ย้อนไปไม่กี่เจเนอเรชันก่อน การจับผิดภาพศิลปะ AI แทบเป็นเรื่องสนุก ๆ — มือที่บิดเบี้ยว ข้อความพื้นหลังที่พังยับ ผิวที่ดูรีทัชจนไม่สมจริง โมเดล diffusion รุ่นใหม่ ๆ ค่อย ๆ ปิดช่องโหว่เหล่านั้นไปเกือบหมดแล้ว และเครื่องมือตรวจจับก็ต้องทำงานหนักขึ้นมากเพื่อตามให้ทัน โดยความแม่นยำแตกต่างกันมากกว่าที่คนส่วนใหญ่คิด
สร้างด้วยโมเดลรุ่นล่าสุดมือที่บิดเบี้ยว นิ้วเกิน ข้อความพื้นหลังที่งงงวย และความสมมาตรใบหน้าที่ดูแปลก ๆ เคยเป็นสัญญาณที่เชื่อถือได้ของโมเดลยุค 2022–2023 เจเนอเรชันใหม่ที่ฝึกจากชุดข้อมูลขนาดใหญ่ขึ้นด้วยการควบคุมกายวิภาคที่ดีขึ้นและความละเอียดต้นฉบับที่สูงขึ้นได้แก้ปัญหาส่วนใหญ่เหล่านี้ไปแล้ว นี่คือเหตุผลที่มันใช้ไม่ได้ผลเป็นการทดสอบด้วยสายตาเร็ว ๆ อีกต่อไป
เครื่องมือตรวจจับสมัยใหม่ส่วนใหญ่เลิกมองหาความผิดพลาดทางภาพที่เห็นชัดแล้วเปลี่ยนไปหาลายนิ้วมือทางสถิติที่ตามองไม่เห็น — สิ่งแปลกปลอมในโดเมนความถี่ที่หลงเหลือจากกระบวนการสร้างภาพ รูปแบบสัญญาณรบกวนที่เป็นลักษณะเฉพาะของการสุ่มตัวอย่างแบบ diffusion และ (ถ้ามี) เมทาดาต้าที่มาที่ฝังไว้ นี่คือหลักฐานคนละแบบโดยสิ้นเชิงกับ "มือนั้นดูผิดปกติ"
การทดสอบมาตรฐานอิสระปี 2026 พบว่าเครื่องมือตรวจจับชั้นนำทำคะแนนความแม่นยำ 91–94% กับภาพจากเครื่องสร้างภาพชื่อดังอย่าง Midjourney, DALL-E และ Stable Diffusion XL ภายใต้เงื่อนไขการทดสอบที่สะอาด ความแม่นยำนั้นตกลงอย่างรวดเร็วภายใต้เงื่อนไขโลกจริง — การบีบอัดใหม่ การแคปหน้าจอ หรือการแก้ไขเล็กน้อยทำให้ความแม่นยำของบางเครื่องมือตกลงต่ำกว่า 5% และเมื่อเทียบกับเครื่องสร้างภาพรุ่นใหม่ที่มีความละเอียดสูงกว่าที่สร้างมาเพื่อยากต่อการหาลายนิ้วมือโดยเฉพาะ ไม่มีเครื่องมือไหนในการทดสอบอิสระทำได้เกิน 60%
ความสมจริงเพิ่มขึ้นเรื่อย ๆ ในทุกเจเนอเรชัน และการตรวจจับโดยพื้นฐานแล้วกำลังไล่ตามอยู่ตลอด ไม่ใช่นำหน้า สำหรับใครก็ตามที่กำลังเปรียบเทียบเครื่องสร้างภาพ AI นี่ก็เป็นสัญญาณคุณภาพในตัวมันเองด้วย — โมเดลใหม่ที่มีความละเอียดสูงกว่าไม่ใช่แค่ "ดูสวยกว่า" มันคือผลลัพธ์แบบที่การตรวจจับในปัจจุบันมีปัญหามากที่สุดในการแจ้งว่าเป็นภาพสังเคราะห์
ไม่แม่นยำนักสำหรับโมเดลรุ่นปัจจุบัน ร่องรอยทางภาพที่เคยใช้ได้ผลเมื่อไม่กี่เจเนอเรชันก่อน — ความบิดเบี้ยวของมือ ข้อผิดพลาดของข้อความพื้นหลัง — ถูกฝึกออกไปจากโมเดลใหม่ ๆ เป็นส่วนใหญ่แล้ว
การตรวจจับยากขึ้นกับวิดีโอเพราะมีเฟรมมากกว่าและมีความต่อเนื่องตามเวลาที่ต้องสร้างแบบจำลอง แม้ว่าเทคนิคโดเมนความถี่และรูปแบบสัญญาณรบกวนแบบเดียวกันจะยังใช้ได้ และเครื่องมือในด้านนี้กำลังพัฒนาอย่างรวดเร็ว
ใช่ วัดผลได้จริง — การทดสอบมาตรฐานอิสระพบเครื่องมือตรวจจับปัจจุบันทำงานได้แย่กว่ามากกับเครื่องสร้างภาพรุ่นใหม่ความละเอียดสูงเทียบกับเครื่องสร้างภาพเก่าที่มีชื่อเสียง
มาตรฐานที่มาอย่าง content credentials ที่ฝังไว้เป็นสัญญาณที่เชื่อถือได้มากที่สุดเมื่อมีอยู่ แต่การนำไปใช้ยังไม่สม่ำเสมอและหายง่ายเมื่อเข้ารหัสใหม่ ดังนั้นจึงยังไม่ใช่ทางแก้ที่ครอบคลุมทุกกรณีในตอนนี้











