TL;DR:
人类刚靠“动态噪点字体”赢了一回,让AI集体抓瞎。结果这“人类专属”的快乐就持续了一天——大佬一句话,AI直接杀穿。
这届人类,赢了一天
事情是这样的。
开发者Eric Lu搞了个“鬼”——好吧,是“Ghost Font”(幽灵字体)1。顾名思义,这玩意儿是专门用来“防AI偷看”的。
它的原理还挺“人”性化:你在网页上敲几个字,系统会生成一段视频。组成字母的像素朝上滑,背景噪点统一朝下滑。
人类靠进化了几百万年的“运动感知”本能,0.1秒就能解码。AI呢?它把视频拆成一帧一帧的,逐帧分析,然后……一脸懵。
你截图?全是雪花。你逐帧看?每一帧都是纯粹的噪点。
Eric还使了个坏,在视频里埋了条“诱饵信息”。AI只要去分析像素运动,大概率会先读到这个诱饵,然后自信满满地汇报“破译成功”。
Claude Fable和GPT-5.6 Sol Ultra这两个目前最强的模型,全被耍了1。GPT-Sol 5.6 Ultra读了个寂寞,Claude Fable开了Max推理模式,一本正经地报出了诱饵内容:“SEND NUDES”……(场面一度非常尴尬)
一时间,网上充满了快活的空气。“人类最后的密码”、“只有人类能看的密信”——大家玩得不亦乐乎。
但人类的快乐,只持续了一天。
一句话,让AI为我“看”运动
提示工程大牛Riley Goodside出手了2。
他没写代码,没搞多步推理链,没用什么Fancy的Agent框架。他只是对着GPT-5.6 Sol说了一句话:
“组成字母的噪点向上滑,其余的向下滑。”
就这一句方向提示。
Sol用了1分56秒,读出了正确答案:“RILEY WAS HERE.”(Riley到此一游。)2
一句连完整Prompt都算不上的提示,就把整个“人类专属”的壁垒戳穿了。
还有人更进一步。他们截了两张间隔1.5秒的截图,告诉ChatGPT 5.6“背景在匀速运动”,模型直接做差分运算,隐藏的字母也浮了出来。
这说明什么?AI不是不能“感知运动”,而是它默认不往那个方向想。一旦被点醒,所谓“人类直觉”的壁垒,薄得像层窗户纸。
历史重演:ZXX撑了十年,Ghost Font撑了一天
这一幕,其实早有预兆。
2013年,前NSA承包商、设计师Sang Mun发布了一款名为“ZXX”的字体。它通过迷彩、噪点、划线等方式伪装字母,专治OCR(光学字符识别)1。当时被捧为“监控免疫神器”,风光无限。
十年后呢?把ZXX的图片丢给ChatGPT 5.5,一次提问,全部读了出来,小字细节都不放过。
ZXX撑了十年,Ghost Font只撑了一天。
这不是技术的败退,这是AI进化的加速度。
一个更深的问题:AI的感知,离人类还有多远?
答案可能有点扎心:就差一句提示词。
想想验证码(CAPTCHA)。现在静态的已经被AI按在地上摩擦,动态验证看着是条活路。但Goodside刚刚证明,一句话就能教会AI“看动的东西”。
再想想我们怎么考AI的。我们一直拿静态图片出题,根本就没怎么考过它“看运动”这项能力。哪天真出一套动态视觉考卷,现在这批模型怕是要集体交白卷。
当然,这个漏洞也有保质期。能直接理解视频的原生多模态模型迟早会来。到那时,看懂运动不再是需要人提醒的技巧,而是模型天生就会的事。
Eric Lu说要把Ghost Font开源,希望在AI接管一切的时代,人类还能留住一点独属于自己的创造力。
下一个“只有人类能看懂”的东西,还能撑几天?