AI扩图技术如何影响司法鉴定真实性?

法庭上的一张“高清”照片，有时比证人的话更有分量。可当 AI 扩图把模糊边角补得像真的一样，司法鉴定面对的就不再只是“拍清楚了没有”，而是“画面里多出来的部分，到底能不能当证据用”。

AI 扩图大致做两件事：一是把已有画面做得更密、更细，二是在画框外“长”出原本不存在的内容。前者像把老底片洗得更清楚，后者则更像根据上下文补全故事。问题在于，补全的那部分往往并不来自现场，而是模型根据训练里见过的世界“猜”出来的。猜得越像真，越容易被当成原貌。

对鉴定来说，麻烦不止于伪造整张图。更隐蔽的是：关键区域被“增强”后，纹理、伤痕、车牌边缘或背景物体被改写了观感，却仍挂着“来自原始素材”的外壳。鉴定人若只盯像素、不追生成链路，很容易把算法补丁误读成物理痕迹。反过来，真图若经过不当扩图再提交，也可能被质疑“失真”，真实证据反而被拖进怀疑泥潭。

行业并非没有意识到风险。有人主张在模型侧做可追溯标记、生成证据链，让“是否扩过、扩到哪里”可被核查；也有人强调，在司法、新闻这类关键场景，自动化扩图不宜直接入卷，必须配人工复核。版权、训练数据偏差带来的风格漂移，同样会悄悄改写肤色、服饰或场景细节，让“看起来合理”的画面偏离现场事实。

当然，扩图本身并不等于造假。旧影像修复、低清监控的可读性提升，在严格标注与流程约束下，仍可能帮助厘清事实。关键分野在于：使用是否透明、原始数据是否可对照、结论是否把生成区域与拍摄区域分开陈述。技术越会“圆故事”，规则越要逼它“亮家底”。

下次再看到一份被放大、被延展的视觉材料，不妨多问一句：哪些像素是相机留下的，哪些是模型填上的？这个问题，或许比争论“像不像”更贴近鉴定真实性的核心。