要让 AI 生成的图片不易被检测出来，可以尝试以下方法：

1. 数据集混杂：在训练 AI 模型时，将真实图片和 AI 生成的图片混合在一起，使得 AI 生成的图片在数据集中占比不高，从而降低检测器识别出它们的可能性。

2. 对抗性训练：针对检测器进行对抗性训练，提高模型对 AI 生成图片的鲁棒性。这意味着 AI 生成的图片在经过对抗性训练后，即使被检测器识别，也能在一定程度上保持其原始形态。

3. 生成对抗网络（GAN）调整：在 GAN 生成图片的过程中，可以尝试调整生成器和判别器的参数，以生成更难识别的图片。此外，可以尝试使用不同类型的 GAN 架构，如 WGAN、CGAN 等，来降低检测器的识别率。

4. 图像后处理：对 AI 生成的图片进行后处理，如添加噪声、模糊、压缩等操作，以降低其在检测器中的特征。

5. 多样化生成策略：采用多种生成方法和技术，如 diffusion、midjourney 等，混合生成图片。这样可以让生成的图片具有更丰富的多样性，降低检测器的识别概率。

6. 持续更新模型：随着 AI 技术的发展，不断更新生成器和检测器模型，以跟上时代潮流。这样可以确保生成的图片在当前检测器下具有较低的识别率。

需要注意的是，这些方法并不能保证完全避免 AI 生成的图片被检测出来。随着检测技术的不断进步，AI 生成的图片可能会被逐渐识别。因此，在实际应用中，要根据自身需求和法律法规，合理使用 AI 技术，切勿滥用。