有了Sora之后，眼见不一定为实了。要如何鉴别此类的AI视频呢？

中国科学院自动化研究所研究员董晶研究的就是图像窜改、深度伪造等人工智能内容安全与对抗技术，她和研究团队的许多成果已应用于多媒体智能鉴伪。她在接受《中国科学报》采访时表示，“用魔法打败魔法。”

她在采访时介绍了，目前主要的两类智能检测方法。一种是基于数据学习的方法。这通常需要提前收集伪造视频和真实视频（最好是配对数据）作为训练数据集，训练出强大的深度网络。只要模型能够“记住”视频帧中的异常或痕迹，例如图像噪点、帧间不连续的运动轨迹等，就能辨别真伪。这种方法较为通用，一旦检测模型参数确定，部署简单、批量检测效果良好。但是，该方法相当依赖训练数据的体量和完备性，对于未知或未训练的数据检测通常会失效。

另一种是基于特定线索的方法。它首先需要定义出视频中一些不合常理或逻辑的视觉“线索”，如光照不一致、人脸视频中应有的活体生理信号、说话人的口型和发音时序不匹配等细节，然后设计相应的算法去提取并定位这些线索，进而取证。这种方法可解释性更好，对视频段的定向检测性能佳，但对数据本身的多样性兼容较差。

不过，董晶也对《中国科学报》表示，随着Sora等工具在AI生成视频细节与多元化处理方面的能力增强，生成视频中的显式伪造痕迹会越来越少，仅依赖传统的视频分析与伪造检测方法甄别视频内容的真假，无疑会变得更加困难。

相对被动检测AI视频带来的困难，董晶也谈到了从“源头约束”的应对策略。例如在生成视频之初就埋下AI生成的印记，相对于对视频的被动检测，水印或标记属于主动防御。她的团队还尝试了在真实图像或视频中加入“对抗噪声”，这样生成模型就不能在这些源数据上进行AI合成。此外，她还“呼吁推动建立具有国际共识的AI数据技术标准与规范，形成共同应对生成视频的合理标记和协同监管方案”。