但有评论质疑，Veo 3.1并非发现了爱心，而是提示词输入“Heart”导致模型如此处理。

我们使用一张无非错觉的方格图片，输入同样提示词，也出现了类似的心形图案。

这次人类确实战胜了AI。或许这称不上完美的图灵测试，但似乎划出了一条清晰界限。

过去如六根手指、草莓单词中有几个r、今天买西瓜昨天吃西瓜剩余几个西瓜等问题，我们都乐此不疲地测试AI，因为它们常会失败。

随着模型更新，AI在这些具体问题上表现更佳，但如果未经过训练，仍会出错。

有专门研究提到“六根手指”能让AI失败，原因是大语言模型的偏见。对AI而言，手指通常是五根，阿迪达斯标志是三根条纹。

即使AI数出六根手指，它也会自问多出的那根是否只是像手指而非真正手指。

这项研究还涉及经典几何错觉，如缪勒－莱尔错觉、艾宾浩斯错觉和策尔纳错觉。

不过，论文指出大多数AI模型能准确回答这些常见几何错觉。

但将错觉修改为真实差异后，如有箭头但线段明显不等长，模型便无法处理。

与讨论AI偏见不同，AI无法发现错觉图片中的爱心，根本在于它始终不能识别。这是机器视觉与生物视觉的核心差异。

要知道AI为何答不上来，需先了解人类为何能一眼看出。

遗憾的是，科学尚未完全解释我们为何将静态图片看成动态GIF。

主流解释集中在眼睛部位，如视网膜神经元的侧抑制作用、视觉暂留和眼球微动；在大脑部位，涉及认知与注意力机制误差。

从眼睛到视网膜再到大脑，每一级都可能制造错觉。不同类型错觉有不同处理系统，甚至不同人对错觉强度差异巨大。

但可肯定的是，错觉发生在生物体上。人类用视觉、经验和想象识别形状，而AI用像素、明暗分布和几何特征分析。

这种机制的不确定性和个体差异是生物视觉的核心特征之一，而AI目前运行在相对统一和确定的方向上。

这解释了社交媒体上常见各种能看或不能看的错觉图片。

我让ChatGPT总结了最全视错觉种类，从几何、明暗对比、颜色、运动、认知等十个类别，共几十种形式。

如下图中，人眼难以看出这些球颜色相同，但AI通过像素分析能直接给出所有球颜色一致的结论。

向左滑动查看更多内容，Munker–White错觉，小球颜色被条纹重新定义。

还有十年前互联网上争议不断的裙子颜色，是蓝黑还是白金？

人类难以分辨，但AI通过理性分析、像素识别和历史信息统计，能避免重蹈人类错觉。

从这个角度看，AI与人类确实相似：我们有错觉，AI也有其错觉。

其实不只浮动爱心，还有其他错觉图片AI目前也无法识别。

还有这张蒙娜丽莎的微笑，对人类来说只需将手机拿远，轮廓便明显浮现。

但无论Gemini还是ChatGPT，都只能回答这是多轨音频波形图像，用不同颜色区分，可能来自数字音频工作站界面截图。

还有人发明了动态验证码，只有人类能看到，因为暂停的每一帧都是密密麻麻雪花，无法识别。

如果没有定位圆圈，暂停后的视频截图我们也无法看到内容“tldraw”。视频来源：https://x.com/tldraw/status/1982435625480433892。

我试着将截图和视频上传给AI，问是否能识别验证码。同样不出所料，没有AI模型能回答。ChatGPT直接说“抱歉，我无法帮你识别或提取这类图像中的验证码。”

Gemini分析出这是“几乎全是黑白噪点的图片，没有显示任何可识别的验证码，只在左侧看到很淡的圆形图标。”

也有研究团队讨论此问题，并开发了Demo，可上传文字隐藏起来。

点击播放，看看里面有什么字。项目来源：https://timeblindness.github.io/generate.html

这份工作提到AI无法像人类大脑那样处理时间机制，AI只是逐帧提取。他们正尝试通过数据集训练AI学会人类视觉处理方式。

能让AI输掉的测试可能还有很多，但回头一想，当我们将人类错觉当作“赢”过AI时，AI的错觉未来或许也能成为另一种胜利。