AI 图像编辑的「概念纠缠」：为何模型总爱给撩发加上梳子

1960 年代英国汉默电影公司女演员 Veronica Carlson 的一张宣传照，原本只是她在随意撩拨头发；但在 eBay 上流通的版本里，AI 图像编辑工具却在这只手上凭空「长」出了一把梳子。这一颇具戏剧性的对比，被作者用来阐释当下生成式 AI 中一个被反复观察到的现象——「概念纠缠」（concept entanglement）。

何为「概念纠缠」

所谓概念纠缠，是指具备编辑能力的多模态大模型在处理图像时，会基于训练数据中常见的「视觉搭配」，强行把某些物件塞进画面。文中的例子里，模型见过成千上万张「女性用梳子理长发」的照片，却可能只见过一千张左右的「女性用手指随意撩发」的场景——前者分布更密集，于是胜出。

值得注意的是，这种「合成」并非无缝融入。新增的梳子甚至没有与模特的手部动作整合，而是被直接「贴」在手的背面，仿佛被强行扔进了它「应该在」的位置。模型并不知道原图里压根没有梳子，它只知道梳子和长发经常一起出现。

谁该为「AI 垃圾」负责

作者在文中反复强调一个观点：问题不在 AI 本身，而在于使用 AI 的人。生成式工具诚然会被统计偏差牵引，但把成千上万张低质「AI 升级」图像投放到 eBay 上的卖家，本该花几秒钟看一眼成品，却连这点工夫都省了。

换言之，文中所说的 slop（粗制滥造的 AI 内容）是一种社会现象，而非纯粹的技术缺陷：它源于人们对传统「创作 / 消费」比例被颠覆的不满——过去，作品凝聚数小时心血，而消费只需数分钟；正是这种付出的预期，支撑了观看的耐心。当生产被一键完成、注意力却同样被一键批量生产的内容挤占时，反感便随之而来。

现象的延伸思考

作者指出，这一怪癖并非孤例：AI 视频生成中同样难以做到「完全按你的方式」定制画面，Adobe Research 等机构也已经在探索「解耦式」的生成对抗网络面部编辑方法，试图把概念一个一个拆开独立操作。有观点认为，「解耦」将是下一轮深伪（deepfake）相关技术的关键命题。

对于关心生成式 AI 落地质量的从业者而言，这类案例提供了一个朴素的提醒：在把模型输出当作「作品」发布之前，人眼复核仍然是不可省略的一道工序。