Детектор ШІ-зображень: перевірити фото на ШІ

Як перевірити фото на ШІ: порядок дій

Перевірити фото на ШІ найнадійніше не одним детектором, а кількома незалежними сигналами. Інструмент на цій сторінці дає два з них — метадані й оцінку ML-моделі, — третій лишається за вами: джерело й контекст картинки. Робочий порядок такий:

1. Знайдіть оригінал. Зворотний пошук за картинкою (Google Lens, TinEye) часто веде до першої публікації — з підписом автора, більшою роздільністю й інколи з метаданими, що загубилися в репостах.
2. Перевірте метадані. Якщо генератор записав маніфест C2PA або мітку IPTC, це найвагоміший аргумент. Детальний розбір маніфесту — у C2PA Checker.
3. Запустіть ML-модель. Вона дивиться на пікселі й працює, коли метаданих немає.
4. Подивіться очима за чек-листом на сторінці: руки, написи, відображення, тло.
5. Оцініть контекст: хто опублікував, чи є інші кадри тієї ж події, чи збігаються погода, вивіски, одяг із місцем і датою.

Жоден крок сам по собі не дає відповіді «так/ні». Упевненість з’являється, коли кілька сигналів вказують в один бік.

Що бачить детектор ШІ-зображень

Метадані: запис про походження

Частина генераторів чесно позначає свої файли. Стандарт C2PA (Content Credentials) зберігає у файлі підписаний маніфест: хто створив зображення і які дії з ним виконували. Для генеративного ШІ в маніфесті ставиться тип джерела trainedAlgorithmicMedia, для монтажу з ШІ-фрагментами — compositeWithTrainedAlgorithmicMedia. Той самий словник IPTC використовується й без C2PA — у полі XMP DigitalSourceType. Локальні генератори пишуть своє: Stable Diffusion WebUI зберігає промпт і налаштування в текстовий блок PNG parameters, ComfyUI — у блоки prompt і workflow.

У метаданих дві властивості, які варто пам’ятати. Їхня наявність — сильний сигнал, бо випадково такий запис не з’являється. Їхня відсутність не означає нічого: блоки видаляються під час пересохранення, а стерти їх може будь-хто — тим самим видаленням EXIF. Ми показуємо, що заявлено в маніфесті, але не перевіряємо підпис криптографічно; для цього є офіційний сервіс contentcredentials.org/verify.

Пікселі: чого навчається класифікатор

ML-детектор не «розуміє» сюжет. Його навчено на сотнях тисяч реальних і згенерованих картинок, і він уловлює статистичні сліди генерації: характерний шум, регулярності після підвищення роздільності, особливості текстур. Модель на цій сторінці — класифікатор усього кадру: зображення зменшується до 440 px за коротшою стороною, з центру береться квадрат 384×384, на виході — одне число, яке ми переводимо в ймовірність. Поріг «скоріше ШІ» — 65%: його обрав автор моделі під час калібрування.

Невидимі водяні знаки

Окремий клас сигналів — водяні знаки в самих пікселях. Найвідоміший — SynthID від Google: він вбудовується в зображення моделей Google і розрахований на те, щоб пережити стиснення й обрізання. Прочитати його може лише детектор Google, тому ця сторінка його не визначає. Як перевірити SynthID через Gemini, розібрано в окремій інструкції.

Де детектори помиляються

Розуміти слабкі місця корисніше, ніж пам’ятати відсотки точності:

• Сильна обробка реальних фото. HDR, нічний режим смартфона, ШІ-шумозаглушення, апскейлери й б’юті-фільтри залишають сліди, схожі на генерацію. Висока оцінка такого кадру — часта хибна тривога.
• Часткові правки. Якщо ШІ домалював небо чи прибрав перехожого, а решта — справжній знімок, класифікатор усього кадру може не помітити вставку.
• Маленькі й перестиснені картинки. Прев’ю, аватарки, кадри з месенджерів втрачають дрібні деталі, за якими працює модель. На картинках менших за 256 px за коротшою стороною інструмент окремо про це попереджає.
• Скриншоти й фото екрана. Додають рамки, інтерфейс, муар і перерахунок масштабу — сигнал розмивається.
• Нові генератори. Модель знає те, на чому навчалася. Генератор, що вийшов після навчання, може давати картинки, які вона пропускає.
• Малюнки, 3D і CGI. Цифрова графіка, зроблена людиною, — не фотографія, і модель може оцінювати її непередбачувано.

Чому різні детектори дають різну відповідь

Якщо перевірити одну картинку в трьох сервісах, легко отримати 12%, 58% і 97%. Це не обов’язково означає, що якийсь із них зламаний. Кожну модель навчено на власному наборі даних: одна бачила багато Midjourney і мало FLUX, інша — навпаки. У кожної свій поріг: десь «ШІ» починається з 50%, у нас — з 65%. Зрештою, відсоток одного сервісу не дорівнює відсотку іншого: це внутрішня шкала моделі, а не спільна одиниця виміру.

Тож порівнювати варто не цифри, а висновки, і лише на тому самому файлі. Навіть повторне збереження JPEG з іншою якістю чи обрізання країв можуть зсунути оцінку на десятки відсоткових пунктів, особливо біля порогу. Якщо результат змінюється залежно від того, яку копію ви перевіряєте, це вже інформація: картинка в зоні, де моделі не впевнені, і висновок треба робити за метаданими, джерелом і ручним оглядом.

Крім того, детектори старіють. Генератори оновлюються що кілька місяців, і модель, навчена пів року тому, може гірше впізнавати свіжі версії. Ми вказуємо, на яких генераторах навчено модель на цій сторінці, щоб було зрозуміло, де її оцінка надійніша.

Як читати результат перевірки

Якщо сумніваєтеся, перевірте найкращу доступну копію: файл у повній роздільності з першоджерела майже завжди дає змістовніший результат, ніж картинка зі стрічки.

Практичний чек-лист перед висновком

• Чи є в зображення автор, дата й місце, які можна перевірити?
• Чи знаходиться раніша публікація або кадр більшої роздільності?
• Що в метаданих: C2PA, DigitalSourceType, параметри генерації, EXIF камери? Пам’ятайте, що EXIF легко підробити.
• Яку оцінку дає модель на оригіналі, а не на скриншоті?
• Чи сходяться дрібниці: пальці, текст на вивісках, відображення, тіні, симетрія прикрас?
• Чи не оброблено кадр так, що це пояснює високу оцінку (HDR, ретуш, апскейл)?

Для повного аудиту файлу — прихованих міток, LSB-аномалій і очищення метаданих — скористайтеся детектором водяних знаків на зображенні.