यह जांचना कि कोई इमेज AI-जनरेटेड है या नहीं: डिटेक्टर क्या देख सकते हैं और क्या नहीं

इमेज डिटेक्शन विषय-वस्तु को पहचानकर या ज़्यादा उंगलियाँ ढूँढकर काम नहीं करता। यह निम्न-स्तरीय सांख्यिकीय संरचना का विश्लेषण करता है — नॉइज़ का वितरण, फ़्रीक्वेंसी आर्टिफ़ैक्ट्स, और जनरेटर की अपस्केलिंग प्रक्रिया के छोड़े निशान। ये संकेत देखने वाले को नज़र नहीं आते और मामूली एडिटिंग के बाद भी बने रहते हैं। यही वजह है कि डिटेक्टर किसी बिल्कुल सामान्य दिखने वाली इमेज को फ़्लैग कर सकता है, और उतनी ही आसानी से किसी ऐसी इमेज को चूक भी सकता है जो इंसानी आँख को साफ़ तौर पर सिंथेटिक लगती है।

किसी इमेज का नतीजा अविश्वसनीय होने की सबसे आम वजह यह है कि फ़ाइल दोबारा कंप्रेस हो चुकी है। किसी स्क्रीनशॉट का स्क्रीनशॉट, किसी मैसेजिंग ऐप से सेव की गई इमेज, या किसी सोशल प्लेटफ़ॉर्म से दोबारा एन्कोड की गई फ़ोटो — इन सबमें ठीक वही निम्न-स्तरीय संरचना आंशिक रूप से मिट चुकी होती है जिस पर डिटेक्टर निर्भर करते हैं। हमेशा उपलब्ध सबसे बेहतरीन क्वालिटी वाली मूल फ़ाइल पर ही जांच करें। अगर आपके पास सिर्फ़ डाउनलोड किया गया थंबनेल है, तो ईमानदार जवाब यही है कि उस फ़ाइल का आकलन नहीं किया जा सकता।

JPG, PNG और WebP जैसे आम फ़ॉर्मेट अलग-अलग मात्रा में उपयोगी सिग्नल रखते हैं। लॉसलेस फ़ॉर्मेट ज़्यादा सिग्नल बचाए रखते हैं; भारी JPEG कंप्रेशन ज़्यादा सिग्नल हटा देता है। रिज़ॉल्यूशन भी इसी वजह से मायने रखता है — छोटी इमेज में सांख्यिकीय सबूत कम होते हैं। यही कारण है कि एक ही तस्वीर अलग-अलग साइज़ में अलग नतीजे दे सकती है, जो डिटेक्टर की गड़बड़ी नहीं बल्कि हर फ़ाइल में मौजूद सबूत की मात्रा का असली अंतर है।

डिटेक्टर और इंसान अलग-अलग तरीकों से चूकते हैं, और यही बात दोनों को साथ इस्तेमाल करने पर उपयोगी बनाती है। इंसान सिमेंटिक असंभवताएँ पकड़ने में अच्छे होते हैं — टेक्स्ट जो आकारों में घुल जाता है, रिफ्लेक्शन जो आपस में मेल नहीं खाते, गहने जो त्वचा में विलीन हो जाते हैं, या साये जो असंगत दिशाओं में पड़ते हैं। डिटेक्टर सांख्यिकीय अवशेषों को पकड़ने में अच्छे होते हैं जिन्हें कोई दर्शक नोटिस नहीं करता। दोनों को चलाकर, और असहमति को आगे जांच की वजह मानकर, नतीजा किसी एक पर भरोसा करने से कहीं ज़्यादा भरोसेमंद बनता है।

जहाँ उपलब्ध हो, वहाँ स्रोत की पुष्टि (provenance) का सबूत किसी भी स्कोर से बढ़कर होता है। फ़ाइल सबसे पहले कहाँ सामने आई, इसे किसने पब्लिश किया, क्या पोस्ट करने वाले का कोई पुराना रिकॉर्ड है, कहीं इसका कोई पुराना वर्ज़न मौजूद है, क्या एम्बेडेड मेटाडेटा बचा हुआ है। कोई रिवर्स इमेज सर्च जो यह दिखा दे कि तस्वीर दो साल पहले ही पब्लिश हो चुकी थी, सवाल को उस तरह सुलझा देती है जैसे कोई प्रतिशत कभी नहीं सुलझा सकता। डिटेक्शन ठीक तभी सबसे ज़्यादा काम आता है जब स्रोत की पुष्टि उपलब्ध न हो — और यही वह मौका भी है जब इसे अपनी अनिश्चितता के साथ बताना चाहिए।

अगर कोई निर्णय आगे साझा किया जाएगा या उस पर कार्रवाई होगी, तो यह दर्ज करें कि आपने क्या जांचा और क्या पाया — फ़ाइल का वर्ज़न, उसका रिज़ॉल्यूशन और फ़ॉर्मेट, स्कोर, नोट की गई विज़ुअल विसंगतियाँ, और स्रोत की पुष्टि से जुड़ा कोई भी सबूत। NotGPT जैसे टूल अपलोड की गई इमेज के लिए एक प्रोबेबिलिटी देते हैं, और जांचों का एक छोटा इतिहास रखने से नतीजे समय के साथ तुलनीय बन जाते हैं। जो निष्कर्ष अपना आधार भी दर्ज करता है, उसे दोबारा देखा जा सकता है; किसी चैट मैसेज में लिखा गया सिर्फ़ एक प्रतिशत ऐसा नहीं किया जा सकता।