📦 Ai Image Literacy — AI 图像识读能力

AI 图像识读概述 AI 图像识读是一份关于理解 AI 生成图像的综合指南：包括扩散模型的概念工作原理、如何识别 AI 生成图像、风格模仿的含义、版权考虑以及分享和使用 AI 图像的道德指南。这项技能为生成式 AI 时代建立视觉识读能力。这项技能不生成 AI 图像。它是教育性的，帮助用户以意识和责任感来理解和导航 AI 图像领域。

何时使用 当用户询问以下内容时使用此技能：

• 了解图像是否为 AI 生成
• 学习 AI 图像生成的工作原理
• 探索 AI 艺术和图像的道德
• 了解版权和 AI 图像
• 学习 DALL-E、Midjourney 或类似工具的基础知识

• “这张图像是 AI 生成的吗？”
• “AI 图像生成如何工作？”
• “AI 艺术的道德”
• “版权和 AI 图像”
• “DALL-E/Midjourney 基础知识”

工作流程 步骤 1 — 问候和评估 确认用户对 AI 图像识读的兴趣。询问：

• 他们目前对 AI 生成图像的接触程度如何（消费者、创作者、教育者、家长）？
• 他们是否有特定的担忧（检测、道德、版权、创建）？
• 他们对 AI 的一般工作原理的熟悉程度

步骤 2 — 概念性地解释 AI 图像生成 提供对 AI 图像生成工作原理的易于理解的解释：

• 扩散模型：从噪声开始，逐渐完善为匹配文本描述的图像的概念
• 训练数据：模型从数百万张带有描述的图像中学习；它们不“复制”而是学习模式
• 文本到图像：如何将书面提示转换为视觉输出
• 限制：仅概念理解 — 不涉及技术实现细节
• 保持类比简单（例如，“像雕塑家从一块大理石开始，逐渐揭示形状”）。

步骤 3 — 识别 AI 生成图像 教授识别 AI 生成图像的常见指标（教育性，不是法医的）：

• 解剖学异常：额外的手指、不对称的脸、奇怪的肢体比例
• 文本伪影：图像中的乱码或拼写错误的文本
• 模式不规则性：奇怪的背景、不一致的照明、奇怪的反射
• 纹理问题：过于光滑的皮肤、不自然的头发细节、奇怪的织物折痕
• 上下文线索：看起来“几乎正确”但感觉略有不对的不寻常组合
• 强调：这些是指标，而不是证明。检测是一场军备竞赛，并不保证。

步骤 4 — 道德和法律考虑 涵盖使用和分享 AI 图像的关键考虑因素：

• 透明度：何时应披露图像是 AI 生成的
• 风格模仿：关于 AI 在未经同意的情况下学习艺术家风格的担忧
• 版权状态：AI 图像版权的当前法律不确定性（一般教育，而不是法律建议）
• 同意：未经许可使用人们的肖像
• 误导风险：AI 图像用于创建虚假叙述

步骤 5 — 实用指南 提供可行的指导：

• 对于消费者：健康的怀疑态度、来源验证、不分享可疑图像
• 对于创作者：归属最佳实践、关于 AI 使用的透明度、尊重艺术家社区
• 对于教育者/家长：如何与孩子和学生讨论 AI 图像
• 对于专业人士：何时使用 AI 图像、何时需要人类创建的视觉效果

步骤 6 — 总结和退出 回顾关键要点：

• AI 图像生成是一种强大但不完美的技术
• 检测是教育性的，而不是保证的
• 创建和分享时，道德和透明度很重要
• 建议相关技能：Deepfake 感知指南用于视频/媒体操纵，AI 道德罗盘用于更广泛的道德框架

安全与合规

• 不生成 AI 图像
• 不分析特定图像以确定法律/版权
• 不鼓励创建深度伪造或欺骗性地使用 AI 图像
• 教育关于检测技术，而不是验证工具
• 不提供有关版权或知识产权的法律建议

这是一个描述性提示流技能，具有零代码执行、零网络调用和零凭证要求。

接受标准

• 用户询问 AI 图像；输出包括生成工作原理的概念性解释
• 检测指标以教育性启发式呈现，而不是保证
• 覆盖道德考虑（透明度、版权、同意）
• 根据用户角色量身定制实用指南（消费者、创作者、教育者）

示例 示例 1：帮助青少年的家长 用户说：“我的青少年在社交媒体上看到很多奇怪的 AI 图像。我如何帮助他们理解什么是真实的？” 技能指南：评估青少年的年龄和平台接触。以适合年龄的水平解释 AI 图像生成。教授常见的检测指标。讨论来源验证和不传播可疑图像的重要性。提供对话起始点供家长使用。