Paano malalaman kung ang isang imahe ay binuo ng AI

Maghanap ng paulit-ulit na texture, maling repleksyon at teksto na nahuhulog sa ilalim ng zoom. Pagkatapos ay suriin ang mga pixel gamit ang isang detector, dahil ang pinakabagong mga generator ay naayos na ang karamihan sa mga nagsasabi na tinuruan ang mga tao na hanapin.

Ano ang nagbibigay pa rin ng isang imahe ng AI

Ang mga modelo ng henerasyon ay bumubuo ng isang imahe mula sa mga pattern ng istatistika sa halip na mula sa isang eksena na umiral. Nag-iiwan iyon ng mga marka. Ang mga ito ay ang maaari mo pa ring matagpuan sa pamamagitan ng pagtingin, na inayos ayon sa kung gaano kadalas lumilitaw ang mga ito.

Ang teksto ay hiwalay. Ang mga karatula, label, spine ng libro at plaka ay nagiging mga markang hugis titik na walang binabaybay. Mag-zoom in sa anumang pagsusulat sa frame.
Paulit-ulit na texture. Ang gawa sa ladrilyo, halaman, mukha ng tao at habi ng tela ay nauulit nang may regularidad na hindi kailanman ginagawa ng isang lens.
Magkaiba ang mga repleksyon. Ang salamin, bintana o mata ay nagpapakita ng isang bagay na hindi tumutugma sa eksena, o walang ipinapakita.
Ang mga alahas at strap ay nasira. Ang kuwintas ay dumadaan sa likod ng leeg at lumalabas sa maling taas. Ang mga strap ng relo at mga braso ng salamin ay nagtatapos sa kalagitnaan ng hangin.
Natutunaw ang mga background. Ang mga bagay sa likod ng paksa ay nawawalan ng istruktura: isang upuan na may limang binti, isang frame ng pinto na yumuko.
Napaka-pantay ng balat. Ang mga pores, pinong buhok at mga dungis ay pinakinis sa isang plastik na ibabaw, lalo na sa mga pisngi at noo.
Ang ilaw ay walang solong pinagmulan. Ang mga anino ay nahuhulog sa dalawang direksyon, o ang isang mukha ay naiilawan mula sa harap habang ang eksena ay naiilawan mula sa likod.

Gumagana pa rin sa 2026

Teksto at mga karatula sa ilalim ng zoom
Paulit-ulit na texture sa tela at mga halaman
Mga repleksyon na sumasalungat sa eksena
Mga alahas at strap na sumisira sa pagpapatuloy

Tumigil sa paggana

Pagbilang ng mga daliri
Makinang o waks na balat
Naka-warp na tainga at ngipin
Halatang mga error sa anatomya

Ang bawat item sa kaliwa ay dating maaasahan. Karamihan sa kanila ay naayos sa pagitan ng 2023 at 2025.

Kung bakit tumigil ang iyong mga mata sa pagiging maaasahang pagsubok

Ang mga nagsasabi na tinuruan ang mga tao na hanapin ay eksaktong binigyang-priyoridad ng mga may-akda ng modelo. Ang mga kamay ang naging biro noong 2023, kaya naayos ang mga kamay. Ang teksto ang sumunod. Ang natitira ay mga pagkabigo ng pisika at pagpapatuloy sa halip na mga pagkabigo ng anatomya, at ang mga iyon ay mas mahirap makita dahil kailangan ka nilang mangatuwiran tungkol sa eksena sa halip na i-scan ito.

May pangalawang problema. Ang isang nabuong imahe na na-screenshot, nai-post sa isang platform at muling nai-save ay nawawala ang pinong detalye na nagdala ng pagsabi. Sa oras na ang isang larawan ay umabot sa iyo sa pamamagitan ng isang panggrupong chat, ang ebidensya na iyong hahanapin ay na-compress na.

Paano suriin nang maayos ang isang imahe

Kunin ang orihinal na file
Humingi sa nagpadala ng file sa halip na isang screenshot. Sinasira ng compression ang signal na parehong pinagkakatiwalaan ng iyong mga mata at ng isang detector.
Tingnan ang frame sa buong laki
Mag-zoom sa 100 porsyento sa anumang teksto, repleksyon, o punto kung saan nag-overlap ang dalawang bagay. Doon nasisira ang pagpapatuloy.
Magpatakbo ng pagsusuri sa antas ng pixel
Binabasa ng detector ang statistical texture ng imahe sa halip na ang nilalaman nito. Nahuhuli nito ang nakaligtas sa isang screenshot, na hindi ginagawa ng iyong mga mata. Suriin ang isang imahe dito — tumatakbo ito sa iyong browser at ang file ay hindi na-upload.
Basahin ang mapa ng rehiyon, hindi lamang ang marka
Ang isang mainit na rehiyon sa isang malinis na frame ay nangangahulugan ng isang pag-edit, hindi isang nabuong larawan. Ang mga ito ay magkakaibang mga problema na may iba't ibang mga kahihinatnan.
Suriin kung saan nagmula ang imahe
Magpatakbo ng reverse image search para sa pinakamaagang kopya. Ang isang larawan online mula pa noong 2019 ay hindi output ng diffusion, anuman ang iminumungkahi ng mga pixel.

Ang nakikita ng isang detector na hindi mo nakikita

Ang sensor ng camera at modelo ng diffusion ay gumagawa ng magkakaibang relasyon sa pagitan ng mga magkakapitbahay na pixel. Ang pagkakaiba ay hindi nakikita sa anumang antas ng zoom, at nakaligtas ito sa isang screenshot. Binabasa ito ng isang detector, iskor ang buong frame, pagkatapos ay iskor muli ang frame bilang isang grid ng mga rehiyon.

Ang grid ang bahagi na pinakamahalaga, dahil pinaghihiwalay nito ang dalawang kaso na hindi magagawa ng isang solong numero. Ang isang ganap na nabuong imahe ay may mataas na marka sa lahat ng dako. Ang isang tunay na litrato na may isang bagay na idinagdag ay may mababang marka sa lahat ng dako maliban sa tile na naglalaman ng pag-edit.

12 9 14 11 87 16 8 13 10

Ang mga tile sa o sa itaas ng linya ng desisyon na 65 ay puno. Ang isang mainit na tile sa isang malamig na frame ay tumuturo sa isang lokal na pag-edit.

Isang tunay na litrato na may ipinasok na bagay. Ang walong tile ay nakaupo sa ibaba ng linya ng desisyon; ang ikasiyam ay hindi.

Paano basahin ang markang natanggap mo

Ang marka ay posibilidad, hindi hatol. Ang nagpapagamit dito ay ang pag-alam kung nasaan ang mga hangganan bago mo tingnan ang numero, kaya ang parehong resulta ay laging nagbabasa sa parehong paraan.

Walang AI signal 0–20
Malamang na totoo 20–45
Hindi sigurado 45–65
Malamang na AI 65–90
Malamang na AI 90–100

Ang limang banda na ginamit dito, na ang linya ng desisyon ay nasa 65. Ang mga detector na hindi naglalathala ng kanilang mga banda ay humihiling sa iyo na magtiwala sa isang numero na walang sukat sa likod nito.

Ang mga marka sa gitnang banda ay ang tapat na sagot sa isang mahirap na imahe, hindi isang pagkabigo. Ang mabigat na compression, maliit na mga crop at mga screenshot ay nagtutulak sa mga resulta patungo sa gitna. Kung lumapag ka doon, sinasabi sa iyo ng imahe na hindi nito kayang magdala ng tiwala na sagot.

Kailan titigil at kukuha ng propesyonal

Wala sa mga ito ang forensic na pagsusuri. Kung ang sagot ay nagpapasya sa isang claim sa seguro, isang pagdinig sa pagdisiplina, isang kaso sa imigrasyon o anumang bagay na umabot sa isang korte, ang isang marka mula sa isang libreng tool sa browser ay hindi tamang instrumento. Mag-utos ng isang kwalipikadong digital forensic examiner at panatilihing hindi nagagalaw ang orihinal na file.

Mga tanong ng mga tao

Kaya mo bang malaman kung ang isang larawan ay gawa ng AI sa pamamagitan lamang ng pagtingin?

Minsan, at mas madalang kada taon. Ang teksto, paulit-ulit na tekstura, at sirang repleksyon ay nagpapakita pa rin ng maraming larawan. Nililinis ng mga kasalukuyang nangungunang generator ang lahat ng mga pagsusuring iyon, at ang anumang larawang na-screenshot o na-recompress ay nawawalan ng detalyeng gagamitin ng iyong mga mata. Ang pagtingin ay isang kapaki-pakinabang na unang hakbang at mahinang huling sagot.

Ano ang pinakamabilis na paraan upang suriin ang isang larawan?

I-drop ito sa isang pixel-level detector at basahin ang score at ang region map. Ilang segundo lang ito at nahuhuli kung ano ang nakaligtas sa screenshot. Sundan ito ng reverse image search kung mahalaga ang sagot, dahil mas pinaniniwalaan ang maagang petsa ng paglalathala kaysa sa anumang score.

Nakakatulong pa rin ba ang pag-zoom in?

Oo, sa mga partikular na bagay. Mag-zoom sa buong laki sa anumang sulat, anumang makintab na ibabaw, at anumang punto kung saan ang dalawang bagay ay nagkakapatong o dumadaan sa likod ng isa't isa. Mga problema iyon sa tuloy-tuloy na daloy kaysa sa mga problema sa anatomiya, at ang tuloy-tuloy na daloy ang hindi pa rin maayos na hinahawakan ng mga generator.

Ang mga larawan ba ng AI ay palaging may watermark o metadata?

Hindi. Ang ilang generator ay naglalaman ng Content Credentials o invisible watermark, ngunit ang karamihan sa mga larawan ay dumarating nang walang alinman. Ang metadata ay tinatanggal ng halos bawat plataporma kapag nag-upload, kaya ang kawalan ng marker ay walang pinapatunayan. Kaya naman ang pixel analysis lamang ang tanging paraan na gumagana pa rin sa isang larawang naglakbay.

Maaari bang mapagkamalang AI ang isang tunay na larawan?

Oo, at iyon ang pagkakamali na nagdudulot ng totoong pinsala. Ang mabigat na pag-retoke, pag-upscale, agresibong pagbawas sa ingay, at mga night mode ng telepono ay nagtutulak sa mga tunay na litrato paitaas. Kung ang larawang alam mong totoo ay may mataas na score, suriing muli ang orihinal na file sa halip na ang screenshot nito.