Нейросети научились рисовать лица, руки, одежду и свет почти без ошибок. Поэтому проверять изображение по принципу «если пальцы странные — значит, картинка ненастоящая» уже недостаточно. Разбираемся, на что смотреть теперь.
Еще пару лет назад сгенерированное фото часто выдавало себя сразу. У людей было слишком много пальцев, очки плавились в лицо, серьги отличались друг от друга, а надписи превращались в набор случайных букв.
Сейчас все сложнее. Генеративные модели стали точнее: они лучше понимают форму предметов, естественнее передают кожу, свет, ткань, эмоции и фон. Иногда картинка выглядит так убедительно, что человек не может отличить ее от настоящей фотографии без дополнительной проверки. Именно поэтому важен не один «волшебный признак», а целая система наблюдений.
1. Смотрите не только на лицо, а на детали вокруг
Лицо в сгенерированных изображениях часто получается лучше всего. Нейросети много обучались на портретах, поэтому кожа, волосы, взгляд и мимика могут выглядеть очень правдоподобно.
Но ошибки нередко прячутся по краям: в ушах, зубах, украшениях, воротнике, очках, тенях, отражениях, узорах на ткани. Например, серьга может быть на одном ухе, но не повторяться на другом. Оправа очков может странно соединяться с волосами. Пуговицы на рубашке могут идти не по одной линии.
Главный прием — не смотреть на картинку как на цельный красивый кадр. Увеличьте изображение и проверьте мелкие зоны, которым обычно не уделяют внимания при первом взгляде.
2. Проверяйте текст на вывесках, упаковке и одежде
Надписи до сих пор остаются слабым местом многих изображений. Нейросеть может сделать буквы похожими на настоящие, но при увеличении они превращаются в странные символы, ломаются, повторяются или складываются в бессмысленные слова.
Особенно полезно смотреть на вывески, ценники, номера машин, логотипы, бейджи, упаковку товаров, принты на футболках. Если фото якобы сделано в реальном месте, текст должен быть читаемым и логичным.
Но и здесь нельзя полагаться только на один признак. Современные модели уже лучше справляются с короткими словами и простыми логотипами, поэтому «кривой текст» — не доказательство, а повод проверить изображение внимательнее.
3. Ищите физические несостыковки
Настоящее фото подчиняется законам света и пространства. Если человек стоит у окна, тень должна падать в понятную сторону. Если на столе лежит стеклянный предмет, отражения должны совпадать с окружением. Если в кадре есть зеркало, оно не должно показывать «другую реальность».
У сгенерированных изображений иногда появляются мелкие нарушения: тень не совпадает с источником света, отражение в стекле выглядит слишком размытым, предметы на заднем плане теряют форму, линии пола или стен сходятся странно.
Такие ошибки особенно заметны в сложных сценах: толпа, кафе, улица, офис, мероприятие, витрина, интерьер с большим количеством предметов.
4. Сравните изображение с реальным контекстом
Если фото связано с новостью, событием, известным человеком или конкретным местом, не ограничивайтесь самим изображением. Проверьте, где оно появилось впервые, кто его опубликовал, есть ли похожие кадры у надежных источников.
Полезно сделать обратный поиск по изображению: иногда оказывается, что «новое фото» уже публиковали раньше, только в другом контексте. Также стоит посмотреть, есть ли кадры с того же события у СМИ, очевидцев или официальных страниц.
Сгенерированная картинка может быть визуально безупречной, но проваливаться именно на уровне контекста: не тот сезон, неверная форма здания, устаревшая вывеска, несоответствующая одежда, странные детали места.
5. Проверяйте происхождение файла
Сегодня развивается не только генерация изображений, но и способы проверки их происхождения. Например, стандарт C2PA позволяет добавлять к файлу сведения о том, как он был создан или изменен. Это похоже на «паспорт» изображения: он может показывать, где появился файл и какие действия с ним выполняли. C2PA описывает такие данные как способ установить происхождение и историю цифрового контента, но не как абсолютное доказательство правды.
У OpenAI изображения, созданные через ChatGPT и DALL·E 3, могут содержать C2PA-метаданные. Но важная деталь: такие сведения можно потерять, например при загрузке в социальные сети или после скриншота. Поэтому отсутствие метаданных не доказывает, что изображение настоящее.
У Google есть SynthID — невидимая цифровая метка для контента, созданного или измененного инструментами Google. Компания пишет, что такая метка может сохраняться даже после обрезки, фильтров или сжатия, а Gemini умеет проверять наличие SynthID в изображениях, видео и аудио. Но это работает прежде всего для контента из экосистемы Google, а не для всех картинок в интернете.
6. Не доверяйте детекторам на 100%
Сервисы для определения сгенерированных изображений могут быть полезны, но их результат нельзя считать окончательным приговором. Национальный институт стандартов и технологий США в 2025 году отдельно тестирует системы, которые должны отличать изображения, созданные человеком, от изображений, созданных нейросетями. Это показывает, что задача остается сложной даже для специальных инструментов.
Лучший подход — комбинировать проверку: визуальные признаки, источник публикации, обратный поиск, метаданные и здравый смысл. Один сервис может ошибиться. Один странный палец может быть просто неудачным кадром. А вот несколько совпавших признаков уже дают повод сомневаться.
Главное правило: ищите не «ошибку», а систему признаков
Сгенерированные фото становятся все реалистичнее. Поэтому главный навык сегодня — не угадывать по одному фрагменту, а проверять изображение как цифровой объект: кто его опубликовал, откуда оно взялось, есть ли подтверждения, что происходит с деталями, светом, текстом и контекстом.
Это уже часть современной цифровой грамотности. Чем активнее развиваются нейросети, тем важнее понимать, как они работают, где могут ошибаться и какими инструментами можно проверять результат.
На курсах Академии TOП студенты учатся работать с современными технологиями, разбирать реальные задачи и применять знания на практике.