加州即将审议AI监管法案，要求AI生成内容需标记原出处，否则面临高额罚款。尽管对大公司影响有限，但法案细节含糊，仅暗示采用特定技术如C2PA。C2PA源于Adobe主导的真实内容检测项目，旨在利用元数据验证图片出处。然而，C2PA容易被篡改，且支持设备和软件数量不足。此外，EXIF数据不足以追踪源头，因为如微信等应用可以轻易清除图片信息。

ELA算法是一种更深层的检测方法，能识别图像是否被编辑。此算法利用JPEG格式特性，通过比较图像不同部分的错误级别来识别修改。白色斑点表示被编辑过，大量黑色可能意味着图像已被多次保存或未被修改。彩色斑点接近拍摄原图，而AI生成的图片则显示为中间部分较亮，两侧较暗。

以一张文章封面图片为例，我们使用C2PA和ELA算法进行检测。结果表明，AI生成图片的中间部分亮度较高，两侧则较暗，而拍摄原图则呈现出均匀分布的深浅变化。此外，通过对比AI生成图片和真实拍摄图片，发现AI生成图片的特征更为模糊，难以辨别编辑痕迹。

这一发现引发了对AI生成内容可信度的担忧。AI生成的内容虽无恶意，但其难以辨识的特性和普遍性可能给日常生活带来认知处理难题。公众既无法逐一检查每张图片的真实性，也无法完全忽视图片传达的信息。这不仅增加了社会对真实性的质疑，也可能导致人们在面对看似真实的AI生成内容时产生不信任感，进而影响日常决策，如是否绕路避开潜在的危险场景。