Verificar se uma Imagem Foi Gerada por IA: o que os Detectores Conseguem Ver — e o que Não Conseguem

A detecção de imagens não funciona reconhecendo objetos ou identificando dedos a mais. Ela analisa estruturas estatísticas de baixo nível: distribuição de ruído, artefatos de frequência e os rastros deixados pelo processo de upsampling do gerador. Esses sinais são invisíveis a olho nu e sobrevivem a edições leves — por isso um detector pode sinalizar uma imagem que parece perfeitamente comum, e, pelo mesmo motivo, pode deixar passar uma que parece obviamente sintética para um olho humano.

A causa mais comum de um resultado de imagem pouco confiável é o arquivo ter passado por recompressão. Uma captura de tela de outra captura de tela, uma imagem salva de um aplicativo de mensagens ou uma foto recodificada por uma rede social têm justamente a estrutura de baixo nível de que os detectores dependem parcialmente sobrescrita. Sempre teste o original de maior qualidade disponível. Se tudo o que você tem é uma miniatura baixada, a resposta honesta é que o arquivo não pode ser avaliado.

Formatos comuns como JPG, PNG e WebP carregam quantidades diferentes de sinal utilizável. Formatos sem perdas preservam mais; uma compressão JPEG pesada remove mais. A resolução importa pelo mesmo motivo: uma imagem pequena contém menos evidência estatística. É por isso que a mesma foto pode gerar resultados diferentes em tamanhos diferentes — o que não é inconsistência do detector, mas uma diferença real na quantidade de evidência que cada arquivo carrega.

Detectores e pessoas falham de formas diferentes, o que os torna mais úteis em conjunto. As pessoas são boas em identificar impossibilidades semânticas: texto que se dissolve em formas, reflexos que não batem, joias que se fundem com a pele, sombras caindo em direções incompatíveis. Os detectores são bons em captar resíduos estatísticos que nenhum observador percebe. Usar os dois métodos e tratar uma discordância entre eles como motivo para investigar mais a fundo é muito mais confiável do que confiar em apenas um.

Quando disponível, a evidência de proveniência supera qualquer pontuação. Onde o arquivo apareceu pela primeira vez, quem o publicou, se quem postou originalmente tem histórico, se existe uma versão anterior em outro lugar, se os metadados incorporados sobreviveram. Uma busca reversa de imagem que encontra a foto publicada dois anos antes resolve a questão de um jeito que nenhuma porcentagem consegue. A detecção é mais valiosa justamente quando a proveniência não está disponível — e é exatamente nesse caso que ela deve ser relatada junto com sua margem de incerteza.

Se um julgamento for compartilhado ou usado para tomar uma decisão, registre o que foi testado e o que foi encontrado: a versão do arquivo, sua resolução e formato, a pontuação, as anomalias visuais observadas e qualquer evidência de proveniência. Ferramentas como o NotGPT retornam uma probabilidade para uma imagem enviada, e manter um histórico curto das verificações torna os resultados comparáveis ao longo do tempo. Uma conclusão que registra sua própria base pode ser revisitada; uma porcentagem isolada numa mensagem de chat, não.