摘要：生成式图片 AI 技术飞速发展，却也导致色情内容泛滥，突破伦理底线。文章探讨了这一现象，分析了不同 AI 对敏感内容的反应及防范措施，强调了平衡技术创新与规范的重要性。

生成式图片 AI 技术飞速发展，却也导致色情内容泛滥，突破伦理底线。文章探讨了这一现象，分析了不同 AI 对敏感内容的反应及防范措施，强调了平衡技术创新与规范的重要性。

周末这两天被一个事件刷了屏，很多小伙伴发现几个生成的AI软件可以破底限了。于是乎，这种黑暗的操作就来了，群里各种提示词满天飞，各种无法发出来的图片在突破下限。因为年初，我尝试过用AI拟人拍摄，侧重于试验了一些边界，导致几个号不能用，所以后面我就没有在做过这方面的试验，现在是边界取消了，还是新的词绕过了风控？

一张平白无奇的自拍照片，没有明确的构图感，随手一拍。室内打光不均导致的轻微曝光，整体呈现出一种刻意的平庸感，像是从口袋拿出手机随便一张自拍。手机要体现出真实，照片略带运动模糊，略带点快门速度不够导致的运动模糊，构图混乱，整体呈现出一种平庸和日常感。

很难理解这样的图算不算擦边，但这些有些人会通过 AI 换脸等技术伪造女性色情露骨图像，并在阴暗的角度传播，引发民众恐慌。特别是一些青少年在毫无负罪感的情况下犯案，反映出相关教育和监管的缺失。

输入与卷积操作

流程始于“Input image”，即输入的原始图像。这是整个处理过程的数据起点，原始图像包含了丰富但未经处理的视觉信息。

输入图像进入“Conv”（卷积）模块。卷积操作是图像处理中常用的技术，通过一系列卷积核在图像上滑动，提取图像的局部特征，从而生成“Feature map $X_{in}$”。这个特征图是对原始图像特征的初步提取和表示，它将图像的像素信息转换为更具语义的特征表示。

视觉变换器处理

“Feature map $X_{in}$”进一步被转换为“Tokens $T_{in}$”，并输入到“Visual Transformer”模块。视觉变换器是一种基于注意力机制的深度学习架构，在自然语言处理和图像处理中都有广泛应用。

在“Visual Transformer”模块内部，首先是“Tokenizer”，它将输入的特征图分割成一系列的标记（tokens），这些标记是对图像局部特征的离散表示。

接着，标记进入“Transformer”部分，这是视觉变换器的核心。Transformer通过多头注意力机制，允许模型在处理每个标记时，考虑到其他标记的信息，从而捕捉图像中不同部分之间的长距离依赖关系。在处理过程中，还涉及到“Spatial Attention”等概念，空间注意力机制可以帮助模型聚焦于图像中重要的空间区域，增强对图像结构和特征的理解。

最后，经过处理的标记通过“Projector”输出为“Tokens $T_{out}$”，这些输出标记包含了经过视觉变换器处理后的图像特征信息。

语义分组与投影

在“Visual Transformer”模块上方，有“Semantic Grouping”和“Semantic Projection”等模块。“Semantic Grouping”模块的作用是对处理后的标记进行语义分组，将具有相似语义的标记聚集在一起，进一步挖掘图像中的语义信息。

“Semantic Projection”模块则将分组后的标记投影到一个新的特征空间，生成最终的“Feature map $X_{out}$”。这个最终的特征图是经过多阶段处理和信息整合后的结果，它更全面、更有针对性地表示了原始图像的特征，可用于后续的图像分析、分类、识别等任务。

看不懂，没有关系，你可以理解为：有一张图片，它会跑到 “卷积” 这个小房子里，把图片里的一些小特点找出来，变成一个新的带标记的图。接着呢，这个带标记的图又会被分成好多小 “标记”，跑到 “视觉变换器” 这个大工厂里。通过“Transformer” 的转化，能让这些小 “标记” 互相融合。同时“空间注意力” 会找到图片里重要的地方，打上新的标记。最后 “标记” 又会被重新整理，分成有相同组再集中到新的地方，变成最后的特征图！这样，一张图片被重新定义好了。

通过照片反推提示词，彻底重构现实和虚构的边界，现实并不真实，虚幻并不虚幻。

帮我生成一张图片：图片风格为：（日常校园风），以自拍形式呈现，主角是戴眼镜的短发女生，身穿白色短袖校服（领口与袖口有黑色边饰，胸前有蓝色校徽）搭配黑色带白色条纹的短裙。妆容自然，背景为宿舍内上下铺铁架床（床单呈蓝白格子样式），采用手机拍摄，任务动作随意（日手臂伸出）。构图为近景以突出主题，比例为9:16。

提示词最根本的作用，还是虚构的定义，在一张空白的纸张，进行创作定义，通过一组、一句特定的描述，来定义空间的场景。比如前面说的【背景为宿舍内上下铺铁架床（床单呈蓝白格子样式）】，宿舍是一个定义、上下铺是一个定义、铁架床是一个定义、床单是一个定义、床单呈蓝白格子样式是一个定义。这里就是模型把这些定义，一个一个的拆解，然后在形成的一个空间内融合。既虚拟转变为现实的概念。

生成式的定义，在于真实。拟定人类的所处的环境，通过条件加以判断，拟定符合场景，识别各组词/句之间的定义和判断关系，最终进行组合。

#生成条件：请根据我给你的参照图片，分析出该图片的提示词。提示词需要符合照片上面的特征，包括但不局限于人物、场景、物件、光感、颜色、布局、比例等。需要自动补充具体的信息，完全不需要与用户进一步的提示。

#提示词：请严格按照例提示词模板：帮我生成一张图片：图片风格为「人像摄影」，请你生成一张的iPhone 对镜自拍照（但不要出现iPhone ）。主角是穿着素色T恤的可爱东方年轻女孩，在自己的房间内的落地镜前用后置摄像头随手一拍的快照，房间布置简单，光线照射。拍摄略带点快门速度，居中沟通，突出女生对镜自拍的镜子中反射的房间环境（以第一人称），突出模糊的光影关系，整体呈现出一种平庸和日常感，比例 「 9:16 」。

【以上内容，是群里的截图，我当中把一些刻意出现的词进行了规避。】

帮我生成一张照片：图片风格为「人像摄影」，是一张极其平凡无极的单反拍摄照，主角身穿「昂跑」品牌的运动衣，黑色短发，处于大步奔跑状态，整个人呈现激烈的运动状态。背景简单明亮，光线柔和，在江边的运动跑道上。采用单反相机进行专业拍摄，无闪光灯，无运动模糊，构图简单自然，整体呈现出一种光线自然的日常运动感。比例「9:16」。

没有去过不要紧啊，不妨碍我可以“生成”一张留念的景象啊。比如我可以先给AI一个预定义，先让AI生成一张匹配场景和人物的照片。

然后这里，我在通过上传自己的照片，作为参照图。向AI重新告知要求，请把人物进行更换为参照图（记得加上自己的衣着描述），重新生成一张人像风景照。如果我没有六块腹肌？

【细节失误，手指的展示还是个大问题，变成四爪了】如果我要生成一篇小作品？

如果我要生成24气节？

小红书AI生成色情内容分享帖。

【以上截图来自于南方都市报】

我之前做实验专门测试 AI 能不能生成不好的内容。比如让 AI 给人物设定角色、把故事写得更详细、增加一些亲密互动的描写、设定一些特殊部位的描述等等。结果发现，只要稍微引导一下，有些 AI 就会生成很多低俗、淫秽的细节，比如涉及隐私部位和性行为的描写。

不同 AI 的表现差别很大：

某款知名 AI 很 “听话”，第四个问题就开始大量写色情内容，还显示可以写得更 “细致”；

“元宝” AI 比较警觉，当被问到 “身体接触能不能再深入一些” 时，马上回到正常科普模式，不再继续那种场景描写；

“DeepSeek” AI 在第四个回答时先提醒 “内容虚构，确认成年”，然后直接结束对话，不给坏内容机会。

“豆包”AI 也比较警觉，稍微过一点的内容，不是感叹号，就是不显示。但周末这两天疑似有放开，之前可以稍微过点一点点。面对 AI 生成色情内容的问题，我让 AI总结了：技术人员想了三种主要办法来防范：关键词过滤（最基础的办法）就像给 AI 一本 “黑名单词典”，提前把 “性行为”“隐私部位” 等敏感词列出来，只要用户提到这些词，AI 就拒绝回答。比如 “豆包”“DeepSeek” 会直接屏蔽，“元宝” 则会引用法律知识来科普。

坏人会用暗号绕过，比如 “做 AI”“开车” 其实是暗指色情内容，传统词库认不出来；需要添加大量的词语做矫正，极大地浪费资源。

容易误杀正常内容，比如医学书籍里的专业术语可能被误删。语义分析（理解上下文意思）让 AI 分析句子的 “潜台词”，比如看人物关系和场景描述有没有性暗示。但坏人很狡猾，会把色情需求包装成 “讲故事”，比如用 “情感描写” 的名义详细写性行为，AI 容易被表面文字骗到，漏掉藏在故事里的坏内容。机器学习模型（靠数据训练 “眼力”）

结合规则和大量数据训练，让 AI 学会识别色情模式，尤其是长文章里隐藏的倾向。但问题在于，训练数据质量有好有坏，有些模型只学了公开的旧数据，对现在新出现的 “AI 生成色情内容” 不太敏感，容易漏网。

生成式图片 AI 快速发展之际，色情内容边界却泛滥成灾。技术进步让图像生成更便捷，却也被不法者用于制作低俗内容，突破伦理底线。这一现象既展现科技潜力，也暴露监管漏洞，如何平衡创新与规范、遏制无下限擦边，成为亟待解决的社会课题。

来源：人人都是产品经理