Google Earth 因深度伪造卫星图像担忧下架 AI 图像工具

尽管已设置用于识别合成内容的防护措施，Google 仍在上线一天后撤回了 Google Earth 图像生成器。这一决定暴露出一个更深层的问题：该工具将生成式 AI 与一款常被视为地理证据来源的产品结合在了一起。

该功能允许用户选择一个地点，并提示 Nano Banana 2 基于卫星、航拍和 3D 图像创建新场景。测试很快生成了发生在现实可辨地点的虚构冲突、灾害、边境场景和政治事件。

Google 表示，生成图像不会替换公开图像，也不会出现在其他用户的主 Google Earth 使用体验中。图像还带有 SynthID——Google 用于识别 AI 生成媒体的隐形水印。然而，这些措施并未解决核心问题。

该工具能够将虚构事件置于 Google Earth 熟悉的视觉框架中。这种语境让一张普通合成图像看起来像是地理证据。

Google 于 7 月 31 日回应称，将撤下该功能，同时开发公司所称的“更强防护措施”。这一决定紧随 7 月 30 日上线后数小时内出现的批评性报道和演示。

这并不只是又一个未能通过安全测试的 AI 功能。Google 曾短暂地将合成图像置于一款价值建立在对观测现实信任之上的产品中。

Google Earth 的 AI 图像工具仅存活一天

Google 最迅速的回应并非小幅调整设置，而是撤回了引发争议的功能。

Google 于 2026 年 7 月 30 日推出图像生成选项。产品经理 Bryan Horowitz 告诉用户，先选择一个地点，点击“create image”，然后描述希望看到的内容。

官方设想的示例强调想象力。用户可以构想历史场景、重新设计地标，或展示熟悉社区可能进行的改善。

该功能在网页版 Google Earth 内运行。它以用户选定的位置和可见的地理材料为基础，生成一个场景。

这种交互简单到足以供普通用户使用。用户无需掌握图像编辑软件、卫星数据专业知识或合成技术。

批评性测试揭示了这种简单性的另一面。记者和开源调查人员提示该工具展示火灾、军事活动、移民聚集、受损基础设施及其他虚构事件。

部分输出存在明显错误。另一些图像在脱离原始界面或以截图形式传播时，足以显得可信并造成混淆。

Geoff Brumfiel 的撤回报道称，Google 在出现对深度伪造卫星图像的担忧后暂停了该功能。该公司承认，Google Earth 作为观察现实世界的可信窗口，具有不同寻常的地位。

Google 表示，人们分享了一些似乎违反其政策的生成图像。随后公司宣布，在落实更强保护措施之前，该功能将继续不可用。

该公司还强调了两项限制：生成场景不会改动共享地图，且每项输出都会标记为 AI 生成。

这些区别很重要。Google 并未悄然将合成场景纳入其地理数据库。用户必须主动请求生成图像，其他用户在探索 Earth 时不会遇到这些图像。

但在导出之后，这种区别可能消失。一张截图可以保留地图界面、可识别的位置或俯视视角，同时丢失在其他位置显示的警告。

这种可传播性造成了核心的信任冲突。Google 可以控制生成过程，却无法控制输出可能流向的每一种语境。

迅速撤回也传递了一个信号。Google 显然在该功能获得更广泛采用前，就认定其初始控制措施不足。

更慢的回应可能会产生更多与具体地点相关的合成图像。即使后续防护措施阻止了相同提示词，这些文件仍可能持续传播。

因此，撤回限制了进一步的风险暴露。但它没有抹去已生成的图像，也没有解决合成地理媒体带来的更大问题。

为什么 Google Earth 面临不同的信任考验

Google Earth 内置的图像生成器会从周边产品继承可信度，即使它的输出从未改变底层地图。

人们使用 Google Earth 进行教育、规划、环境研究、历史对比和休闲探索。记者和调查人员也会使用俯视图像评估实体变化。

卫星证据曾记录受损建筑、军事部署、洪水分布、森林砍伐、作物状况和建设活动。分析人员通常会比较日期、图像提供方、坐标、阴影和周边特征，再得出结论。

Google Earth 本身并非情报结论。其界面仍为用户提供了一个熟悉的入口，以查看真实地点的图像。

这一角色使合成内容格外敏感。来自通用图像生成器的虚构城市景观，并不隐含对某个精确地点的主张。

而根据选定地图位置生成的虚构城市景观，则带有更多信号。它可能保留与观测相关的地理形状、拍摄角度、地标或界面元素。

问题在于来源信息，也就是媒体来自何处、如何被修改的信息。内容离开原始应用后，来源信息仍必须清晰易懂。

Google 最初将 SynthID detection 视为一项防护措施。SynthID 会向 AI 生成媒体嵌入信号，使受支持的 Google 工具能够帮助识别其来源。

这项保护在有意进行核验时很有用。但它不能保证每位受众都会在反应或分享之前检查可疑图像。

水印也存在传播层面的难题。隐形信号用于机器检测，而错误信息往往依靠人们的即时解读而奏效。

可见标签或许有帮助，但也可能被裁剪。截图、录屏、重新压缩和转发同样可能使内容脱离周边披露信息。

由 Coalition for Content Provenance and Authenticity 制定的开放来源标准提供了另一种方案。它可以附加关于资产来源和编辑记录的签名信息。

不过，元数据依赖兼容工具，也需要在不同平台间得到保留。它并非应对欺骗性呈现的通用屏障。

这种根本性的不对称有利于误导性帖子。创作者可以迅速生成并传播一张煽动情绪的图像；核验则需要注意力、兼容工具以及可靠对比材料的获取渠道。

在冲突或灾害期间，这一负担会更加沉重。受众预期信息并不完整，图像传播很快，而真实的视觉记录也可能无法立即获得官方确认。

在 Google 的实验之前，深度伪造卫星图像就已经存在。2025 年一项关于卫星深度伪造的分析记录了它们在军事冲突相关叙事中的使用。

Google Earth 并未创造这种威胁。它的整合降低了在熟悉地理环境中制作地点关联图像所需的门槛。

这一区别解释了为何与普通照片编辑器的比较遗漏了部分担忧。该工具的技术能力并不独特，但其嵌入位置与交互设计不同寻常。

产品提供了地点、视角、基础图像和可识别的语境。Nano Banana 2 则提供虚构事件。

这些元素结合在一起，将原本需要多个步骤的伪造过程压缩成一句简短提示词。这种便利性使可预见的滥用立即成为产品设计问题。

核心权衡是创作自由与地理完整性之间的取舍

Google 必须决定，不受限制的视觉想象是否应当存在于一个用户视为真实地点记录的服务之中。

该功能的正当用途很容易理解。教师可以重建古代聚落；规划人员可以在施工前可视化树木、步道或公共空间。

建筑师可以在真实环境中探索设计构想。居民也可以在无需学习专业建模软件的情况下，对比社区可能发生的变化。

这些用途受益于同样会带来风险的地点感知能力。由于模型能够基于可识别的地形和建筑进行创作，结果会更有实用价值。

因此，Google 面临的是一项权衡，而不是在有用与有害技术之间作出简单选择。足以阻止危险场景的严格限制，也可能拒绝无害的历史或规划请求。

基础关键词过滤很难理解语境。城市上空的烟雾可能是在呈现工业设计、野火情景、历史事件，也可能是一次虚构袭击。

涉及士兵的请求可以用于课堂材料，也可以用于宣传。边境附近的人群可能描绘规划需求、虚构故事，或关于当前移民情况的虚假说法。

更强的防护措施可能需要多层机制。提示词过滤可以阻止直接请求暴力、灾害、政治操纵和其他敏感场景。

图像分析可以在交付前检查结果。地点规则可以对政府设施、军事设施、边境、冲突地区和关键基础设施实施更严格的控制。

界面可以加入永久可见的标签。导出控制可以保留这些标签，而来源记录则可支持后续核验。

Google 也可以限制真实感。风格化输出仍可用于概念开发，同时降低其与真实航拍照片的相似性。

另一种选择是将生成与实时 Earth 视图分离。独立的“概念模式”可以采用不同的色彩、构图和文件处理方式。

最强的设计应让每一项输出中的合成状态都一目了然，而不仅仅是在创建流程内显示。它还应避免地图界面无意中成为真实性线索。

这些控制措施都无法提供确定性。用户可以裁剪标签、拍摄屏幕，或使用其他软件重建受限制的场景。

这一反驳并不能消除 Google 对自身整合的责任。即使无法消除所有达到同一结果的途径，平台仍可以减少可预见的滥用。

更困难的问题是可接受的剩余风险。Google 尚未公开说明，在功能恢复前，其改进后的防护措施必须通过什么测试。

目前仍不清楚，该公司会否封锁整类提示词、限制特定地点、降低真实感，或重新设计导出流程。

Google 还必须决定，生成后的检测是否足够。其最初回应强调了识别工具和政策执行。

撤回功能表明了一种不同的标准。现在看来，预防比要求接收者在可疑内容传播后再进行核验更为重要。

这一转变正是报道的核心反转：Google起初对水印和政策过滤充满信心，但现实测试对这些控制措施提出挑战后，公司撤下了该功能。

公司的下一版设计将揭示其吸取了什么教训。一份狭窄的禁用词清单，意味着只是渐进式回应。

而一个在视觉上明确隔离的模拟环境，则显示出更深层的重新评估——它会将产品语境本身视为安全体系的一部分。

水印无法独自承担全部安全责任

Google最初的防护措施着眼于生成文件的来源，但批评者展示的风险涉及语境、传播和人类行为。

Google表示，Nano Banana 2的输出包含SynthID，并带有可见的AI生成标识。该公司还称，其政策禁止生成有害图像。

发布后的测试显示，这些控制措施并未始终阻止令人担忧的场景出现。Digital Digging的调查记者Henk van Ess制作了与敏感政治和军事议题相关的伪造场景。

其他测试者生成了大城市遭破坏的画面，并篡改了知名地标。一名用户称，仅通过简短提示词，就生成了作者住所附近的军用车辆。

这些已报道的演示在真实感上差异很大。有些存在不合常理的比例或视觉瑕疵，另一些则乍看之下颇具迷惑性。

这种差异本身也会带来危险。拙劣的示例可能让人误以为，所有合成图像都会因明显错误而暴露身份。

模型会进步，提示词会更精细，而社交媒体帖子往往出现在小屏幕上。观看者看到一张图的时间也可能只有几秒。

关键的不确定性并不在于法证分析师能否识别篡改，而在于普通接收者在相信或分享某项说法前，是否会遇到足够的阻力。

Google的检测工具可以帮助已经产生疑虑的人，但它们无法强迫人们在一张煽动情绪的图像影响认知前停下来审慎思考。

水印也依赖于对原始信号的获取。各种转换可能使检测变得复杂，尽管Google将SynthID设计为能经受常见修改。

没有任何现有披露方法可以取代核查来源的必要性。面对一张戏剧性的俯视图，最安全的做法仍是找到它最早出现的位置，并与独立图像进行比对。

研究人员可能会检查地形、天气、阴影、时间戳和已知卫星过境信息。他们还可以寻找商业服务商或公共项目提供的匹配证据。

大多数社交媒体用户不会做这些工作。因此，当伪造速度快过分析速度时，新闻机构和核查团队将面临压力。

问题还不止于成功的欺骗。大量合成卫星图像会让真实证据更容易遭到质疑和否认。

这种效应有时被称为“骗子红利”。一旦逼真的伪造内容变得常见，人们就可以在没有证明的情况下，将真实材料指为合成内容。

Google Earth的声誉加剧了这一风险的两面性。其界面可能为伪造截图增添可信度，而争议也可能削弱人们对合法图像的信心。

有一项重要的澄清必须明确：被撤下的功能并未修改公开的Google Earth数据库。

将每项输出都称为伪造的Google Earth地图，会夸大实际发生的情况。该工具根据用户选择的地点，生成由用户请求的图像。

这一技术边界降低了数据库遭到悄然污染的风险，但无法阻止误导性转载、虚假说明文字，或披露提示被移除。

因此，这次回滚应被视为降低风险，而不是证明Google Earth变得不可靠。其既有图像仍与生成结果相互分离。

Google面临的挑战，是在用户心中维持这种区隔。如果导出的媒体在视觉上抹去了这种界限，数据库边界便不足以解决问题。

Google的回滚给更广泛的AI产品行业带来压力

这一事件提高了安全标准：任何将生成式媒体嵌入与证据、测量或专业判断相关工具的公司，都必须达到这一标准。

通用图像生成器已经面临与公众人物、选举、暴力、色情内容和受版权保护角色相关的限制。其输出通常始于界面清晰的创作环境。

特定语境下的产品则引入了额外期待。医疗软件、地图软件或安全平台中的图像生成器，会从其所处环境中获得含义。

用户评判的不只是生成的像素，也包括源应用、标签、坐标、周边数据和预期用途。

这一原则要求产品团队在发布前评估语境性滥用。通用模型测试无法覆盖宿主产品继承的每一种信任关系。

Google的发布表明，模型即使遵守了广义图像政策，仍可能为特定界面产生不可接受的结果。

虚构的爆炸画面在艺术工具中可能被允许；但同一场景一旦附上精确坐标，就可能成为关于真实事件的虚假说法。

竞争对手应研究这一区别。Microsoft、Apple、地图服务商、卫星公司和地理信息系统供应商都在加入AI辅助工作流。

它们的实现方式各不相同，许多产品侧重分析而非照片级真实生成。不过，每一家都必须区分观察、预测、模拟和虚构。

这些标签对应的是实质不同的输出。观察代表采集的数据；预测估计未来状况；模拟构建一种可能情景；虚构则描绘不具证据地位的内容。

混淆这些类别，即便没有恶意意图，也可能造成错误。一名匆忙的员工可能会在演示文稿中放入模拟图像，却未保留其标签。

之后的观看者可能将那张幻灯片视为文档证据。错误可能经由报告、消息渠道或自动化知识系统扩散。

组织需要在模型防护之外建立来源追溯实践。团队应保留原始文件、来源URL、日期、转换历史和核查记录。

可搜索的AI知识库可以帮助员工将证据与解读、生成草稿分开保存。但系统仍需要清晰标注和谨慎审查。

开发者还需要针对传播建立威胁模型。测试应涵盖裁剪、截图、重新压缩、转载、虚假说明文字，以及脱离原始界面后的传播。

安全审查应询问：每次转换后，哪些信息仍然可见？还应审视品牌或界面元素是否会制造误导性的权威感。

Google的回应提供了一项产品治理教训：当公开测试暴露出预期用途与实际行为之间的不匹配时，快速回滚机制至关重要。

该公司在大约一天内采取行动。这限制了进一步生成，尽管短暂的暴露期仍引发了广泛批评，并留下可复用的示例。

回滚不能替代发布前测试，但在团队重新评估假设时，它可以防止设计错误变成永久功能。

更广泛的行业压力指向承载证据的软件。供应商必须证明，合成功能不会悄然借用事实工具的信任。

随着图像模型进步，这项义务会更加严格。更高的真实感会提升创作价值，但也会减少过去用来揭露伪造的视觉线索。

Google如今必须证明，“更强的护栏”不只是更好的拒绝措辞。重新设计必须处理生成媒体与地理权威之间的关系。

Google的回滚仍留下哪些未解问题

三个信号将决定Google究竟是重新设计了该功能的信任模型，还是仅仅收紧了过滤器。

第一个信号是任何重新发布的形式。Google尚未公布回归日期，也没有发布完整的计划变更清单。

如果重新发布时带有持续可见的视觉标识、独立的概念模式和受保护的来源追溯机制，将更能证明这是一次实质性重新设计。若界面几乎相同，只是屏蔽了更多提示词，则会削弱这一判断。

地点政策将与提示词政策同样重要。敏感地点和活跃冲突地区会带来普通创意场景所没有的风险。

Google可能会限制在军事地点、边境、政府设施、关键基础设施和正经历灾害的地区附近生成内容。这类控制措施将引入有关覆盖范围、时效性和政治中立性的棘手问题。

第二个信号是独立的对抗性测试。研究人员应重现绕过初始防护的场景，并在不传播有害素材的前提下发布可复现的发现。

成功的系统应能抵御间接表述、迭代编辑、虚构框架，以及多个单独无害提示词的组合。它还应在正常导出后保留披露信息。

独立测试也可能揭示过度拦截的问题。如果防护措施拒绝任何涉及人群、烟雾、基础设施或政治地标的提示词，历史教育和城市规划都会受损。

这一结果并不能证明功能安全或不安全，而是会显示Google是否在创作实用性与地理完整性之间找到了可行平衡。

第三个信号是生成文件在Google Earth之外的表现。持久标签和可验证凭据在截图进入社交信息流和私密消息后尤为重要。

Google应说明SynthID能够承受哪些修改，还应澄清当用户无法获得原始文件时，如何验证内容。

公司的公开指南不应将全部负担推给接收者。核查工具很有价值，但产品设计必须在传播前减少模糊不清的输出。

Earth可信度之争表明，一项功能可以多么迅速地挑战多年积累的信任。这种信任难以量化，也很容易被低估。

Google Earth仍然有用，是因为用户期待记录图像与想象场景之间存在一条有意义的界限。维护这条界限，比保留一项实验性功能更重要。

新闻周期终将转向下一次发布，但对于每一个加入生成式AI、以证据为导向的平台而言，底层产品问题仍将存在。

模拟应存在于何处？当合成材料离开原始工具时，哪些信号必须得以保留？

对开发者、企业采购方、记者和知识工作者而言，眼下的行动很直接：将地理图像视为需要来源追溯的主张，尤其是在快速发展的事件期间。

保留来源，记录发布日期，区分观察与模拟，并通过独立图像核查戏剧性场景。即便水印得到改进，这些习惯仍然必要。

Google的下一次发布将给出最明确的答案。如果该公司能在视觉上将想象与证据区分开来，这次回滚将显得是一次有意义的纠正。

如果它主要依赖隐藏式检测和更广泛的关键词屏蔽，原有冲突就会卷土重来。届时，下一则标题所讨论的仍将是同一个信任问题，而非一个新问题。