我们曾笃信一张照片胜过千言万语。因为照片被视为光线的直接拓印，是物理世界在感光介质上的诚实签名。然而，这种信任建立在一个脆弱的预设之上：图像必须是某种已发生之事的记录。在暗房时代，人们尚可通过底片与痕迹追溯真实性；但在数字原生、算法生成的今天，这一预设已然坍塌。图片信息不再是对现实的被动截取，而变成了一种主动的、带有预测性的构造——它不再告诉世界发生了什么，而是告诉世界应当看到什么。我们把这种转变称为图像从‘记录’向‘预制’的范式跃迁。
要理解这种跃迁的剧烈程度，不妨对比两个看似相似的瞬间。1989年，摄影师乔恩·麦克劳林拍摄了天安门广场上的坦克人，那张模糊的、随手抓拍的照片因为其毫不修饰的真实性而成为历史的证词。它诉诸于偶然、瑕疵和物理痕迹。而在2023年，一张由Midjourney生成的教皇穿着白色羽绒服的假照片在Twitter上疯传，无数人信以为真，直到专业媒体出面辟谣。这张图像没有任何真实对应的物理事件，它是由海量图片数据中提炼出的‘视觉概率分布’拼接而成的仿真品。这两张图片之间的差距，不是技术优劣的差距，而是本体论的差距。前者是‘此曾在’，后者是‘此可能’。当我们观看前者时，我们相信自己的记忆；当我们观看后者时，我们正在被算法重塑记忆。
进一步说，预制图像不仅是技术上的可能，更是资本与权力合谋的必然。传统的图像造假需要人工成本，且容易留下痕迹；而生成式模型将造像成本降为零，同时赋予图像以统计学意义上的‘自然感’。这意味着，我们正在进入一个‘超量图像’时代——每天产生的图片信息远超人类史前所有绘画的总和。但数量爆炸并未带来信息的民主化，反而催生了新的等级制度：那些掌握算力、数据集和模型训练权的人，可以通过预置参数来定义‘正常’、‘漂亮’和‘真实’。一个由西方互联网语料训练出的模型，生成的‘职业女性’面孔天然偏向特定族裔与审美；一个被反复投喂灾难图像的模型，在生成城市景观时会自动添加废墟感。图片信息从此不再中立，它携带了数据集的偏见，同时以逼真的形式掩盖这种偏见。我们失去了与图像争论的入口，因为‘伪造’本身已经无法被定义——当每一种图像都是算法从可能性空间中的一次抽样，那么‘伪造’与‘生成’的边界就被彻底模糊了。
面对这种预制现实，传统的图像素养教育显得苍白无力。过去我们强调‘有图有真相’、学会并解读光影构图，或者进行反向搜索验证，但这些手段对付不了概率性的伪造。真正的出路在于建立一种全新的‘批判性观看’：不再追问‘这张图像真实吗？’，而是追问‘这张图像如何可能？它让谁受益？它引导我看见什么，又遮蔽了什么？’我们需要把对单张图像的审查看作对整条生成链路的审视——从数据集到模型调参，从平台推荐算法到我们的认知偏差。与此同时，不妨重新拾回一种古老的智慧：怀疑并不等于虚无，而是对世界丰富性的尊重。当图像不再能证明现实，现实反而会因为我们持续的追问而变得更加清晰。预制现实并不可怕，可怕的是我们在预制图像的包围中，失去了想要伸手触摸原始经验的冲动。未来的视觉战士，不是能识破假图的人，而是能在假图泛滥的世界中，依然坚持为不可预制的情感留出底片的人。
