Narzędzia takie jak Midjourney, ChatGPT, Gemini czy Stable Diffusion produkują obrazy, które na pierwszy rzut oka wyglądają jak profesjonalne zdjęcia. Weryfikacja ich pochodzenia wymaga połączenia trzech podejść: analizy wizualnej, sprawdzenia metadanych i testu w dedykowanym detektorze. Poznaj najważniejsze informacje na temat tego, jak sprawdzić, czy zdjęcie zostało wygenerowane.
Jak rozpoznać zdjęcie wygenerowane przez sztuczną inteligencję? Charakterystyczne cechy obrazów AI?
Modele generatywne mają charakterystyczne słabości, które powtarzają się niezależnie od wersji narzędzia. Znajomość tych wzorców pozwala wstępnie ocenić obraz bez żadnych dodatkowych narzędzi.
Dłonie i palce – zwłaszcza w starszych modelach AI
Pierwszym obszarem do sprawdzenia są dłonie i palce. Modele generatywne przez długi czas miały problem z poprawnym renderowaniem anatomii dłoni. Pojawiały się dodatkowe palce, nieprawidłowe stawy albo palce zrośnięte ze sobą. Nowsze wersje modeli radzą sobie z tym lepiej, ale przy powiększeniu nadal może być widać artefakty.
Tło i detale drugiego planu
Drugi sygnał to tło i detale drugiego planu. Na zdjęciach AI tło często traci spójność przy krawędziach obiektów. Napisy, szyldy i tablice rejestracyjne w starszych modelach zawierały losowe ciągi znaków zamiast czytelnego tekstu. Nowsze modele, np. ChatGPT Images 2.0, piszą już czytelnie, więc ten sygnał działa głównie przy starszych generatorach i drobnym tekście w tle. Podobnie wygląda sytuacja z biżuterią, zegarkami i innymi drobnymi elementami.
Symetria twarzy i skóra
Trzeci obszar to symetria twarzy i skóra. Twarze generowane przez AI bywają zbyt symetryczne, a skóra ma jednolitą, plastikową fakturę bez naturalnych niedoskonałości. Oczy często mają nienaturalny połysk lub źrenice o nieregularnym kształcie.
Oświetlenie i cienie
Czwarty sygnał to oświetlenie i cienie. Modele generatywne czasem produkują cienie padające w różnych kierunkach na tym samym obrazie. Odbicia w oczach bywają niespójne z otoczeniem widocznym na zdjęciu.
Krawędzie i przejścia
Piąty element to krawędzie i przejścia. Przy powiększeniu widać charakterystyczne rozmycie lub pikselizację wzdłuż krawędzi obiektów. Szczególnie tam, gdzie włosy lub futro stykają się z tłem.
Analiza wizualna jest szybka, ale zawodna przy obrazach z nowszych modeli. Stanowi punkt wyjścia, ale absolutnie nie ostateczną weryfikację.
Jak sprawdzić, czy zdjęcie zostało wygenerowane przez AI? 5 skutecznych metod?
Poniżej pięć metod ułożonych od najprostszej do najbardziej zaawansowanej.
Metoda 1: Analiza wizualna
Opisana powyżej analiza cech charakterystycznych zajmuje kilkadziesiąt sekund i nie wymaga żadnych narzędzi. Sprawdza się przy starszych modelach i obrazach niskiej jakości. Przy najnowszych generatorach jej skuteczność jest ograniczona.
Metoda 2: Wyszukiwanie obrazu
Google Images, TinEye i Bing Visual Search pozwalają sprawdzić, czy obraz pojawia się w innych miejscach w sieci. Jeśli zdjęcie pochodzi z banku fotografii albo z konkretnej sesji zdjęciowej, wyszukiwarka zwróci oryginalne źródło. Brak wyników nie oznacza jednak, że obraz jest wygenerowany. Może być po prostu nowy lub rzadko udostępniany.
Metoda 3: Analiza metadanych EXIF
Prawdziwe zdjęcia zawierają metadane EXIF z informacjami o aparacie, obiektywie, czasie naświetlania, przysłonie i lokalizacji GPS. Obrazy wygenerowane przez AI zazwyczaj nie mają tych danych albo mają je sztucznie dodane. Do odczytu metadanych służą narzędzia takie jak ExifTool, metapicz lub wbudowane funkcje systemów operacyjnych. Brak metadanych EXIF to sygnał ostrzegawczy, choć nie dowód. Zdjęcia udostępniane przez media społecznościowe są często z nich czyszczone automatycznie.
Metoda 4: Sprawdzenie standardu C2PA i SynthID
Coalition for Content Provenance and Authenticity (C2PA) to otwarty standard znakowania treści cyfrowych. Obrazy wygenerowane przez narzędzia obsługujące C2PA zawierają kryptograficznie podpisany manifest z informacją o ich pochodzeniu. Narzędzie Content Credentials Verify dostępne pod adresem contentcredentials.org pozwala sprawdzić, czy obraz ma taki manifest.
Google DeepMind wdrożył własny system znakowania SynthID, który osadza niewidoczny znak wodny bezpośrednio w pikselach obrazu. Znak wodny SynthID sprawdzisz w portalu SynthID Detector od Google (synthid.com) albo w aplikacji Gemini. Portal rozpoznaje obrazy z narzędzi Google, OpenAI, Nvidii i Kakao. Nie wykryje obrazów z modeli, które nie dodają SynthID.
Metoda 5: Dedykowane detektory AI
Specjalistyczne narzędzia analizują obraz pod kątem statystycznych wzorców charakterystycznych dla modeli generatywnych. Działają na zasadzie klasyfikatora binarnego wytrenowanego na zbiorach zdjęć prawdziwych i wygenerowanych.
Najlepsze narzędzia do wykrywania zdjęć AI – Hive Moderation, AI or Not, Illuminarty i inne
Na rynku dostępnych jest co najmniej kilkanaście detektorów obrazów AI. Różnią się one dokładnością, obsługiwanymi modelami generatywnymi i sposobem prezentacji wyników.
Hive Moderation
Hive Moderation to jedno z najczęściej cytowanych narzędzi w testach porównawczych. Oferuje API dla firm oraz interfejs webowy dla użytkowników indywidualnych. Analizuje obraz i zwraca procentowe prawdopodobieństwo, że obraz pochodzi z modelu generatywnego. Narzędzie jest wytrenowane na obrazach z Midjourney, DALL-E, Stable Diffusion i kilku innych generatorów. Hive ma też darmową wtyczkę do Chrome, która sprawdza obrazy bezpośrednio na stronie i próbuje wskazać, którym generatorem je zrobiono.
AI or Not
AI or Not (aiornot.com) to prosty detektor z interfejsem webowym. Użytkownik wgrywa obraz lub podaje URL, a narzędzie zwraca wynik binarny z poziomem pewności. Sprawdza obrazy, tekst, audio i wideo. Bezpłatna wersja ma limit zapytań, ale już w niej dostajesz klucz API.
Illuminarty
Illuminarty wykrywa obrazy AI, a w płatnym planie wskazuje też, który generator mógł być użyty. To przydatna funkcja przy weryfikacji treści w kontekście praw autorskich, bo różne modele mają różne warunki licencyjne.
Undetectable AI Image Detector
Narzędzie od Undetectable AI analizuje przesłany obraz i zwraca wynik z informacją, czy pochodzi z modelu generatywnego. Obsługuje popularne generatory i prezentuje wynik z poziomem pewności.
Slop Or Not
Slop Or Not to aplikacja na iPhone’a i Maca. Działa w całości na urządzeniu, bez wysyłania pliku na serwer. Odczytuje oznaczenia C2PA i IPTC, szuka znaku wodnego SynthID i podaje procentowe prawdopodobieństwo, że obraz stworzyła AI.
Narzędzie weryfikacyjne OpenAI
OpenAI udostępnia własne narzędzie pod adresem openai.com/pl-PL/research/verify/, które sprawdza sygnały wskazujące na wygenerowanie obrazu przez narzędzia OpenAI. Szuka znaku wodnego SynthID i metadanych C2PA od OpenAI. Przydaje się przy obrazach z ChatGPT, API OpenAI i Codexa, ale nie wykrywa obrazów z innych generatorów.

Zdj. 1. Weryfikator treści od OpenAI
Źródło: https://openai.com/pl-PL/research/verify/
CudekAI
CudekAI wykrywa obrazy generowane przez AI, zmanipulowane fotografie, deepfake i fałszywe dokumenty. Oferuje natychmiastową analizę z podziałem na kategorie zagrożeń.
Jak sprawdzić, czy zdjęcie ma metadane potwierdzające wykorzystanie sztucznej inteligencji?
Metadane to dane osadzone w pliku obrazu, niewidoczne gołym okiem. Składają się one z kilku warstw, z których każda dostarcza innych informacji.
Metadane EXIF zawierają dane techniczne aparatu:
- producent,
- model,
- ogniskowa,
- czas naświetlania,
- ISO,
- przysłona,
- data i godzina wykonania zdjęcia,
a przy włączonej geolokalizacji – współrzędne GPS. Prawdziwe zdjęcia z aparatów cyfrowych i smartfonów mają te dane domyślnie. Obrazy wygenerowane przez AI ich nie mają, chyba że ktoś je sztucznie dodał.
Metadane IPTC i XMP to dodatkowe warstwy używane przez fotografów i agencje do opisywania treści: autor, prawa autorskie, słowa kluczowe, opis. Niektóre narzędzia generatywne dodają do pliku informację o swoim udziale w tworzeniu obrazu właśnie w tej warstwie.
Standard C2PA idzie dalej. Manifest C2PA to kryptograficznie podpisany zapis historii pliku: kto go stworzył, jakie narzędzia były użyte, jakie modyfikacje wprowadzono. Podpis kryptograficzny sprawia, że manifest nie może być zmieniony bez unieważnienia podpisu. Narzędzia obsługujące C2PA to m.in. Adobe Firefly, Microsoft Designer oraz ChatGPT, Codex i API OpenAI. Weryfikacja odbywa się przez contentcredentials.org.
Do odczytu metadanych EXIF i IPTC służą:
- exifTool – bezpłatne narzędzie wiersza poleceń, obsługuje wszystkie popularne formaty,
- ezgif (View metadata) – interfejs webowy oparty na ExifTool,
- metapicz – prosty interfejs webowy,
- wbudowane właściwości pliku w systemie Windows i macOS.
Brak metadanych EXIF w pliku JPEG lub PNG to sygnał ostrzegawczy. Jednak wiele platform społecznościowych – Facebook, Instagram, Twitter/X – automatycznie usuwa metadane przy przesyłaniu zdjęć. Brak danych nie jest więc dowodem generowania z AI w przypadku obrazów pobranych z tych serwisów.
Czy można wykryć zdjęcie z generatorów AI po jego edycji lub obróbce?
Edycja obrazu po wygenerowaniu utrudnia, ale nie uniemożliwia wykrycia. Stopień trudności zależy od rodzaju i zakresu obróbki.
Lekka kompresja JPEG zmienia statystyki szumów w obrazie, ale nie usuwa wszystkich wzorców charakterystycznych dla modeli generatywnych. Detektory oparte na analizie pikseli nadal mogą wykryć generowanie AI, choć z niższą pewnością.
Zmiana rozdzielczości i kadrowanie wpływają na analizę wizualną, ale nie zmieniają fundamentalnych wzorców generatywnych w zachowanych fragmentach obrazu.
Dodanie filtrów i efektów może skutecznie zamaskować artefakty wizualne, ale zwykle nie usuwa znaku wodnego SynthID. Metadane C2PA są dużo słabsze: znikają po zrobieniu zrzutu ekranu, zmianie formatu pliku czy wrzuceniu obrazu do mediów społecznościowych. Znak wodny SynthID jest osadzony w pikselach w sposób odporny na typowe operacje edycyjne. Przetrwa kompresję JPEG, zmianę rozdzielczości i podstawowe filtry.
Głęboka edycja – np. ręczny retusz w Photoshopie, dodanie prawdziwych elementów fotograficznych, wielokrotna kompresja – może skutecznie utrudnić wykrycie przez detektory statystyczne. W takim przypadku analiza metadanych i standardów C2PA/SynthID staje się ważniejsza niż analiza pikseli.
Przy obrazach, które przeszły przez wiele etapów edycji, żadna pojedyncza metoda nie daje pewnego wyniku. Połączenie analizy metadanych, weryfikacji C2PA i testu w kilku niezależnych detektorach zwiększa wiarygodność oceny.
swój potencjał z
polityką prywatności