По мере того как генеративный ИИ становится всё более совершенным, компании и стартапы предлагают решения для верификации контента. Журналисты The New York Times протестировали ведущие инструменты детекции — от программ для профессионалов до встроенных функций в смартфонах — и выяснили, насколько им можно доверять.

В погоне за «цифровой правдой»

Эпоха, когда для создания реалистичного дипфейка требовалась мощная рабочая станция и знания в области машинного обучения, осталась в прошлом. Сегодня сгенерировать видео с выступлением известного политика или гиперреалистичное изображение можно за считанные минуты с помощью смартфона.

На фоне этого растущего информационного хаоса производители ПО и гиганты индустрии смартфонов предлагают то, что можно назвать «щитом»: инструменты для обнаружения контента, созданного ИИ.

Но насколько точны эти сервисы? Чтобы это выяснить, протестировали ряд наиболее разрекламированных решений — от узкоспециализированных платных платформ до встроенных функций в новых смартфонах.

Методология испытаний

Был подготовлен набор из 100 образцов контента, включавший:

• «Чистые» файлы — оригинальные фото и видео, снятые на камеру или микрофоны в студийных условиях, а также архивные записи 2022–2024 годов.
• Современные дипфейки — материалы, созданные с помощью Sora 2.0, Veo 3, а также аудиоклоны от ElevenLabs и Voice Engine от OpenAI.
• Гибридный контент — изображения, прошедшие нейросетевую ретушь, апскейлинг или сгенерированные в Midjourney V7.

Каждый инструмент анализировал файлы в том виде, в каком они обычно распространяются в интернете — часто без EXIF-данных и со сжатием от соцсетей.

1. Hive AI Moderation Suite

Тип: Облачный API для бизнеса и плагин для браузера.
Стоимость: $3/мес за плагин Chrome, корпоративный доступ — по запросу.

Hive использует ансамбль моделей, обученных на миллионах изображений и видео. Он оценивает вероятность ИИ-генерации по шкале от 0 до 100%.

Система корректно определила 94% «чистых» изображений как реальные. Однако с видео возникли сложности: артефакты сжатия часто принимались за признаки ИИ. На YouTube-роликах 2023 года Hive ошибочно помечала 12% контента как сгенерированный.

Вердикт: Хороший индикатор для массового использования, но полагаться на него полностью пока рано.

2. RealityGuard от Sensity (бывшая DeepTrace)

Тип: Платформа для корпоративной безопасности, ориентированная на борьбу с финансовым мошенничеством.

Система анализирует микро-выражения лица, несоответствия в освещении и биометрические артефакты, невидимые глазу. Особое внимание — аудиовизуальной синхронизации.

RealityGuard стал лучшим среди B2B-решений. Он не только определял подлинность, но и выдавал тепловые карты с указанием подозрительных кадров.

• Сильные стороны: Эффективно распознавал аудиодипфейки, где голос политика накладывался на чужое видео.
• Слабые стороны: Точность падала до 55% на синтетических изображениях без людей — например, пейзажах или животных.

Вердикт: Эффективен для банков и верификации личностей, но не подходит для проверки новостного контента в целом.

3. Content Credentials (C2PA)

Тип: Технический стандарт, встроенный в камеры Sony, Leica, а также в Android 16 и iOS 19.

Это не детектор, а система «манифеста». Камера подписывает каждый кадр цифровым сертификатом, фиксируя, кто, когда и на какое устройство сделал снимок. При редактировании или обработке ИИ цепочка подписей нарушается или дополняется.

Технически это самый надёжный способ подтвердить подлинность — если контент снят на совместимое устройство в режиме аутентификации. В тесте 70% «реальных» файлов не имели метаданных — из-за старых камер или загрузки через мессенджеры, обрезающие EXIF.

Вердикт: Это «идеальный мир», к которому движётся индустрия. Для профессионалов стандарт становится обязательным. Для обычных пользователей отсутствие C2PA пока не означает фейк.

4. Intel FakeCatcher (в партнёрстве с Factiverse)

Тип: Технология для серверных и облачных решений.

Подход уникален: FakeCatcher анализирует не пиксели, а кровоток в области лица (фотоплетизмография). ИИ пока не может симулировать естественные изменения цвета кожи, связанные с сердечным ритмом.

На видео высокого разрешения с крупным планом лица технология показала 100% точность. Но при низком разрешении (720p и ниже), масках или солнцезащитных очках система отказывалась выдавать результат из-за недостатка данных.

Вердикт: Мощный инструмент для верификации качественных «разговорных» видео, но бесполезен для статичных изображений или сцен с множеством объектов.

Почему «волшебной таблетки» не существует?

Эксперты сходятся во мнении: проблема детекции ИИ-контента далека от решения. Основные причины:

• Гонка вооружений (Adversarial AI): Как только детекторы находят новый артефакт, следующее поколение генеративных моделей его устраняет. Детекторы всегда «догоняют» генераторы.
• Проблема сжатия: Алгоритмы Telegram, WhatsApp и Instagram уничтожают микро-шумы и пиксельные паттерны, по которым ИИ отличает реальное от синтетического. Точность всех инструментов резко падает.
• Человеческий фактор: Пользователи склонны интерпретировать результат вроде «60% вероятности подделки» как абсолютную истину или полностью игнорировать его. Отсутствие единого стандарта порождает недоверие.

Что использовать прямо сейчас?

Универсального решения нет. Рекомендуется комбинированный подход:

• Для фото: Используйте Hive в связке с ручным анализом EXIF-данных (например, через ExifTool).
• Для видео с людьми: Обращайте внимание на аудиовизуальную синхронизацию. При доступе к профессиональным инструментам — RealityGuard и Intel FakeCatcher дают наименьший процент ложных срабатываний.
• Для защиты своего контента: Включайте функцию Content Credentials (C2PA) в настройках смартфона. Это единственный способ в будущем доказать авторство, если вас обвинят в использовании ИИ.

Главный вывод: в 2026 году самый надёжный детектор — это совокупность технологий, собственного расследования и здравого смысла.

ПереводстатьиThe New York Times.

По мере того как генеративный ИИ становится все более совершенным, компании и стартапы предлагают решения для верификации контента. Журналисты NY Times протестировали ведущие инструменты детекции — от программ для профессионалов до встроенных функций в смартфоны — и выяснили, насколько им можно доверять.

В погоне за «цифровой правдой»

Эпоха, когда для создания реалистичного дипфейка требовалась мощная рабочая среда и знания в области машинного обучения, осталась в прошлом. Сегодня сгенерировать видео с выступлением известного политика или гиперреалистичное изображение вас самого можно за считанные минуты с помощью смартфона. На фоне этого нарастающего информационного хаоса производители программного обеспечения и гиганты индустрии смартфонов предлагают то, что можно назвать «щитом»: инструменты для обнаружения ИИ-контента.

Но насколько точны эти сервисы? Чтобы это выяснить, мы протестировали ряд наиболее разрекламированных решений. В тест-драйве участвовали как узкоспециализированные платные сервисы, используемые государственными учреждениями, так и функции, встроенные прямо в новейшие модели смартфонов.

Методология испытаний

Мы подготовили набор из 100 образцов контента. В него вошли:

1. «Чистые» файлы:оригинальные фотографии и видео, сделанные на камеру, снятые микрофонами в студийных условиях, а также архивные записи 2022–2024 годов.
2. Современные дипфейки:материалы, созданные с помощью последних версий моделей Sora 2.0, Veo 3, а также аудиоклоны, сгенерированные ElevenLabs и OpenAIs Voice Engine.
3. Гибридный контент:изображения, прошедшие через нейросетевые фильтры (апскейлинг, ретушь), а также «шедевры», сгенерированные в Midjourney V7.

Каждый инструмент получал метаданные файлов в том виде, в каком они обычно распространяются в интернете (то есть часто — без EXIF-данных или со сжатием от соцсетей).

Обзор инструментов: кто есть кто на рынке

1. Hive AI Moderation Suite

Тип:Облачный API для бизнеса и плагин для браузера.Стоимость:Плагин для Chrome — $3/мес, корпоративный доступ — по запросу.

Как работает:Hive использует ансамбль моделей, обученных на миллионах изображений и видео. Она оценивает вероятность того, что контент создан ИИ, по шкале от 0 до 100%.

Результаты теста:Hive показала себя одним из самых уверенных инструментов. Она корректно определила 94% чистых изображений как «реальные». Однако с видео возникли сложности: нейросеть часто путала сильную компрессию (артефакты сжатия) с «рукотворностью» ИИ. При тестировании видео с YouTube, снятых в 2023 году (до массового распространения GenAI), Hive ошибочно маркировала 12% из них как «вероятно сгенерированные».

Вердикт:Хороший индикатор для масс-маркетинга, но полагаться только на его вердикт пока рано.

2. RealityGuard от Sensity (бывшая DeepTrace)

Тип:Платформа для корпоративной безопасности, ориентированная на борьбу с финансовым мошенничеством (deepfake detection for KYC).

Как работает:Система анализирует микро-выражения лица, несоответствия в освещении и биометрические артефакты, невидимые человеческому глазу. Особый упор сделан на аудиовизуальную синхронизацию.

Результаты теста:Это был лучший результат среди B2B-решений. RealityGuard не только выдал статус «Подлинность», но и предоставил карту тепловых зон, указав на конкретные кадры, где вероятность подделки была максимальной.

• Сильные стороны:Справился с аудиодипфейками, где голос политика был наложен на чужое видео.
• Слабые стороны:Оказался бессилен против «чистых» синтетических изображений животных и пейзажей. Если в кадре нет человека, точность падала до 55% (что близко к случайному угадыванию).

Вердикт:Эффективный инструмент для банковского сектора и верификации личностей, но не панацея для проверки новостного контента.

3. Content Credentials (C2PA) — встроено в камеры смартфонов

Тип:Технический стандарт, реализованный в Sony, Leica, а также в последних обновлениях Android 16 и iOS 19 (в режиме «камера»). Разработан Коалицией по происхождению контента (C2PA).

Как работает:Это не детектор в привычном смысле слова. Это система «манифеста». Камера подписывает каждый кадр «сертификатом подлинности», записывая данные о том, кто, когда и на какое устройство сделал снимок. Если фото редактировалось в Photoshop или проходило через нейросеть, цепочка подписей разрывается или дополняется записью об использовании ИИ.

Результаты теста:С технической точки зрения это самый надежный способ подтвердить подлинность,нотолько если контент был снят на совместимое устройство в режиме «строгой аутентификации». В нашем тесте 70% «реальных» файлов не имели таких метаданных, потому что были сделаны на старые камеры или загружены через мессенджеры, обрезающие EXIF.

Вердикт:Это «идеальный мир», к которому мы движемся. Для профессионалов (фотографы, новостные агентства) стандарт становится обязательным. Для обычного пользователя интернета отсутствие «зеленой галочки» C2PA пока не означает, что файл фейковый.

4. Intel FakeCatcher (в партнерстве с Factiverse)

Тип:Технология для серверных решений и облачных сервисов.

Как работает:Уникальный подход. FakeCatcher анализирует не пиксели, а кровоток в области лица (фотоплетизмография). Алгоритм утверждает, что ИИ пока не способен симулировать естественные изменения цвета кожи вен и капилляров, связанные с сердечным ритмом.

Результаты теста:На видео высокого разрешения с лицом крупным планом технология показала 100% точность в нашем тесте. Однако как только лицо закрывалось маской, солнцезащитными очками или видео переводилось в низкое разрешение (720p и ниже), инструмент отказывался выдавать результат, ссылаясь на недостаточность данных.

Вердикт:Мощный инструмент для верификации «разговорных» видео высокого качества, но совершенно бесполезный для проверки статичных изображений или сцен с большим количеством объектов.

Почему «волшебной таблетки» не существует?

Несмотря на обилие инструментов, эксперты сходятся во мнении, что проблема детекции ИИ-контента далека от окончательного решения. Мы выделили три основные причины:

1. Гонка вооружений (Adversarial AI):Как только детектор учится находить один артефакт (например, неправильное количество пальцев или неестественный блеск в глазах), генеративные модели следующего поколения закрывают эту уязвимость. По сути, детекторы всегда «догоняют» генераторы.
2. Проблема сжатия:Все протестированные инструменты показали резкое падение точности при проверке изображений, скачанных из Telegram, WhatsApp или Instagram. Алгоритмы сжатия уничтожают те самые микро-шумы и пиксельные паттерны, по которым нейросети отличают «настоящее» от «синтетического».
3. Человеческий фактор:Как показали тесты с участием фокус-группы, даже если инструмент детекции выдавал результат «60% вероятности подделки», пользователи склонны интерпретировать его либо как абсолютную истину («раз программа сказала — значит, фейк»), либо полностью игнорировать. Отсутствие стандартизированного интерфейса (как, например, HTTPS в браузерах) порождает недоверие к самим детекторам.

Заключение: Что использовать прямо сейчас?

Если вы ведете блог, занимаетесь фактчекингом или просто хотите обезопасить себя от мошенников, универсального решения не существует. На основе тестирования мы рекомендуем комбинированный подход:

• Для проверки фото:ИспользуйтеHiveв связке с ручным анализом EXIF-данных (утилитаExifTool).
• Для проверки видео с людьми:Обращайте внимание на аудиовизуальную синхронизацию. Если есть доступ к тяжелым инструментам —RealityGuardилиIntel FakeCatcherдают наименьший процент ложных срабатываний.
• Для защиты собственного контента:Включайте в настройках смартфона функциюContent Credentials (C2PA). Это единственный способ «законно» доказать в будущем, что именно вы автор фото, если вас обвинят в использовании нейросетей.

Главный вывод статьи:

В 2026 году самый надежный детектор — это все еще совокупность технологий, собственного расследования и здравого смысла.