Um detector de imagens por IA é uma ferramenta que lê os pixels de uma imagem e estima a probabilidade de um modelo generativo tê-los produzido. Ele analisa a textura estatística da própria imagem, não os metadados do arquivo, e retorna uma probabilidade, uma faixa de confiança e a evidência por trás do resultado.

O olho humano deixou de ser um teste confiável por volta de 2024. Os sinais que as pessoas foram ensinadas a procurar — mãos com seis dedos, texto derretido, pele vítrea — são os primeiros que os modelos mais recentes corrigiram.

Portanto, este detector de imagens por IA trabalha abaixo do nível visível. Um modelo treinado em milhões de quadros reais e gerados lê como cada pixel se posiciona em relação aos seus vizinhos; esse relacionamento difere entre um sensor de câmera e um modelo de diffusion de maneiras que sobrevivem a um print. Um bloco de EXIF removido não o cega.

No conjunto de referência, o modelo atinge 91,3% de precisão equilibrada em imagens limpas. Se codificar novamente essas mesmas imagens como JPEG com qualidade 60, mantém 87,3%. Se baixar para a qualidade 40, mantém 84,6%. Precisão equilibrada significa que as imagens reais e geradas são ponderadas da mesma forma, pelo que o valor não é inflacionado por um conjunto de testes desequilibrado.

Esses valores provêm da referência publicada do modelo, não de um teste interno. Descrevem a análise de pixéis nesse conjunto de dados, e a sua imagem não é esse conjunto de dados.

Os metadados são removidos no momento em que uma imagem é publicada em quase qualquer plataforma, pelo que uma verificação baseada em metadados falha precisamente nas imagens que as pessoas precisam de verificar. A imagem que um estranho lhe enviou passou por um processo de compressão sem dados de ficheiro para ler.

O EXIF contém a marca da câmara, lente, exposição e, por vezes, localização. Sobrevive a uma cópia direta do ficheiro. Não sobrevive a um upload para uma rede social, aplicação de mensagens, captura de ecrã ou à maioria das re-gravações.

As credenciais de conteúdo são uma melhoria real, e esta ferramenta verifica-as criptograficamente quando presentes. Apenas se mantêm quando cada ferramenta na cadeia as preserva, e um salvamento num editor sem suporte quebra a cadeia. A adoção é escassa, pelo que a maioria das imagens não contém nenhuma, e a sua ausência não prova nada. Marcas de água invisíveis funcionam quando o gerador aplicou uma e nada a perturbou desde então; um corte ou uma re-codificação pode remover a marca, e muitos geradores nunca aplicam uma.

Isso deixa a análise ao nível do píxel como o único método com algo para ler após uma captura de ecrã. Não é perfeito, e as secções abaixo são honestas sobre onde falha. É a única abordagem que sobrevive à forma como as imagens viajam na realidade.