วิธีตรวจจับภาพที่สร้างโดย AI (คู่มือปี 2026)

คำตอบเร็ว: ตรวจสอบสามสิ่งตามลำดับนี้ (1) ข้อมูลเมตา: วางไฟล์ลงใน EXIF Viewer ฟรี Make/Model ของกล้องที่หายไป, tag Software อย่าง "Midjourney", "Stable Diffusion" หรือ "Adobe Firefly" และไม่มี GPS เป็นคำใบ้ AI ที่แข็งแกร่ง (2) พิกเซล: รัน noise map และ luminance gradient ในเครื่องมือ Photo Forensics ของเรา ภาพ AI มักแสดง noise ของเซ็นเซอร์ที่สม่ำเสมออย่างน่าสงสัยและแสงที่ไม่สอดคล้องกัน (3) C2PA Content Credentials: วางไฟล์ลงใน contentcredentials.org/verify หากเครื่องมือ AI เขียนเครดิต, คุณจะเห็นชื่อ generator ไม่มีการตรวจสอบใดสรุปได้, รวมทั้งสาม

ตัวสร้างภาพ AI เข้าถึงคุณภาพภาพถ่ายในปี 2024, และในปี 2026 ช่องว่างระหว่างของจริงและของสังเคราะห์ส่วนใหญ่ปิดสำหรับผู้ชมทั่วไป สิ่งนั้นทำให้การตรวจจับเป็นปัญหาในโลกจริง: การฉ้อโกงประกัน, วารสารศาสตร์, การตรวจสอบโปรไฟล์เดต และ chain-of-custody หลักฐานทั้งหมดเจอภาพที่สร้างโดย AI ตอนนี้ คู่มือนี้เดินผ่านวิธีตรวจจับเชิงปฏิบัติที่ทำงานในปี 2026, สิ่งที่พวกมันเปิดเผย และที่ที่แต่ละอันล้มเหลว

สามชั้น: ข้อมูลเมตา, พิกเซล, ที่มา

ทุกเทคนิคการตรวจจับตกอยู่ในหนึ่งในสามชั้น เวิร์กโฟลว์ที่น่าเชื่อถือใช้ทั้งสามเพราะแต่ละอันจับสิ่งที่อันอื่นพลาด

ชั้นข้อมูลเมตา คือบล็อก EXIF, IPTC และ XMP ภายในไฟล์ เครื่องมือ AI ปล่อยให้อันเหล่านี้ว่างเปล่าส่วนใหญ่ (ไม่มีกล้อง, ไม่มี GPS, ไม่มีเลนส์) หรือเติมด้วยลายเซ็นของพวกเขาเอง (Software: "Midjourney v8", Software: "Stable Diffusion XL", Software: "Adobe Firefly") นี่คือการตรวจสอบที่เร็วที่สุดแต่ก็ง่ายที่สุดที่จะ defeat: ใครก็ลบข้อมูลเมตาด้วยเครื่องมือ 5 วินาที มีประโยชน์สำหรับการจับ AI fake ที่ทำต่ำ, ไร้ประโยชน์ต่ออันที่ระมัดระวัง

ชั้นพิกเซล คือการวิเคราะห์นิติวิทยาศาสตร์ของข้อมูลภาพจริง: รูปแบบ noise, artefact การบีบอัด JPEG, ลักษณะ frequency-domain, ความสอดคล้องของแสง Generator AI ผลิต noise ที่แตกต่างทางสถิติจากเซ็นเซอร์กล้องจริง นี่คือ defeat ยากกว่า, แต่ผู้ป้องกันกำลังไล่ทัน: โมเดลรุ่นปี 2026 เพิ่ม noise เซ็นเซอร์สังเคราะห์โดยเฉพาะเพื่อหลอกการวิเคราะห์ noise-map มีประโยชน์สำหรับการจับ fake คุณภาพปานกลาง

ชั้นที่มา คือ C2PA (Coalition for Content Provenance and Authenticity) Content Credentials, manifest ที่ลงนามทางการเข้ารหัสฝังในไฟล์ที่บันทึกว่าใครสร้างภาพและเครื่องมืออะไร Adobe, OpenAI, Microsoft, Google และผู้ผลิตกล้องส่วนใหญ่ตอนนี้รองรับ C2PA เมื่อเครดิตสมบูรณ์, นี่คือสัญญาณที่น่าเชื่อถือที่สุด เมื่อเครดิตหายไปหรือถูกลบ, คุณกลับไปยังชั้นอื่นๆ

การตรวจสอบข้อมูลเมตา: ตัวกรองฟรี 90 วินาที

เปิดภาพใน EXIF Viewer ของเรา (หรือตัวอ่าน EXIF ใดก็ได้) มองหาสัญญาณเหล่านี้

Tag กล้องที่หายไป ภาพกล้องจริงมี Make, Model, LensModel, FNumber, ExposureTime, ISO ภาพที่สร้างโดย AI ข้ามอันเหล่านี้ทั้งหมดหรือบรรจุเพียงขั้นต่ำ (แค่ Make และ Model, ไม่มีข้อมูลการรับแสง) หาก "ภาพอาคารที่ถ่ายข้างนอก" ไม่มี GPS และไม่มีกล้อง, นั่นผิดปกติ

Tag software ทั่วไปหรือ AI Tag Software EXIF มักเปิดเผยเกม กล้องจริงเขียนเวอร์ชันเฟิร์มแวร์ ("8.0.1", "iOS 19.2") Adobe Lightroom เขียน "Adobe Lightroom 14.3 (Macintosh)" Generator AI เขียนสิ่งต่างๆ เช่น "Midjourney v8", "Stable Diffusion XL", "Adobe Firefly", "DALL·E 3", "Sora", "Gemini Image" หากคุณเห็นชื่อ generator ในฟิลด์ Software, ไฟล์ถูกสร้างโดย AI อย่างเปิดเผย

ไม่มี GPS, ไม่มีวันที่ชัตเตอร์ กล้องจริงที่มี Location Services เปิดเขียนพิกัด GPS และ DateTimeOriginal ที่แม่นยำ (ลงไปถึงวินาที, มักมีข้อมูลย่อยวินาที) ภาพ AI ไม่มี GPS และอาจมีเพียง timestamp การเขียนไฟล์, ไม่ใช่เวลาชัตเตอร์จริง GPS ที่หายไปอย่างเดียวไม่ใช่หลักฐาน (อาจเป็นโทรศัพท์ที่ปิด Location), แต่รวมกับ Make/Model ที่หายไป, มันน่าสงสัย

รูปแบบ "scrubbed" ไฟล์ที่น่าสงสัยจริงๆ มี ข้อมูลเมตาแทบไม่มีเลย: ไม่มี Make, ไม่มี Model, ไม่มี GPS, ไม่มี Software, ไม่มีอะไรยกเว้นขนาด นี่คือสิ่งที่ภาพ AI หน้าตาเหมือนหลังจากถูกบันทึกผ่าน Photoshop หรือตัวลบข้อมูลเมตา กล้องจริงแทบไม่เคยผลิต EXIF ที่ว่างเปล่า

ฟิลด์ DateTime ที่ไม่ตรงกัน ภาพที่ถูกแก้ไขหรือสร้างมักแสดง DateTimeOriginal, CreateDate และ ModifyDate ที่ไม่เห็นด้วย การถ่ายสดจริงมีทั้งสามเกือบเหมือนกัน

สำหรับทัวร์เต็มของทุก tag EXIF และความหมาย, ดู การอ้างอิง tag EXIF หรือ EXIF คืออะไร? ที่เป็นมิตรกับมือใหม่

การตรวจสอบพิกเซล: เมื่อข้อมูลเมตาหายไป

หากไฟล์ถูกลบข้อมูลเมตา (หรือเป็นแค่ภาพหน้าจอของภาพ AI), คุณต้องดูพิกเซลเอง เปิด เครื่องมือ Photo Forensics ของเราและลองสามมุมมองนี้

Noise map ลบ blur รัศมีเล็กออกจากภาพ, ทิ้งเฉพาะ noise frequency สูง เซ็นเซอร์กล้องจริงผลิต noise ที่ค่อนข้างสม่ำเสมอข้ามเฟรม, ด้วยความแปรปรวนเล็กน้อยที่ผูกกับ ISO และการรับแสง ภาพที่สร้างโดย AI ในปี 2026 มักแสดง noise ที่สม่ำเสมอเกินไป (ขั้นตอน denoising ของ generator ลบให้เรียบเกินไป) หรือ noise สม่ำเสมอที่ฉีดเข้าไปอย่างเทียม ที่ขาดเนื้อสัมผัสธรรมชาติที่คุณคาดหวังในภาพโทรศัพท์ มองหาผิวที่สะอาดอย่างไม่จริงและพื้นที่พื้นหลังที่สะอาดอย่างไม่จริง

Luminance gradient รัน Sobel filter บนช่องสว่างและแสดง gradient magnitude ทิศทางแสงในฉากจริงสอดคล้องกัน: เงาตกในแบบเดียวกันข้ามวัตถุ, ไฮไลท์เรียงกัน ภาพ AI มักมีแสงที่ไม่สอดคล้องกันระหว่าง foreground และพื้นหลัง (คนที่ส่องจากซ้ายข้างหน้าอาคารที่ส่องจากขวา) มุมมอง gradient ทำให้สิ่งนี้ชัดเจน

Error Level Analysis (ELA) เข้ารหัสไฟล์เป็น JPEG ใหม่ที่คุณภาพที่รู้และขยายความแตกต่าง ภาพจริงแสดงความสว่าง ELA ที่สอดคล้องกันข้ามเฟรม ภาพ AI บางครั้งแสดง ELA ที่เป็นแพตช์ที่ขั้นตอน diffusion ของ generator ทิ้ง artefact บล็อกๆ ที่ละเอียดอ่อนที่ไม่ตรงกับการบีบอัด JPEG จริง (ELA น่าเชื่อถือน้อยกว่ากับ AI มากกว่ากับ splice, ถือเป็น tiebreaker, ไม่ใช่สัญญาณหลัก)

ข้อจับ: โมเดลรุ่นปี 2026 ตระหนักถึงการป้องกันเหล่านี้มากขึ้นเรื่อยๆ การฝึก AI แบบ adversarial พยายามหลอกการวิเคราะห์ noise-map และ ELA โดยเฉพาะ สำหรับ AI fake คุณภาพสูง (ชนิดที่ผู้กระทำของรัฐหรือผู้สร้าง deepfake ที่มีฝีมือจะผลิต), การวิเคราะห์พิกเซลทางนิติวิทยาศาสตร์อย่างเดียวอาจไม่พอ รวมกับข้อมูลเมตา + C2PA + การตรวจสอบภาพ

C2PA Content Credentials: สัญญาณการเข้ารหัส

C2PA (Coalition for Content Provenance and Authenticity, ได้รับการสนับสนุนจาก Adobe, Microsoft, Google, Intel, OpenAI และผู้ผลิตกล้องหลักส่วนใหญ่) ฝัง manifest ที่ลงนามทางการเข้ารหัสลงในไฟล์ภาพ Manifest บันทึกชื่อ generator, เวอร์ชันโมเดล, ห่วงโซ่การสร้าง (การแก้ไข, การส่งออก) และผู้เผยแพร่

ภายในกลางปี 2026, เครื่องมือภาพ AI หลักส่วนใหญ่แนบ C2PA Content Credentials เป็นค่าเริ่มต้น

• Adobe Firefly, Photoshop generative AI, Lightroom AI features
• OpenAI DALL·E 3, Sora
• Google Gemini Image
• Microsoft Designer (เดิม Image Creator)
• Stable Diffusion fork และ front-end หลายตัว

เพื่อตรวจสอบ, วางไฟล์ลงใน contentcredentials.org/verify หากเครดิตยังสมบูรณ์, คุณจะเห็นป้ายเล็กกับชื่อ generator, วันที่ภาพถูกสร้าง และ (มักจะ) prompt หรือ hash ของมัน

ข้อจับ: C2PA เป็น opt-in ภาพหน้าจอของภาพ AI, ภาพ AI ที่อัปโหลดซ้ำ หรือภาพที่สร้างด้วยเครื่องมือที่ไม่แนบเครดิตจะไม่มีอะไรให้ตรวจสอบ C2PA เป็น หลักฐานที่แข็งแกร่งเมื่อมี แต่ ไม่ใช่หลักฐานของความถูกต้องแท้จริงเมื่อไม่มี

สัญญาณภาพ (ยังมีประโยชน์ในปี 2026)

แม้จะมีความก้าวหน้ามหาศาล, ตัวสร้างภาพ AI ในปี 2026 ยังคงพลาดในรายละเอียดที่ยืดเยื้อบางอย่าง ค่าสแกนทุกภาพที่น่าสงสัยสำหรับ

มือ, นิ้ว, เครื่องประดับ เรขาคณิตหลายนิ้วยังคงยาก มองหามือที่มีห้านิ้วครึ่ง, เล็บที่ชี้ผิดทาง, แหวนที่ผ่านนิ้ว, สายนาฬิกาที่ไม่ปิด, มือที่หลอมกับวัตถุ นี่เป็นสัญญาณใหญ่ในปี 2023 และ น้อยลง ในปี 2026 แต่ยังคงมีอยู่ในผลลัพธ์ที่สร้างเร็ว

หู รูปทรงหูเป็นเอกลักษณ์และซับซ้อน หู AI มักมี helix curl แปลก, ความไม่สมมาตรระหว่างหูซ้ายและขวา (เมื่อควรตรงกัน) หรือต่างหูที่ลอยในอวกาศ

ข้อความเล็ก โลโก้, ป้ายถนน, ปกหนังสือ, รอยสัก AI มักให้ข้อความอักษรขยะที่อ่านไม่ได้แทนคำจริง หากภาพมีการเขียนที่มองเห็นและการเขียนไม่ใช่คำจริง, มันเกือบแน่นอนเป็น AI

แสงสะท้อนและเงา การสะท้อนของตาในสองตาของบุคคลเดียวกันมักไม่เห็นด้วยกับแหล่งแสง การสะท้อนในกระจกและหน้าต่างไม่ตรงกับฉาก ทิศทางเงาต่างระหว่างวัตถุในเฟรมเดียวกัน

รูปแบบที่ซ้ำและฝูงชน คนพื้นหลัง, ใบไม้บนต้นไม้, เส้นผม, การทอผ้า, กำแพงอิฐ ภาพ AI มักมีการซ้ำที่ไม่เป็นธรรมชาติหรือการเลอะในรูปแบบที่ซ้ำ

เนื้อสัมผัสผิว ผิว AI สามารถดูเรียบเกินไป (oversmoothed) หรือสมบูรณ์อย่างสม่ำเสมอเกินไป ผิวจริงมีรู, น้ำมัน, ความแปรปรวนสีเล็กน้อย, ขนละเอียด ผิว AI ขาดรายละเอียดเล็กภายใต้การตรวจสอบใกล้

ความสอดคล้องของพื้นหลัง สถาปัตยกรรมที่ไม่ยึดโครงสร้างกัน (หน้าต่างเหลื่อมผิด, ระเบียงลอย, ประตูที่ไปไหนไม่ได้) ฝูงชนที่บุคคลผสานเข้าหากัน

อะไรที่ไม่พิสูจน์ว่าภาพเป็นจริง

สัญญาณบางอย่างถูกอ้างเป็น "หลักฐาน" แต่ไม่ได้หมายความอะไรในปี 2026

• ความละเอียดสูง Generator AI ผลิตภาพ 4K+ ตอนนี้
• EXIF กับชื่อกล้องจริง ปลอมง่าย, เครื่องมือมีอยู่ที่ copy EXIF จากภาพจริงลงบนภาพ AI
• พิกัด GPS ก็ง่ายที่จะเพิ่มด้วยมือกับตัวแก้ไข EXIF ใดก็ได้
• Timestamp ปรับได้ในวินาทีกับตัวแก้ไขวันที่ใดก็ได้
• "มันดูดีเกินกว่าจะเป็นของปลอม" ใช่มันเป็น นั่นคือปัญหา

ความถูกต้องแท้จริงจริงต้องการชั้น ที่มาทางการเข้ารหัส (C2PA + เครดิตที่ลงนามโดยกล้อง) หรือ chain-of-custody จากเซ็นเซอร์ต้นฉบับ

Checklist เชิงปฏิบัติ 5 นาที

เมื่อภาพมาถึงกล่องจดหมายของคุณและคุณต้องรู้ว่ามันเป็นจริงหรือไม่, รันผ่านสิ่งนี้

1. EXIF Viewer (/th/exif-viewer): Make/Model ของกล้องมีอยู่หรือไม่? GPS มีอยู่หรือไม่? Tag Software เป็นกล้องจริงหรือ "Midjourney"?
2. Photo Forensics (/th/photo-forensics): noise map ดูสม่ำเสมอและสะอาดหรือไม่? Luminance gradient สอดคล้องข้ามเฟรมหรือไม่?
3. C2PA verify (contentcredentials.org/verify): มีเครดิตใดๆ หรือไม่?
4. สแกนภาพ: มือ, หู, ข้อความ, การสะท้อน มี glitch ใดๆ หรือไม่?
5. การตรวจสอบแหล่ง: ใครส่งมา? มีห่วงโซ่หรือไม่? ผู้ส่งยืนยันมันหรือไม่?

หาก 1-4 ทั้งหมดดูสะอาดและแหล่งน่าเชื่อถือ, มันอาจเป็นจริง หากแม้แต่อันหนึ่งดูพิรุธ, ถือภาพเป็น unverified และมองหาแหล่งที่สอง

แล้วการค้นหาภาพย้อนกลับล่ะ?

Google Lens, TinEye, Bing Visual Search ยังมีประโยชน์ในปี 2026 แต่สำหรับคำถามที่แตกต่าง: ภาพนี้ถูกเผยแพร่ที่อื่นหรือไม่? พวกเขาไม่บอกคุณโดยตรงว่าภาพถูกสร้างโดย AI พวกเขาบางครั้งจับ AI ที่ชัดเจนเมื่อภาพเดียวกันถูกโพสต์ไปยังแกลเลอรี AI-art (Civitai, ArtStation, Midjourney showcase), ในกรณีนั้นแหล่งคือหลักฐาน คุ้มค่ารันเป็นการตรวจสอบที่ห้า

ที่นี่กำลังไปทางไหน

ภายในปลายปี 2026 และในปี 2027, สองสิ่งกำลังเกิดขึ้น

1. C2PA กลายเป็นมาตรฐาน กล้อง Apple iPhone เริ่มต้น iOS 18 แนบ Content Credentials ที่ลงนามที่การถ่าย กล้องมืออาชีพส่วนใหญ่ (Sony, Nikon, Canon, Leica) ตอนนี้มีโหมด C2PA กฎ "ไม่มีเครดิต, ไม่มีความเชื่อใจ" กำลังกลายเป็นปฏิบัติได้
2. การแข่งขันอาวุธการตรวจจับ AI ต่อเนื่อง การตรวจจับนิติวิทยาศาสตร์ระดับพิกเซล (noise, ELA, การวิเคราะห์ frequency) น่าเชื่อถือน้อยลงเมื่อ generator เรียนรู้ที่จะหลอก ลายน้ำ (Google SynthID, ลายเซ็น Microsoft) ช่วย, แต่เฉพาะเมื่อ generator เคารพ

คำแนะนำที่ดีที่สุดสำหรับปี 2026: เชื่อที่มา, ตรวจสอบกับหลายชั้น, สงสัยอะไรก็ตามที่ขาด chain of custody

เครื่องมือที่ใช้ในคู่มือนี้

• EXIF Viewer: ดูข้อมูลเมตาในเบราว์เซอร์ของคุณ
• Photo Forensics: noise map, luminance gradient, ELA, ทั้งหมดในเบราว์เซอร์ของคุณ
• EXIF Remover: ลบข้อมูลเมตาก่อนแชร์ภาพจริงของคุณเอง
• C2PA Verify (ภายนอก): contentcredentials.org/verify สำหรับที่มาทางการเข้ารหัส
• การค้นหาภาพย้อนกลับ (ภายนอก): Google Lens, TinEye, Bing

สรุป

ในปี 2026, ไม่มีการทดสอบเดียวที่จับทุกภาพที่สร้างโดย AI, และไม่มีการทดสอบเดียวที่พิสูจน์ว่าภาพเป็นจริง เวิร์กโฟลว์ที่น่าเชื่อถือรวมข้อมูลเมตา, นิติวิทยาศาสตร์พิกเซล, ที่มา C2PA และการสแกนภาพ รันทั้งสี่ตามลำดับบนภาพที่น่าสงสัยใดๆ เมื่อบางอย่างสำคัญ (ประกัน, วารสารศาสตร์, หลักฐาน, โปรไฟล์เดต), เรียกร้อง C2PA Content Credentials และถือการขาดมันเป็นธงเหลือง, ไม่ใช่ไฟเขียว