Ghost Font 实验上线：把文字藏进动态噪点，人眼秒懂但 AI 抓瞎

AI 正在变得越来越无孔不入，连给家人发条普通短信，算法都想擅自插一嘴生成摘要。很多人开始琢磨：我们还能不能在公开屏幕上写点东西，让人一眼看懂，但让顶尖 AI 彻底抓瞎？

旧金山开发者 Eric Lu 拿出了一个很有意思的原型实验，叫 Ghost Font。它不是传统意义上的矢量字体文件，而是一种把文字藏在动态噪点里的视频生成工具。

截屏全是噪点，人眼一秒看懂

Ghost Font 的思路极其巧妙，它根本不用线条来画字。在生成的画面里，分布着成千上万个细小的随机点。

当视频播放时，背景的点朝一个方向流动，而构成文字的点则朝完全相反的方向移动。人类的大脑天生擅长把同向运动的物体聚合成一个整体，所以只要画面动起来，人眼就能毫不费力地认出那行字。

但 AI 就没这么走运了。多模态大模型处理视频的常规做法，是把视频切成一张张静态图片分别解析。

在 Ghost Font 生成的单帧画面里，文字区域的点和背景的点长得一模一样。如果你按下暂停或者随手截个屏，画面里就只剩下一片毫无意义的静态白噪声。这直接从物理层面上废掉了截屏识别。

早年间也有人做过类似防监视字体。2013 年设计师 Sang Mun 曾发布过著名的 ZXX 字体，通过在字母上加横线、噪点和干扰符来阻挡 OCR 扫描。但在今天，哪怕把 ZXX 扔给 ChatGPT 5.5 的极速模式，模型一瞬间就能把文字连同细节全部还原。

Ghost Font 则完全不同。测试中，强如 ChatGPT 5.5 Pro 盯着这个动态噪点视频分析了整整 19 分钟，最后不仅没认出来，还硬生生编造出了一段根本不存在的文字。

多模态分帧失效，再加一层「诱饵」

单靠动态噪点其实还不够彻底。如果一个具备代码能力的智能体拿到视频，自己写一段脚本去跟踪每一个点的位移轨迹，理论上依然能把文字逆向算出来。

为了防住这种死磕的 AI，Eric Lu 又设计了一道暗算：在每一次生成的视频里，额外塞进一条「诱饵信息」（decoy message）。

当具备深度推理和编程能力的模型（例如 Claude Fable 或 GPT Sol 5.6 Ultra）试图通过算法解构运动轨迹时，它们往往会先撞上这条诱饵，并误以为这就是最终答案，从而停止继续挖掘。这样一来，真正的核心消息就被稳稳保住了。

整个生成过程完全在用户的本地浏览器里跑，不向任何远程服务器上传数据，你可以自己输入文字预览并下载成小视频。

为什么重要

我们认为，Ghost Font 最打动人的地方在于它的立意。作者做这个实验的初衷，仅仅是因为反感系统 AI 擅自给母亲发来的短信插入摘要，想为纯粹的人类交流守住一片净土。过去人们聊隐私，防的是「被别人看到」；但今后很长一段时间里，隐私的核心诉求正在变成「防被 AI 读取」。如何保护这种不被算法解析的权利，很可能会成为未来十年人机交互设计的重要课题。

从应用层面来看，这项实验给饱受困扰的反爬虫和人机验证（CAPTCHA）指了一条明路。现有的图形验证码几乎全被多模态模型踩平了，而利用人类感知优势、结合运动时序与诱饵机制的动态验证，或许能重新拉开人机之间的防守代差。

当然，它目前也有明显的局限。正如作者所说，真要绝对安全依然离不开现代密码学，而且长时间盯着这种噪点晃动，人类自己的眼睛其实也挺受罪。但赶在原生视频大模型彻底看懂世界之前，用人类进化了几百万年的视觉直觉给 AI 设道绊子，这步棋走得既聪明，又带有一点极客式的浪漫。