你讓 ChatGPT 畫一張《紐約客》風格的單幅漫畫,它不只給了你那標誌性的冷淡線條和荒誕幽默,還順手在右下角簽上了一個活生生漫畫家的名字。這不是什麼致敬,也不是 AI 終於學會了幽默感,這是大語言模型在海量數據裡「洗澡」洗得不夠乾淨,把屍體殘骸也一併沖到了沙灘上。這種現象在 DALL-E 3 接入 ChatGPT 後變得極其諷刺:OpenAI 一邊在法庭上強調自己對版權保護的貢獻,一邊讓模型在用戶面前大方地展示它從哪裡「借」來的靈感。
這種「簽名 Bug」背後的技術邏輯其實很粗暴。對於擴散模型或視覺語言模型來說,簽名並不是一種法律權利的主張,而是一種像素分佈的特徵。在《紐約客》幾十年的存檔裡,幾乎每一張高質量的漫畫右下角都有一串潦草的黑色筆跡。當 ChatGPT 試圖擬合這種特定風格時,它認為那串筆跡和線條、構圖一樣,是構成「這類圖片」的必要組件。模型並沒有「簽名」的概念,它只是在執行一種統計學意義上的還原。當預訓練數據中的風格與特定標籤(Label)高度綁定時,權重就會強制模型生成那些看起來像文字但毫無邏輯的塗鴉,甚至在某些案例中,直接還原出了原始創作者的姓氏。
這反映了 OpenAI 在 RLHF 階段的一個巨大盲區。他們花了無數精力去對齊(Alignment)政治正確、仇恨言論,甚至防止 AI 教人造炸彈,卻沒能有效地過濾掉視覺特徵中的「身份標識」。當你要求 ChatGPT 生成特定風格的作品時,模型內部的注意力機制會瘋狂檢索相關參數空間。如果這個空間被少數幾個頂尖藝術家的作品佔據,輸出的結果必然帶有極強的指向性。這不僅僅是 DALL-E 的問題,這反映了底層模型在處理多模態關聯時,依然無法區分什麼是「風格」,什麼是「歸屬權」。
在這一點上,Google 的 Gemini 表現得更為謹慎,甚至到了令人發指的程度。Gemini 在處理涉及特定人物或受版權保護的藝術風格請求時,往往會彈出那套標準的「我無法為您生成」的免責聲明。Google 對於版權訴訟的恐懼遠超 OpenAI,這導致 Gemini 在創意生成上顯得束手束腳,雖然它極少出現這種「偽造簽名」的低級錯誤,但也失去了捕捉精妙風格的能力。相較於 DeepSeek 4.1 Flash 最近在生成效率與文本理解上的進展,OpenAI 在處理複雜視覺語境時的做法,顯然更傾向於「先求效果,再補漏洞」。
這就形成了一個有趣的局面。Claude 雖然目前在原生繪圖功能上保持克制,但其在代碼生成與長文本邏輯中展現出的那種「潔癖」,讓它在引用來源時顯得比 ChatGPT 誠實得多。而 Grok 則完全走到了另一個極端,它那種混亂邪惡的開放性,讓它根本不在乎生成的圖片裡是否帶著誰的商標或名字。當我們在討論 DeepSeek 4.1 Flash 如何在特定基準測試中追趕一線梯隊時,OpenAI 卻在面臨一個更本質的技術困境:如果模型必須通過模仿來學習,那麼它該如何優雅地隱藏掉那些模仿的痕跡?
現在最尷尬的不是 AI 偷了東西,而是它偷完之後還忘記擦掉現場的指紋。對用戶來說,手動擦除那個偽造的簽名只需要幾秒鐘,但對於 OpenAI 的工程師來說,這意味著他們必須在下一輪微調中重新定義什麼是「風格轉移」。如果模型學會了忽略簽名,它會不會也隨之丟失對細節的敏感度?
這讓我們不得不思考一個問題:當 AI 產出的內容已經在像素層面上與人類創作者的身份符號重疊時,我們究竟是在優化一個工具,還是在構建一個巨大的、自動化的剽竊機器?如果有一天,AI 生成的每一張圖都帶有一個隨機生成的、看起來像模像樣的虛假簽名,我們還能分得清哪一部分是算法的統計結果,哪一部分是人類文明的餘溫嗎?