Настоящее фото или фейк: как распознать изображение, созданное нейросетью

К 2026 году генеративные модели научились создавать изображения, которые очень сложно отличить от снимков реальной камеры. Странные конечности, размытый текст и пластиковая кожа встречаются всё реже. При этом объём ИИ‑контента растёт, а доверие к визуальной информации падает. В этой статье расскажем, как понять, что именно перед вами — фотография или генерация, — и по каким признакам это можно вычислить.

В статье разбираемся:

• с какими багами уже справляются современные нейросети;
• возможно ли определить ИИ-фото на глаз;
• почему нейросети до сих пор не справляются с волосами на портретах;
• зачем проверять метаданные изображения;
• какие водяные знаки ставят нейросети;
• есть ли комплексные сервисы для проверки изображений на ИИ;
• и как выглядит полный алгоритм проверки фото.

Почему нейросетевое изображение всё сложнее отличить от фотографии

Современные ИИ-модели обучаются на огромных массивах реальных фотографий. Они усвоили статистические закономерности освещения, текстур кожи, отражений и перспективы гораздо лучше, чем нейросети прошлых поколений. Imagen, DALL-E, ChatGPT, Firefly, Flux и другие — все они прошли через несколько поколений обучения ради того, чтобы научиться устранять самые заметные артефакты.

В результате баги нейросетей, к которым мы все привыкли, — шесть пальцев, кривые зубы, плавящиеся украшения — стали редкостью при стандартных ракурсах. Текст на вывесках читается, руки выглядят анатомически правдоподобно, а освещение согласовано внутри кадра. Неподготовленный человек может только угадать, сгенерировано ли изображение, — если смотрит только на саму картинку, не учитывая дополнительные данные.

При этом модели по-прежнему не понимают, как выстраивается кадр. Они больше предсказывают, чем моделируют. Поэтому более тонкие несоответствия сохраняются:

• ошибки перспективы;
• несогласованные отражения;
• странные переходы текстур на заднем плане;
• неестественная гладкость или, наоборот, избыточная детализация в местах, где настоящая камера дала бы шум сенсора;
• неестественная глубина теней.

Эти признаки слабее прежних и требуют внимательного разбора.

Как определить нейросетевое изображение на глаз

Визуальный анализ — самый простой и самый быстрый способ понять, приложил ли руку к изображению ИИ. Когда вы смотрите на картинку, ищите подозрительные сигналы, например проблемы с перспективой. Современные генераторы хорошо справляются с портретами без дополнительных деталей и простыми сценами. Сложнее им даются многофигурные композиции, взаимодействие рук с предметами, мелкий текст и сложная перспектива.

Слишком равномерная резкость по всему кадру, отсутствие естественного шума сенсора или, наоборот, искусственно добавленная зернистость, которая не соответствует остальной картинке, уже настораживают. Реальная фотография почти всегда содержит следы оптики и сенсора: лёгкую виньетку, хроматические аберрации по краям, характерный шум в тенях.

Дальше переходите к деталям. Увеличьте изображение до 100–200% и последовательно проверьте несколько зон. Один странный палец ещё ни о чём не говорит — иногда такие ошибки появляются и на реальных фото, если их серьёзно обрабатывали с помощью нейросети. Но если вы обнаружили сразу несколько фрагментов, которые выглядят странно, то это повод сомневаться в натуральности изображения.

Какие детали изображения стоит проверить

Есть несколько зон, которые стоит проверять с особым вниманием. Именно на них нейросети допускают ошибки чаще всего.

Руки. Даже в 2026 году сложные позы и захват предметов остаются слабым местом нейросетей. Смотрите не только на количество пальцев, но и на суставы, ногти, соотношение длин фаланг, на то, как пальцы обхватывают предмет. Иногда палец проходит сквозь стекло или предмет, иногда хват выглядит физически невозможным. Украшения на пальцах могут иметь неправильную геометрию или могут быть надеты неестественно, например на суставы.

Глаза и лицо. Сравните блики в левом и правом глазу — они должны соответствовать одному источнику света. Зрачки должны выглядеть идентично при одном освещении. Какие-то различия на глазах возможны, но обычно лишь при очень сложном освещении, допустим, на концертных фотографиях.

Особое внимание уделите коже на лице. Если она слишком гладкая, без пор или, наоборот, с неестественной текстурой в зонах перехода к волосам — скорее всего, изображение сгенерировано. На ИИ-фото зубы могут сливаться или иметь странную форму, а уши и серьги часто выглядят асимметрично или плохо проработаны.

Текст и вывески. Если с крупным текстом нейросети уже справляются легко, то мелкий — всё ещё проблемная зона. При сильном увеличении буквы могут искажаться, шрифт плыть, могут появляться мягкие тени вокруг символов.

Логотипы иногда содержат ошибки в пропорциях или лишние элементы. Самый банальный баг — когда нейросеть не получила ТЗ или же не смогла разобрать текст и поставила на фото просто случайный набор букв.

Освещение и тени. Направление теней должно соответствовать одному или нескольким согласованным источникам света. В сгенерированных кадрах тени иногда расходятся, падают в разные стороны или имеют неправильную мягкость.

Отражения в стекле, воде или металлических поверхностях могут не совпадать с окружающей сценой. Но здесь важно помнить, что на фотографиях, которые сняты на смартфон в режиме HDR, тоже часто пропадает глубина теней.

Фон и повторяющиеся элементы. Задний план ИИ-фото часто проработан слабее переднего. Повторяющиеся узоры, например плитка, кирпич или толпа людей, могут слегка размываться. Или в толпе у всех могут быть идентичные лица.

Нейросети всё ещё не справляются с перспективой линий, особенно на полу или стенах. Параллельные линии расходятся не так, как должны, например рельсы идут под разным углом и в конце концов пересекаются.

Текстуры и края объектов. Иногда нейросети сложно отделить предмет от фона — они сливаются или граница получается, наоборот, слишком резкой. Больше всего страдают волосы, ювелирные украшения, очки, ремешки и лёгкие ткани одежды.

Что важно: ни один из этих признаков сам по себе не доказывает, что изображение было сгенерировано. Но если вы собрали больше 2–3 сомнительных моментов на одном фото — это повод задуматься и пойти проверять дальше.

Как проверить метаданные и происхождение файла

Метаданные — один из самых полезных технических признаков отсутствия нейрогенерации. Настоящая фотография с камеры или телефона обычно содержит EXIF — данные, которые описывают модель устройства, объектив, выдержку, диафрагму, ISO, дату съёмки (DateTimeOriginal), иногда GPS. Так как сгенерированное изображение никто и никогда не снимал, у него этих данных нет.

Проверить метаданные можно через свойства файла или специальные программы для проверки EXIF. Обратите внимание на поле Software. Обычно там указывается программа, через которую редактировалось фото, например Photoshop, но сейчас некоторые сервисы указывают и ИИ-генераторы — например, Midjourney, DALL-E, Firefly. Также в XMP- и IPTC-полях крупные системы всё чаще ставят метку Digital Source Type со значением trainedAlgorithmicMedia — это машинно-читаемое указание на генерацию нейросетью.

Где проверить EXIF:

• онлайн-сервисы — ExifInfo, Metapicz, ExifViewer;
• встроенные средства операционной системы — в Windows через «Свойства», в macOS через «Инспектор»;
• программы для ПК — ExifTool, Exif Pilot, digiKam, IrfanView.

Важный момент: само по себе отсутствие метаданных ничего не доказывает. Соцсети, мессенджеры, скриншоты и пересохранение в JPEG почти всегда стирают EXIF и XMP. Полный набор камерных данных повышает вероятность подлинности, но его тоже можно подделать.

Например, при выгрузке из графических редакторов можно выбрать, как именно будут отображаться метаданные изображения. Так что метаданные — это сильный помощник, но всё ещё не истина в первой инстанции.

Как проверить цифровые водяные знаки нейросетей

В 2026 году есть два типа маркировки контента — Content Credentials (стандарт C2PA) и невидимые водяные знаки вроде SynthID.

C2PA — это криптографически подписанная запись о происхождении файла. Она может указывать, что изображение сгенерировано конкретной моделью или, наоборот, снято камерой или телефоном, а затем отредактировано. Например, со 2 августа 2026 года сервис Claude встраивает невидимый водяной знак в текст и подписывает файлы как раз по стандарту C2PA.

Статус C2PA можно проверить: если системы видят, что кто-то редактировал маркировку, то изображение не пройдёт проверку. Есть официальный ресурс contentcredentials.org, на странице которого можно узнать статус маркировки.

Также существуют другие инструменты, например расширения для браузера. Если при проверке система говорит, что на контенте есть маркировка — это надёжный способ подтвердить ИИ-происхождение фото. Но помните, что иногда при пересохранении маркировка может слетать.

SynthID — технология Google DeepMind. Водяной знак такого формата встраивается непосредственно в пиксели и лучше переживает сжатие, обрезку и пересохранение, чем метаданные.

Существует публичный официальный детектор synthid.com, благодаря которому можно распознать контент, созданный через ИИ. Он узнаёт весь сгенерированный контент, созданный системами Google и партнёров, включая OpenAI, NVIDIA и некоторые другие. Аналогично работает и проверка через приложение Gemini.

Что такое AI-детекторы

Существует целый класс сервисов, специализация которых — выдавать вероятность того, что изображение сгенерировано. Среди популярных классификаторов такого типа можно выделить Hive, Sightengine и AI or Not. Конечно, если им скормить изображение после сжатия, обрезки, скриншота или частичного редактирования, точность измерения падает, но чаще всего такие сервисы хорошо справляются с задачей.

Официальная статистика сервисов утверждает, что вероятность ложного срабатывания на натуральных фотографиях колеблется от нескольких процентов до 20–40% в зависимости от инструмента. В действительности этот фактор достаточно высок, особенно если вы берёте изображение со сложной композицией. Так что детекторы полезны как быстрый фильтр, но не гарантируют точного диагноза.

Пошаговый алгоритм: как проверить подозрительное изображение

Для подробного и корректного анализа изображения на генерацию нужно совмещать разные инструменты — и делать это последовательно.

• Сохраните исходный файл, если он доступен. Скриншот или пережатый вариант уже теряет часть сигналов.
• Проверьте Content Credentials на contentcredentials.org или с помощью аналогичного сервиса. Если есть подписанный манифест с указанием генерации — вопрос в значительной степени решён. Если указана съёмка камерой — это сильный аргумент в пользу подлинности.
• Проверьте водяные знаки через SynthID Detector, Gemini или инструмент OpenAI (в зависимости от предполагаемого источника). Положительный результат — весомое подтверждение того, что изображение было сгенерировано.
• Посмотрите метаданные (EXIF/XMP/IPTC). Если есть полные камерные данные, это повышает вероятность того, что снимок реальный. Прямое указание генератора или метка trainedAlgorithmicMedia — аргумент в пользу генерации. Отсутствие данных можно считать за нейтральный результат.
• Выполните обратный поиск по изображению. Найдите самые ранние появления, другие версии, контекст публикации. Если у изображения есть богатая история, то, вероятно, оно реальное.
• Увеличьте фото и внимательно его рассмотрите: руки, глаза, текст, тени, перспектива, текстуры, фон. Зафиксируйте несколько независимых несоответствий, если они есть.
• При необходимости прогоните файл через один-два классификатора. Интерпретируйте результат только вместе с остальными сигналами.
• Оцените источник и контекст. Кто опубликовал, когда, есть ли подтверждающие материалы с того же события, соответствует ли изображение заявленной истории.

Самые весомые аргументы в пользу происхождения фото — Content Credentials или водяной знак. Сочетание нескольких визуальных артефактов, пустых метаданных и отсутствия истории усиливает подозрения. Но отсутствие всех признаков генерации не гарантирует, что снимок настоящий, особенно если файл прошёл через несколько платформ.