Автор: Олександра Ковальчук

Ще кілька років тому відповідь на питання «це фото справжнє чи згенероване?» давалася інтуїтивно: око шукало помилки в пальцях, у тінях, у тексті на вивісці. Сьогодні генератори зображень помиляються рідше, і людське око стає ненадійним інструментом. Саме тому з’явилася потреба в систематичній перевірці, де кожен сигнал має свою вагу. Якщо вам потрібно швидко перевірити фото на ші без реєстрації й без встановлення програм, варто розуміти, що саме показує такий інструмент і чого він показати не може.

Перевірка фото на ШІ сьогодні спирається на три незалежні типи сигналів. Перший — цифровий слід у метаданих: стандарт C2PA (Content Credentials), поля IPTC і XMP, EXIF, а також текстові блоки, куди локальні генератори записують параметри. Другий — статистичні ознаки самих пікселів, які видно лише через аналіз. Третій — поведінка ML-класифікатора, навченого розрізняти реальні фотографії й зображення, створені моделями. Ці сигнали незалежні, тому їхнє поєднання значно надійніше, ніж довіра до одного з них.

• Поріг доцільно визначити заздалегідь, а не підганяти під конкретну картинку
• Зафіксуйте дату перевірки, версію файлу, отримані метадані, ймовірність, визначений поріг і висновок
• Людина має вміти читати результат, розуміти, що ймовірність не є вироком, знати типові хибні спрацювання і не довіряти відсутності міток як доказу
• Кожен сигнал має свої межі, і їхнє поєднання дає значно більше, ніж будь-який окремий результат

Жоден метод не дає стовідсоткової відповіді, і чесний інструмент прямо це визнає. Наявність запису про генерацію в метаданих майже однозначно вказує на походження від ШІ, бо випадково такий запис не з’являється. Але його відсутність нічого не доводить: метадані вирізаються під час пересохранення, скриншотів, пересилання через месенджери. Класифікатор пікселів, у свою чергу, дає ймовірність, а не факт, і може помилятися в обидва боки.

Найпростіше перевіряються повністю згенеровані зображення з чесними позначками, а найскладніше — частково змінені кадри. Якщо ШІ домалював небо або прибрав перехожого на справжньому знімку, класифікатор усього кадру може не відреагувати. Скриншоти з соцмереж займають проміжне місце: вони втрачають метадані і додають власні артефакти інтерфейсу та масштабування. Тому найцінніше, що можна зробити перед перевіркою, — знайти найкращу доступну копію файлу.

Метадані C2PA та IPTC як перший рівень перевірки

Стандарт C2PA працює як ланцюжок походження. Зображення отримує маніфест із підписом того, хто його створив або змінив, і переліком дій над файлом. Для генеративного ШІ в маніфесті ставиться тип джерела trainedAlgorithmicMedia, а для монтажу з ШІ-фрагментами — compositeWithTrainedAlgorithmicMedia. Криптографічний підпис робить підробку складнішою, але не неможливою: перевірити його можна окремо, через офіційний сервіс перевірки Content Credentials.

Той самий словник використовується і поза C2PA. Поле DigitalSourceType у XMP-блоці файлу дозволяє записати тип джерела навіть без повного маніфесту. Це простіша мітка, але її легко видалити, і саме тому вона не може бути єдиним аргументом. Наявність такого поля — сильний сигнал; відсутність — лише привід перейти до наступного кроку.

Окрема категорія — параметри генерації, які локальні інструменти зберігають прямо у файлі. Stable Diffusion WebUI записує промпт і налаштування в текстовий блок PNG з назвою parameters, а ComfyUI зберігає блоки prompt і workflow. Прочитавши ці поля, можна побачити не лише факт генерації, а й модель, кроки, розмір і зерно. Однак багато користувачів очищують метадані перед публікацією, тож ці дані присутні далеко не завжди.

Метадані відповідають на питання «що про цей файл заявлено», а не на питання «що насправді на пікселях». Розрізняти ці два шари — перша навичка будь-якого аналітика зображень.

ML-детекція в браузері: як це працює

ML-класифікатор не розуміє сюжету картинки. Його навчають на великих наборах реальних і згенерованих зображень, і він вловлює статистичні сліди генерації: характерний шум, регулярності, що виникають після підвищення роздільності, особливості текстур і градієнтів. Практичний плюс такого підходу в тому, що він працює без метаданих, тобто там, де перший рівень уже нічого не дає.

Важливо, де саме відбувається обчислення. Модель, яка запускається в браузері, обробляє пікселі локально, і файл не покидає пристрій. Це знімає питання приватності для цього етапу, що особливо важливо для редакцій і юристів, які працюють з неопублікованим матеріалом. Перший запуск зазвичай вимагає завантаження ваг моделі, після чого вони кешуються і повторні перевірки проходять швидше.

Типова схема обробки виглядає так: зображення зменшується до компактного розміру за коротшою стороною, з центру вирізається квадрат фіксованого розміру, і модель видає одне число, яке переводиться в ймовірність. Поріг, за яким результат трактується як «ймовірно ШІ», задає автор моделі під час калібрування. Це ключовий момент: відсоток не є часткою «фальшивості» кадру, а є позицією на внутрішній шкалі моделі.

Стиснення, зміна розміру й повторне збереження впливають на результат суттєво. Кожне збереження в JPEG з іншою якістю додає власні артефакти, які можуть зсунути оцінку на помітну величину, особливо поблизу порогу. Тому один і той самий кадр у двох копіях може дати різні висновки, і це саме по собі є інформацією: зображення перебуває в зоні невизначеності.

Як вибрати інструмент перевірки: критерії оцінки

Перший критерій — приватність. Перед завантаженням варто з’ясувати, чи залишає файл пристрій, чи зберігається він на сервері і чи логуються дані. Інструмент, який аналізує пікселі в браузері, за визначенням кращий у цьому сенсі, ніж той, що надсилає кожне фото на віддалений сервер, хоча й для розбору метаданих зазвичай потрібне завантаження.

Другий критерій — технічні обмеження. Слід перевірити максимальний розмір файлу, підтримувані формати й реальну швидкість обробки. Наприклад, деякі формати, як HEIC або TIFF, браузер може не відкривати, і тоді ML-аналіз для них недоступний. Ліміт розміру, скажімо до 20 МБ, важливий для великих оригіналів з професійних камер.

Третій критерій — прозорість методу. Добрий інструмент пояснює, які сигнали аналізуються, і не подає ймовірність як вердикт. Він чесно вказує на обмеження, зокрема на слабкість щодо стиснених, малих і оброблених зображень. Якщо сервіс обіцяє стовідсоткову точність, це червоний прапорець.

Четвертий критерій — практична зручність: відсутність обов’язкової реєстрації і реальна вартість використання, а не лише заява на головній сторінці. Варто перевірити, чи не обмежено кількість перевірок і чи доступні всі можливості без оплати.

Покроковий сценарій перевірки фото

Почніть з підготовки файлу. Збережіть оригінал без повторної компресії, краще з першоджерела, а не з месенджера чи стрічки соцмережі. Якщо можливо, знайдіть попередню публікацію через зворотний пошук за зображенням: там часто є більша роздільність і збережені метадані.

Далі перевірте метадані. Якщо маніфест C2PA або мітка DigitalSourceType присутні, це найвагоміший аргумент, і його варто зафіксувати. Якщо їх немає, це не привід робити висновок, а лише перехід до наступного етапу. Тому, щоб швидко перевірити фото на ШІ, зручно скористатися онлайн-детектором зображень, який аналізує файл без встановлення програм і не вимагає реєстрації.

Третій крок — ML-аналіз пікселів. Запустіть класифікатор на тому самому оригіналі і запишіть отриману ймовірність разом з порогом, за яким інструмент трактує результат. Для повного циклу з однією фотографією зазвичай достатньо кількох хвилин, включно з першим завантаженням моделі. Для пакета з десяти файлів час зростає переважно через ручний огляд, а не через обчислення.

Останній етап — огляд очима і контекст. Перевірте руки, написи на вивісках, відображення в дзеркалах і окулярах, узгодженість тіней, текстури волосся і шкіри. Оцініть, хто опублікував кадр, чи є інші знімки тієї ж події, чи збігаються погода, одяг і вивіски з місцем і датою. Жоден крок сам по собі не дає відповіді «так» або «ні»: впевненість з’являється тоді, коли кілька незалежних сигналів вказують в один бік.

Типові помилки під час перевірки та як їх уникнути

Найчастіша помилка — хибне спрацювання на фотографіях із сильною обробкою. HDR, нічний режим смартфона, апскейлери, шумозаглушення і портретні фільтри залишають сліди, схожі на генерацію. Висока оцінка такого знімка є типовим прикладом хибної тривоги, і її треба перевіряти через метадані камери й джерело.

Друга помилка — довіра до відсутності міток як до доказу справжності. Це логічна пастка: відсутність C2PA означає лише те, що мітки немає, а не те, що зображення створила людина фотоапаратом. Більшість генераторів такі мітки взагалі не пишуть, а більшість платформ їх прибирають.

Третя помилка — перевірка копій, у яких метадані вже знищені. Скриншот, репост, пересилання в месенджері майже завжди змінюють файл. Тому перевірку варто проводити на першій доступній версії, а не на тій, що дійшла через кілька рук.

Четверта помилка — сприйняття відсоткової ймовірності як точного факту. Оцінка 70% означає, що модель бачить ознаки генерації, але не гарантує їх. Висновок має спиратися на сукупність сигналів, а не на одне число.

Завдання, які вирішує перевірка фото на ШІ

Для редакцій і контент-команд головне завдання — верифікація зображень перед публікацією. Фото, що йде з новинним повідомленням, має бути перевірене до того, як його побачить аудиторія, і результат перевірки варто зафіксувати разом з матеріалом. У таких умовах швидкий перший рівень аналізу економить час редактора, а складні випадки передаються експертам.

Друге завдання — перевірка візуального матеріалу в рекламі, тендерах і комерційних пропозиціях. Тут фото часто слугує доказом якості: зображення виробу, об’єкта або обладнання. Якщо картинка має виглядати як реальна фотографія, а насправді згенерована, це питання довіри і в деяких випадках юридичної відповідальності.

Третє завдання — аналіз фото в розслідуваннях і верифікації джерел. Журналісти й дослідники отримують зображення від третіх осіб і мають оцінити їхню достовірність без установки складного програмного забезпечення. Тут особливо цінні всі три рівні перевірки разом, а результат інструменту стає лише одним із аргументів.

Висновки для команд: як інтегрувати перевірку в процес

Щоб перевірка працювала систематично, варто описати її в регламенті: хто перевіряє, на якому етапі процесу, з яким порогом довіри і що робити в спірних випадках. Для спірних випадків корисно передбачити обов’язкову ескалацію до іншого фахівця.

Документування результатів важливе для аудиту й для юридичних ситуацій. Такий запис дозволяє пізніше пояснити, на чому базувалося рішення, навіть якщо інструмент оновився або файл змінився.

Навчання співробітників — окрема частина процесу. Інструмент лише підказує напрямок, а відповідальність за висновок залишається за людиною.

Підсумовуючи, перевірка фото на ШІ — це не один тест, а послідовність незалежних сигналів: метадані, статистика пікселів, огляд очима і контекст. Якщо ставитися до інструментів як до джерела аргументів, а не як до арбітра, перевірка стає надійною частиною роботи з візуальним контентом.