Detektor obrazów AI WasItAI: Co sprawdza, gdzie ma problem i jak weryfikować wyniki

Czym jest WasItAI i jak działa?

WasItAI to narzędzie webowe o jednym celu: wrzucasz obraz, a w ciągu kilku sekund otrzymujesz procent wskazujący, jak bardzo obraz prawdopodobnie pochodzi z AI. Nie ma wymogu konta i żadnych formalności przy każdym sprawdzeniu, co w dużej mierze wyjaśnia, dlaczego szybko rozprzestrzeniło się wśród ludzi, którzy po prostu chcieli szybkiej odpowiedzi na "czy to AI?" bez rejestracji. Narzędzie nie publikuje szczegółowego opisu technicznego swojej metody detekcji, ale jego zachowanie jest zgodne z tym samym ogólnym podejściem, które stosuje większość detektorów obrazów AI — analizą statystycznych wzorów na poziomie pikseli, a nie niczym przypominającym wyszukiwanie obrazów wstecz lub wyszukiwanie w bazie danych. Oznacza to, że szuka śladów, które pozostawiają za sobą modele dyfuzji: niezwykle gładkie gradienty w określonych zakresach częstotliwości, powtórzenie tekstury w obszarach takich jak włosy, roślinność lub tkanina, oraz tego typu małe niespójności anatomiczne — palce, uszy, tekst w tle — które modele generatywne nadal wykonują źle częściej niż czujnik aparatu. Sprawdzenie detektorem obrazów wasitai ai działa najlepiej na obrazach bliskich temu, jak generator je originally wyprodukował, ponieważ te statystyczne ślady to dokładnie to, co ulegają degradacji najpierw gdy obraz jest edytowany, kompresowany lub ponownie zapisywany.

Jak dokładny jest detektor obrazów WasItAI?

Najsilniejsze wyniki WasItAI zwykle pojawiają się na obrazach wygenerowanych przez Midjourney i podobne narzędzia dyfuzji w ich oryginalnej, nieskompresowanej formie — narzędzie zbudowało swoją wczesną reputację dokładnie na tego rodzaju obrazach, i nadal widać to na wyjściach przypominających to, do czego zostało pierwotnie skalibrowane. Poza tą ścieżką, dokładność staje się mniej przewidywalna. Obrazy z innych generatorów, starszych wersji modeli, lub narzędzi z zupełnie innym stylem wizualnym nie zawsze wyzwalają taką samą pewność, a detektor skalibrowany ciężko wokół jednej rodziny generatorów może rzeczywiście nie zauważyć obrazów wyprodukowanych przez inny. Żaden niezależny, stale aktualizowany benchmark nie śledzi dokładności WasItAI na pełnym zakresie generatorów i warunków edycji w obiegu dzisiaj, więc traktuj każdy procent dokładności, który widzisz cytowany online, jako snapshot z określonego zestawu testowego w określonym momencie, nie gwarancję dla obrazu, który masz przed sobą. Praktyczne wnioski są takie same, jak dla każdego detektora obrazów AI o jednym wyniku: wysoki lub niski procent to sygnał wart uwagi, nie werdykt na którym warto działać bez drugiego spojrzenia, szczególnie gdy wynik rzeczywiście ma znaczenie.

"Wynik detekcji odzwierciedla to, jak model działał na swoich danych treningowych i testowych — nie jak działa na konkretnym obrazie, który właśnie wgrałeś." — Badacz widzenia komputerowego, 2024

Gdzie WasItAI ma problem ze screenshotami i skompresowanymi obrazami?

Różnica między najlepszym działaniem WasItAI a jego rzeczywistym działaniem w praktyce pojawia się najwyraźniej, gdy obraz przejdzie przez cokolwiek innego niż bezpośrednie pobranie od generatora. Kilka warunków konsekwentnie sprawia, że wyniki są mniej wiarygodne, i warto je sprawdzić zanim przyłożysz dużą wagę do jednego wyniku.

1. Screenshoty — przechwycenie screenshotu ponownie koduje obraz i usuwa profil kompresji oryginalnego pliku, co usuwa część sygnału domeny częstotliwości, na którym opierają się detektory i może zepchnąć rzeczywiście wygenerowany przez AI obraz w kierunku niższego wyniku niż by uzyskał z pliku źródłowego.
2. Pobrania z mediów społecznych — platformy takie jak Instagram, X i Facebook ponownie kompresują każdy obraz przy wysyłaniu, czasami więcej niż jeden raz gdy przechodzi przez kanały, ponowne posty i pobrania. Ta powtarzająca się kompresja degraduje te same artefakty, na których opiera się sprawdzenie detektora obrazów wasitai ai, w obu kierunkach.
3. Agresywna kompresja JPEG — agresywne ustawienia kompresji wygładzają drobny szum poziomu pikseli, który odróżnia wyjście czujnika aparatu od wyjścia modelu dyfuzji, utrudniając rozróżnienie obu.
4. Kadrowanie i zmiana rozmiaru — przycięcie obrazu lub zmniejszenie go zmienia jego charakterystyki częstotliwościowe wystarczająco, aby zmienić pewność detektora, czasami o znaczącą wielkość.
5. Filtry i intensywna edycja — korekta kolorów, rozmycie, wyostrzanie lub komponowanie warstw na górze obrazu mieszają sygnał syntetyczny i niesyntetyczny w sposób, którego żaden obecny detektor nie rozdziela czyszczej.
6. Niska oryginalna rozdzielczość — małe lub intensywnie zmniejszone obrazy źródłowe po prostu dają każdemu modelowi detekcji mniej danych poziomu pikseli do analizy na początek.

Co powoduje fałszywe alarmy i przeoczenia na WasItAI?

Fałszywy alarm na detektorze obrazów AI oznacza, że rzeczywa fotografia zostaje oznaczona jako wygenerowana przez AI; przeoczenie oznacza, że rzeczywisty obraz AI przechodzi bez zauważenia z niskim wynikiem. Oba zdarzają się na WasItAI, i oba mają identyfikowalne przyczyny, a nie losowy szum. Fałszywe alarmy zwykle skupiają się wokół intensywnie retuszowanej fotografii profesjonalnej, obrazów przetworzonych HDR z niezwykle gładkimi gradientami tonów, zdjęć ze stocków, które przeszły już wiele rund edycji zanim je w ogóle zobaczysz, oraz obrazów wykonanych z pewnymi kombinacjami obiektywu lub czujnika, które naturalne produkują gładsze tekstury niż typowy aparat smartfona. Przeoczenia skupiają się wokół warunków opisanych wyżej — screenshoty, skompresowane ponownie wgrane, przycięte lub intensywnie edytowane obrazy — plus obrazy AI z generatorów lub wersji modeli, na które narzędzie nie zostało skalibrowane. Nowa wersja modelu dyfuzji z innymi wzorami artefaktów niż obrazy, na które WasItAI został pierwotnie skalibrowany, może produkować rzeczywiście syntetyczne obrazy, które czytają się jako niskie ryzyko. Żaden tryb niepowodzenia nie oznacza, że narzędzie jest zepsute; oznacza to, że jeden procent od dowolnego detektora, WasItAI włącznie, to probabilistyczne czytanie na niekompletnych informacjach, a nie ostateczna odpowiedź.

Jak powinieneś zweryfikować wynik WasItAI zanim na niego działasz?

Ponieważ zarówno fałszywe alarmy, jak i przeoczenia to udokumentowane zachowanie dla każdego detektora o jednym wyniku, wynik WasItAI jest najbardziej przydatny jako pierwszy krok w krótkim procesie weryfikacji, a nie ostatnie słowo. Kilka sprawdzeń znacząco zwiększa twoją pewność zanim potraktuj wynik jako ostateczny.

1. Zdobądź plik oryginalny jeśli możesz — poproś źródło o niezmieniony, nieskompresowany obraz zamiast pracować ze screenshotu lub pobranej kopii z mediów społecznych, ponieważ to samo usuwa jedno z największych źródeł niewiarygodnych wyników.
2. Sprawdź metadane EXIF — rzeczywa fotografia z aparatu lub smartfona zwykle nosi dane producenta aparatu, modelu i znacznika czasowego; obrazy wygenerowane przez AI zwykle nie mają nic z tego, choć jego brak sam w sobie nie jest rozstrzygający, ponieważ screenshoty je też usuwają.
3. Uruchom drugi, niezależnie zbudowany detektor — narzędzie zbudowane na innym modelu i zestawie treningowym nie będzie dzielić te same ślepe plamki, więc zgoda między dwoma niezwiązanymi detektorami to silniejszy sygnał niż każdy wynik sam.
4. Szukaj znaczących artefaktów sam — powiększ dłonie, uszy, tekst w tle, biżuterię i powtarzające się tekstury takie jak włosy lub roślinność, które są nadal tam, gdzie modele generatywne najczęściej się potykają.
5. Zrób wyszukiwanie obrazu wstecz tego pliku — nie złapie każdego obrazu AI, ale może ujawnić oryginalne źródło, pasujące zdjęcie ze stocku lub poprzednie posty, które dodają przydatny kontekst, którego sam wynik detekcji nie może podać.
6. Rozważ stawkę — przypadkowe sprawdzenie w mediach społecznych toleruje więcej niepewności niż decyzja dotycząca zatrudnienia, publikowania lub uczciwości akademickiej, więc skaluj ile weryfikacji robisz do tego, ile wynik rzeczywiście ma znaczenia.

Czy WasItAI jest wystarczająco dobry do poważnej pracy weryfikacyjnej?

Do szybkich, niskiego ryzyka sprawdzeń — sprawdzenia zdrowego rozsądku podejrzanego obrazu zanim go podzielisz, lub szybkie pierwsze spojrzenie na coś, co wygląda źle — WasItAI robi to, do czego zostało zbudowane, a fakt, że jest darmowe bez wymogu konta, czyni to rzeczywiście wygodne dla tego przypadku użycia. Tam, gdzie staje się słabszym dopasowaniem, to wszystko z rzeczywistymi konsekwencjami: dziennikarstwo, które będzie publikować na podstawie autentyczności obrazu, decyzje zatrudnieniowe oparte na zdjęciu profilowym, lub sprawy uczciwości akademickiej, gdzie jeden oflagowany obraz może wpłynąć na pozycję kogoś. W takich sytuacjach jeden procent od każdego narzędzia — WasItAI lub innego — sam w sobie nie wystarczy. Wzór, który sprawdza się najlepiej w praktyce, to używanie szybkiego narzędzia takiego jak WasItAI jako filtr pierwszego przejścia, a następnie śledzenie sprawdzeniami metadanych, drugim detektorem zbudowanym na innych danych treningowych, i ręcznym spojrzeniem na sam obraz zanim potraktuj jakikolwiek wynik jako ostateczny. To warstwowe podejście kosztuje kilka dodatkowych minut i konsekwentnie produkuje bardziej obronną odpowiedź niż ufanie jednemu wynikowi w izolacji.

Szybki wynik detektora mówi ci gdzie szukać bliżej. To nie zastępuje szukania.

Jak NotGPT porównuje się do detekcji obrazów AI?

Detekcja obrazów AI NotGPT jest wbudowana w aplikację mobilną obok detekcji tekstu AI i narzędzia do przepisywania humanizującego, więc pasuje do przepływu pracy, który już obejmuje zarówno zawartość pisaną, jak i wizualną zamiast wymagać oddzielnego konta dla każdego sprawdzenia. Wgraj obraz z biblioteki zdjęć lub przechwyć go bezpośrednio, a aplikacja zwraca wynik prawdopodobieństwa pokrywający wyjście od generatorów w tym Midjourney, DALL-E i Stable Diffusion. Dla każdego używającego WasItAI jako pierwszy check, uruchomienie tego samego obrazu przez drugi detektor zbudowany na innym modelu to dokładnie ten rodzaj niezależnego potwierdzenia, które złapie przypadki, gdzie słaba strona jednego narzędzia nie nakłada się na drugą — a posiadanie detekcji tekstu w tej samej aplikacji jest przydatne gdy zawartość, którą przeglądasz obejmuje zarówno obraz, jak i towarzyszący materiał pisany, co coraz bardziej staje się normą niż wyjątkiem.