Cách nhận biết ảnh AI: 6 bước kiểm tra ảnh có do AI tạo ra không

Để nhận biết ảnh do AI tạo ra, hãy kiểm tra nguồn của ảnh, tìm bản ghi tạo ảnh đã được xác thực hoặc watermark được hỗ trợ, rồi dùng công cụ phát hiện ảnh AI để xem nội dung của tệp gợi ý điều gì. Mỗi phép kiểm tra trả lời một phần khác nhau của câu hỏi. Kết hợp lại, chúng có thể làm cơ sở cho một kết luận về nguồn gốc ảnh và chỉ ra bước cần xem xét tiếp theo.

Hãy đặt cạnh câu hỏi về nguồn gốc một câu hỏi thứ hai: ảnh này có đủ cơ sở để xác nhận điều mà người gửi nêu ra không? Một bức ảnh chụp bằng máy ảnh vẫn có thể cho thấy sai món hàng hoặc một sự cố trước đó. Một hình minh họa do AI tạo ra và được khai báo công khai hoàn toàn có thể phù hợp với mục đích sử dụng. Việc có AI tham gia và hành vi lừa dối là hai kết luận khác nhau.

Hướng dẫn này dành cho những người phải ra quyết định dựa trên ảnh nhận được qua email, Zalo hay biểu mẫu trực tuyến, chẳng hạn khi thẩm định hồ sơ bồi thường bảo hiểm, xử lý yêu cầu hoàn tiền, đối chiếu chứng từ hoặc biên tập tin bài.

Kiểm tra nhanh: ảnh này có phải ảnh AI không?

Để biết một bức ảnh có phải ảnh AI hay không, hãy làm lần lượt các bước dưới đây. Mỗi bước được giải thích kỹ hơn ở các phần sau.

1. Giữ lại tệp bạn đã nhận và hỏi xem ảnh từ đâu đến. Hãy xin tệp gốc dưới dạng tệp đính kèm thay vì ảnh chụp màn hình, đồng thời ghi lại ai gửi và gửi lúc nào.
2. Tìm nguồn gốc mà ảnh tự khai báo. Kiểm tra nhãn AI của nền tảng, Content Credentials hoặc trường metadata ghi rằng đã dùng AI tạo sinh. Một nhãn không có chữ ký chỉ là lời khai, chưa phải sự xác minh.
3. Tìm các bản sao xuất hiện trước đó. Tìm kiếm ảnh ngược có thể cho thấy bức ảnh đã xuất hiện trước sự kiện mà nó được cho là ghi lại.
4. Xem ở kích thước đầy đủ những chi tiết liên quan đến yêu cầu. Bàn tay, chữ viết, bóng đổ và hậu cảnh có thể cho bạn manh mối; phần về dấu hiệu hình ảnh giải thích vì sao chúng chưa phải bằng chứng.
5. Chạy công cụ kiểm tra ảnh AI được xây dựng cho đúng câu hỏi. Công cụ phát hiện ảnh AI của Fileverity cho kết quả kiểm tra miễn phí gồm mức độ rủi ro và hành động khuyến nghị; báo cáo đầy đủ bổ sung bằng chứng đằng sau kết quả đó.
6. Nêu rõ điều bằng chứng thực sự chứng minh. “Có cơ sở cho thấy nguồn gốc AI”, “gắn cờ để xem xét” và “nguồn gốc chưa xác định được” là những kết luận khác nhau. Hãy chọn kết luận mà bằng chứng của bạn thực sự đạt tới.

Chọn điểm bắt đầu

Với một ảnh đơn lẻ, hãy bắt đầu bằng công cụ phát hiện ảnh AI của Fileverity. Trong cùng một báo cáo, công cụ này kiểm tra ảnh về ba mặt (do AI tạo ra, bị can thiệp cục bộ và xuất xứ ghi trong tệp) và nêu bằng chứng mạnh đến mức nào. Hãy dùng kết quả để quyết định bước tiếp theo là kiểm tra nguồn gốc, xem kỹ một vùng bị chỉnh sửa hay xin một tệp nguồn tốt hơn. Kết quả về nguồn gốc ảnh vẫn cần được gắn với yêu cầu mà bạn đang xem xét. Hình dưới đây tóm tắt năm giai đoạn xem xét, từ nguồn của ảnh đến kết luận.

1. Xác định bạn cần ảnh chứng minh điều gì

Hãy viết một câu nêu rõ đối tượng, thời điểm và bối cảnh. “Chiếc xe đạp này đến nơi với khung bị nứt vào thứ Ba” cho người xét duyệt một điều cụ thể để kiểm chứng. “Ảnh này có thật không?” gộp nhiều câu hỏi vào một, mà mỗi câu có thể cần một loại bằng chứng khác nhau.

Với chiếc xe đạp đó, hãy tách thành bốn câu hỏi: ảnh có phải do máy ảnh chụp không, vết nứt có thể đã bị thêm vào không, chiếc xe trong ảnh có đúng là chiếc đã bán không, và hư hỏng xảy ra khi nào. Phát hiện ảnh do AI tạo ra hoàn toàn giúp trả lời câu đầu; phân tích cục bộ giải quyết câu thứ hai; dữ liệu giao dịch và vận chuyển trả lời các câu còn lại. Tách các nhiệm vụ này giúp mỗi phép kiểm tra hữu ích hơn.

Hãy đặt quy tắc quyết định trước khi xem kết quả của công cụ phát hiện. Ví dụ: “Yêu cầu bồi thường hư hỏng phải có ảnh rõ về lỗi và bằng chứng gắn món hàng trong ảnh với giao dịch.” Quy tắc này giúp tránh việc một điểm số trông có vẻ thuyết phục âm thầm thay thế tiêu chí thực sự. Hãy chọn bước tiếp theo tương xứng với mức độ quan trọng của vụ việc: với một hình minh họa, người gửi khai báo nguồn gốc có thể là đủ; còn một giao dịch đang tranh chấp có thể cần thêm một góc chụp khác và một mã định danh khớp với đơn hàng.

2. Truy vết nguồn và giữ nguyên bản đã nhận

Hãy giữ nguyên tệp đã nhận, cùng với người gửi, thời điểm nhận và bối cảnh chụp mà họ nêu. Gán cho mỗi phiên bản một mã tham chiếu ổn định; giá trị băm (hash) của tệp có thể xác định chính xác các byte đã được phân tích. Hãy gắn các tệp gửi sau đó và kết quả phân tích vào mã tham chiếu này.

Khi chỉ có ảnh chụp màn hình hoặc ảnh xem trước trong ứng dụng nhắn tin, hãy xin tệp gốc hoặc bản xuất sớm nhất và nói rõ cách gửi: “Bạn vui lòng gửi ảnh dưới dạng tệp đính kèm, đừng chụp màn hình.” Bản xuất gốc cũng có thể đến từ một công cụ tạo ảnh, vì vậy hãy coi yêu cầu này là cách để có bằng chứng tốt hơn, không phải phép thử tính xác thực.

Hãy tách việc truy vết nguồn khỏi uy tín của người gửi. Một người quen vẫn có thể vô tình chuyển tiếp một ảnh gây hiểu nhầm. Liên hệ người đó qua kênh đã biết có thể cho bạn biết họ lấy ảnh ở đâu, nhưng sự chắc chắn của họ không thay thế được lịch sử của tệp. Hãy hỏi họ có tự chụp ảnh, nhận từ người khác hay tải về không, và ghi lại phần nào họ có thể tự xác nhận.

Khi phù hợp với tư liệu đang xét, hãy dùng tìm kiếm ảnh ngược (reverse image search) để tìm các lần xuất hiện trước đó. Mở trang khớp và so sánh các chi tiết đặc trưng thay vì chỉ dựa vào ảnh thu nhỏ. Một góc cắt khác của cùng một lỗi có thể hữu ích hơn một sản phẩm trông giống. Hãy ghi lại URL của trang và ngày mà trang đó thực sự chứng minh được; ngày đăng hiển thị chưa chắc là ngày chụp. Tìm không thấy kết quả khớp nghĩa là chưa tìm được gì, không có nghĩa ảnh là bản gốc. Đừng gửi hồ sơ bí mật lên dịch vụ tìm kiếm hoặc phân tích công khai khi việc đó chưa được cho phép.

3. Tách metadata thông thường khỏi lịch sử xuất xứ có chữ ký

Metadata (siêu dữ liệu) có thể cho bạn những manh mối như thông tin máy ảnh, dấu thời gian và thông tin tác giả. EXIF, IPTC và XMP là các định dạng metadata phổ biến, nhưng thấy một trường máy ảnh không đồng nghĩa với việc đã xác minh một chữ ký. NIST xem xét các định dạng này tách biệt với các biện pháp bảo vệ bản ghi xuất xứ. NIST AI 100-4, mục 3.1.2 (tiếng Anh) Để xem nhanh các trường này trên một tệp ảnh, bạn có thể dùng công cụ xem EXIF ảnh miễn phí của Fileverity; công cụ này chỉ đọc EXIF cơ bản, không đọc C2PA, XMP hay nhãn AI.

Hãy đọc đúng tên trường trước khi diễn giải một ngày: ngày sửa tệp, ngày xuất và ngày chụp trả lời những câu hỏi khác nhau. Ghi lại chênh lệch đúng như quan sát được, không lý giải cho qua chuyện. Đừng suy ra tên một phần mềm đồng nghĩa với việc đã chỉnh sửa bằng AI tạo sinh, hay thiếu trường máy ảnh đồng nghĩa với việc không có máy ảnh. Một trường bị thiếu là bằng chứng đặc biệt yếu khi bạn không biết tệp đã đi qua những đâu.

Content Credentials (bản ghi xuất xứ có chữ ký theo chuẩn C2PA) bổ sung các khẳng định có chữ ký gắn với một tệp. Quá trình xác thực có thể kiểm tra tính toàn vẹn của bản ghi, liên kết của nó với tệp và độ tin cậy của bên ký. Điều này khác với việc chỉ đọc metadata. C2PA cũng phân biệt xuất xứ với sự thật: một bản ghi Content Credentials hợp lệ không xác minh sự kiện mà bức ảnh mô tả. Việc áp dụng không bắt buộc, lịch sử có thể không đầy đủ và metadata xuất xứ có thể bị gỡ bỏ. Xem giải thích C2PA 2.2, mục 2 và 7 (tiếng Anh).

Khi xem xét một tệp cụ thể, hãy lưu kết quả của công cụ xác thực và xác định chính xác nó mô tả điều gì. Bản ghi nói về lúc chụp, lúc tạo ảnh, một lần chỉnh sửa hay một lần xuất tệp sau đó? Bản ghi áp dụng cho tệp đính kèm này hay cho một thành phần trước đó? Công cụ xác thực có công nhận bên ký không? Những chi tiết này cho thấy Content Credentials thực sự chứng minh điều gì.

Hãy phân biệt “không có”, “không xác thực được” và “xác thực được với các khẳng định này”. Đó là ba quan sát khác nhau. Nếu việc xác thực thất bại, hãy giữ lại thông tin chẩn đoán thay vì quy mọi lỗi thành hành vi cố ý can thiệp. Nếu bản ghi mô tả việc tạo ảnh bằng AI, hãy báo cáo khẳng định đó cùng trạng thái xác thực, thay vì ngụ ý rằng toàn bộ câu chuyện trong ảnh đã bị bác bỏ.

Nhãn AI theo quy định tại Việt Nam: nhãn nói lên điều gì, thiếu nhãn nói lên điều gì

Từ ngày 1 tháng 3 năm 2026, Luật Trí tuệ nhân tạo số 134/2025/QH15 đặt ra nghĩa vụ minh bạch đối với nội dung âm thanh, hình ảnh và video. Theo Điều 11, nhà cung cấp phải bảo đảm nội dung âm thanh, hình ảnh, video do hệ thống AI tạo ra được đánh dấu ở định dạng máy đọc được (khoản 2). Bên triển khai phải thông báo rõ ràng khi cung cấp ra công cộng nội dung do AI tạo ra hoặc chỉnh sửa mà có khả năng gây nhầm lẫn về tính xác thực của sự kiện, nhân vật (khoản 3), đồng thời phải gắn nhãn dễ nhận biết cho nội dung mô phỏng ngoại hình, giọng nói của người thật hoặc tái hiện sự kiện thực tế (khoản 4). Nghị định 142/2026/NĐ-CP, có hiệu lực từ ngày 1 tháng 5 năm 2026, quy định chi tiết hơn. Dấu hiệu nhận biết kỹ thuật có thể nằm trong cấu trúc tệp hoặc dữ liệu nội dung, trong metadata của tệp, hoặc dưới dạng chữ ký số, chữ ký điện tử hay phương thức xác thực kỹ thuật tương đương (khoản 2 Điều 17 của Nghị định). Nhãn hiển thị phải rõ ràng và được thể hiện trước hoặc tại thời điểm người xem tiếp cận nội dung (khoản 3 Điều 18 của Nghị định).

Điều này có ích cho người xét duyệt ở hai điểm. Thứ nhất, ngày càng nhiều tệp ảnh có thể mang dấu hiệu kỹ thuật hoặc nhãn, và khi dấu hiệu đó được xác thực thì nó là manh mối cụ thể về nguồn gốc. Thứ hai, việc không có nhãn không chứng minh được điều gì, vì nhiều lý do không liên quan đến việc ảnh có do AI tạo ra hay không:

• Hệ thống đã vận hành trước ngày 1 tháng 3 năm 2026 được thêm thời gian để tuân thủ: 12 tháng kể từ ngày Luật có hiệu lực, hoặc 18 tháng đối với hệ thống trong lĩnh vực y tế, giáo dục và tài chính (khoản 1 Điều 35 của Luật).
• Nghị định 142/2026/NĐ-CP không yêu cầu gắn nhãn hiển thị với nội dung chỉ được chỉnh sửa kỹ thuật để cải thiện chất lượng mà không làm thay đổi bản chất hoặc ngữ cảnh chính, hay nội dung chỉ dùng trong nội bộ và không cung cấp ra công cộng (khoản 4 Điều 18 của Nghị định).
• Nghĩa vụ thông báo tại khoản 3 Điều 11 của Luật gắn với việc cung cấp nội dung ra công cộng. Một ảnh gửi riêng đến hộp thư tiếp nhận hồ sơ của bạn có thể chưa bao giờ được công bố, nên có thể chưa từng qua bước gắn nhãn của nền tảng.
• Một bên cung cấp công cụ tạo ảnh có thể không đánh dấu ảnh do công cụ của họ tạo ra, và người gửi ảnh có thể chọn bất kỳ công cụ nào.
• Ảnh chụp màn hình không mang theo metadata hay Content Credentials của tệp gốc, và metadata có thể bị gỡ bỏ khi tệp đi qua các kênh gửi nhận. Dấu hiệu nhúng trong tệp chỉ có ích khi nó còn nằm trong tệp bạn nhận được.

Ngược lại, có nhãn cũng chỉ là một khẳng định cần đọc đúng: nhãn cho biết AI có tham gia, không cho biết ảnh có nhằm lừa dối hay không. Luật Trí tuệ nhân tạo cấm dùng hệ thống AI nhằm sử dụng yếu tố giả mạo hoặc mô phỏng người, sự kiện thật để lừa dối hoặc thao túng nhận thức, hành vi của con người một cách có chủ đích và có hệ thống, gây tổn hại nghiêm trọng đến quyền, lợi ích hợp pháp của con người (điểm b khoản 2 Điều 7), đồng thời cấm tẩy xóa, làm sai lệch thông tin, nhãn và cảnh báo bắt buộc trong hoạt động AI (khoản 5 Điều 7).

Luật An ninh mạng số 116/2025/QH15, có hiệu lực từ ngày 1 tháng 7 năm 2026, cấm dùng trí tuệ nhân tạo hoặc công nghệ mới để giả mạo video, hình ảnh, giọng nói của người khác trên không gian mạng, trái quy định của pháp luật (điểm g khoản 2 Điều 7). Hành vi này thường được gọi là deepfake, tức việc dùng AI tạo nội dung giả mạo người thật.

Đây là thông tin về bối cảnh pháp lý, không phải tư vấn pháp lý. Một báo cáo phân tích ảnh là bằng chứng kỹ thuật để người xét duyệt cân nhắc, không thay thế kết luận của cơ quan có thẩm quyền. Hãy trao đổi với bộ phận pháp chế hoặc luật sư của bạn trước khi dựa vào các quy định này để xử lý một vụ việc cụ thể.

4. Quan sát ảnh: dấu hiệu hình ảnh và giới hạn của chúng

Quan sát bằng mắt hữu ích nhất khi nó chỉ ra điều cần điều tra tiếp. Hãy xem ở kích thước hiển thị đủ lớn những vùng quan trọng đối với yêu cầu: chỗ hư hỏng, nhãn số sê-ri, các điểm mốc ở hậu cảnh, phản chiếu hoặc ranh giới giữa các vật thể. Phóng to giúp bạn thấy các điểm ảnh sẵn có, nhưng không tạo ra bằng chứng còn thiếu.

Dưới đây là những dấu hiệu người ta hay kiểm tra nhất. Mỗi dấu hiệu đều có một cách giải thích bình thường mà bạn cần loại trừ trước khi coi nó là dấu hiệu của việc tạo ảnh bằng AI:

Một hướng dẫn nghiên cứu của Kamali và cộng sự (Đại học Northwestern) chia các dấu hiệu này thành năm nhóm: bất hợp lý về giải phẫu, phong cách, chức năng, vật lý và văn hóa - xã hội. Các tác giả lưu ý rằng những lỗi này không phải lúc nào cũng xuất hiện trong ảnh do AI tạo ra, và chỉ nhìn vào điểm ảnh thì thường không thể xác định nguồn gốc ảnh nếu thiếu bối cảnh. Kamali và cộng sự, “How to Distinguish AI-Generated Images from Authentic Photographs” (tiếng Anh)

Hãy viết “không đọc được mã định danh của món hàng” hoặc “mép bánh xe và sàn nhà có vẻ không liền mạch” thay vì “trông giống ảnh AI”. Cách viết đầu ghi lại một quan sát mà người khác kiểm tra được. Cách viết sau gộp vẻ ngoài, nguyên nhân và mức độ tin cậy thành một phán quyết thiếu cơ sở.

Hãy cân nhắc các cách giải thích bình thường trước khi quy một điểm bất thường cho việc tạo ảnh bằng AI: chuyển động, độ sâu trường ảnh nông, chói sáng, nén ảnh và chỉnh sửa thông thường đều có thể ảnh hưởng đến những gì nhìn thấy. Ngược lại, các công cụ tạo ảnh mới hơn tránh được nhiều lỗi quen thuộc, nên không thấy lỗi ở bàn tay, chữ viết hay bóng đổ cũng không đủ để kết luận về nguồn gốc. Đừng biến danh sách lỗi hình ảnh thành phép thử duy nhất để chấp nhận một ảnh.

Một bước tiếp theo hữu ích là nhắm vào chỗ còn chưa chắc chắn. Nếu nhãn không đọc được, hãy yêu cầu một ảnh cận cảnh để có thể đối chiếu nhãn đó với món hàng. Nếu chi tiết bị tranh cãi chỉ chiếm một vùng nhỏ, hãy điều tra khả năng chỉnh sửa cục bộ thay vì cho rằng phép phân loại toàn bộ ảnh có thể xác định vị trí hay giải thích nó.

5. Chọn phép kiểm tra trả lời đúng câu hỏi còn lại

Xác minh watermark và phát hiện dựa trên học máy là hai cơ chế khác nhau. Kiểm tra watermark tìm một tín hiệu cụ thể được nhúng vào ảnh; công cụ phát hiện học máy đánh giá các đặc điểm trong nội dung. NIST coi theo dõi xuất xứ và phát hiện dựa trên nội dung là hai cách tiếp cận riêng biệt, đồng thời nhấn mạnh rằng không kỹ thuật đơn lẻ nào là toàn diện. NIST AI 100-4, mục 3.1–3.2 (tiếng Anh)

Ví dụ cụ thể: SynthID của Google nhúng vào nội dung do các sản phẩm được hỗ trợ tạo ra những watermark mà con người không nhận thấy được. Một kết quả xác minh dương tính có thể cho một manh mối cụ thể về đầu ra của hệ thống đó. Một kết quả âm tính vẫn để ngỏ khả năng ảnh đến từ công cụ tạo ảnh khác hoặc đã qua các phương pháp chỉnh sửa khác. Hãy kiểm tra các sản phẩm được trình xác minh hỗ trợ và yêu cầu về dữ liệu đầu vào. Tổng quan về SynthID của Google DeepMind (tiếng Anh)

Hãy khớp từng phép kiểm tra với câu hỏi mà nó trả lời được:

Hình dưới đây tóm tắt phạm vi của bốn nhóm bằng chứng đầu tiên trong bảng: mỗi nhóm trả lời một câu hỏi riêng và có giới hạn riêng.

Phát hiện bằng học máy hữu ích khi thiếu lịch sử nguồn hoặc khi bạn muốn kiểm tra xem nội dung có khớp với nguồn gốc được nêu hay không. Hãy chọn công cụ phát hiện phù hợp với nhiệm vụ: ảnh do AI tạo ra hoàn toàn, chỉnh sửa cục bộ, hoặc cả hai. Hãy xem phần đánh giá của công cụ có bao gồm loại đầu vào mà bạn nhận được hay không, chẳng hạn bản xuất gốc hay tệp đính kèm đã nén. Với các quyết định quan trọng, hãy yêu cầu bằng chứng ở đúng ngưỡng xem xét dự định áp dụng. NIST nêu bật vấn đề dương tính giả và tầm quan trọng của việc đánh giá phát hiện ở các ngưỡng được xác định. NIST AI 100-4, mục 4.2.2 (tiếng Anh)

Hãy lưu tên công cụ, phiên bản (nếu có), ngày chạy, mã định danh của đầu vào, nhãn đầu ra và ngưỡng. Đừng âm thầm diễn giải một con số thành “xác suất người này gian lận”. Trừ khi nhà cung cấp công bố rõ ý nghĩa và cách hiệu chỉnh điểm số cho đúng mục đích sử dụng, hãy giữ con số đó theo đúng thuật ngữ của công cụ. Hai dịch vụ cho cùng một kết quả không tự động là hai lần xác nhận độc lập; hãy xác định xem chúng có cung cấp bằng chứng thực sự khác nhau không trước khi tăng mức độ tin cậy.

Fileverity báo cáo kết quả theo đúng thuật ngữ của công cụ, cho thấy bằng chứng đằng sau và nêu rõ khi một đầu vào không phù hợp, để người xét duyệt của bạn ghi lại điều đã tìm thấy mà không biến một điểm số thành lời buộc tội.

Bên trong phép kiểm tra: công cụ phát hiện biến điểm ảnh thành bằng chứng như thế nào

Fileverity biến mỗi ảnh được gửi lên thành một tập đặc trưng học được và chấm điểm mức độ khớp của các đặc trưng đó với nội dung do AI tạo ra hoặc nội dung có nguồn gốc từ máy ảnh. Điểm số chỉ là một phần của bằng chứng: nó không truy xuất lịch sử tạo tệp và không nói gì về ý định của người gửi. Một cách mô tả khái quát hữu ích là z = φ(T(x)); s = h(z): x là ảnh được gửi lên, T chuẩn bị ảnh cho việc phân tích, φ tạo ra các đặc trưng dạng số mà mô hình học được, và h tạo ra điểm số phân loại.

Bước biểu diễn đặc trưng là bước quan trọng. Một đặc trưng không nhất thiết tương ứng với một vật thể nhận ra được hay một lỗi dễ thấy. Huấn luyện có thể khiến các tổ hợp đặc điểm trong ảnh trở nên hữu ích để phân tách các nhóm đã gắn nhãn, ngay cả khi con người thấy cả hai nhóm đều hợp lý về mặt hình ảnh. Điểm số thu được nói về sự phân biệt đã học đó; nó không truy xuất lịch sử tạo tệp. Trong nghiên cứu công bố tại CVPR 2020, Wang và cộng sự đã chứng minh một bộ phân loại có thể nhận diện ảnh từ nhiều công cụ tạo ảnh khác nhau, một ví dụ ban đầu về bằng chứng có thể học được, vượt ra ngoài danh sách các lỗi hình ảnh. Wang và cộng sự, CVPR 2020 (tiếng Anh)

Cơ chế này đặt ra hai vấn đề kỹ thuật. Thứ nhất, bước chuẩn bị làm thay đổi bằng chứng mà phần biểu diễn nhận được. Chẳng hạn, thu nhỏ ảnh 4.032 × 3.024 xuống 1.008 × 756 làm mỗi chiều giảm bốn lần và số điểm ảnh giảm mười sáu lần. Một đặc trưng rộng 16 điểm ảnh ở ảnh nguồn chỉ còn rộng khoảng 4 điểm ảnh ở đầu ra. Các giá trị thu được do phép nội suy quyết định; mảng điểm ảnh nhỏ hơn không đơn giản là một bản sao chứa lượng thông tin tương đương.

Thứ hai, mô hình có thể học những tương quan không còn đúng với tập ảnh thực tế khi triển khai. Hãy hình dung một bộ đánh giá gồm ảnh JPEG từ máy ảnh và ảnh PNG do AI tạo ra. Việc phân tách tốt có thể phản ánh bằng chứng về việc tạo ảnh, sự khác biệt do định dạng, hoặc cả hai. Để kiểm tra, hãy giữ các nhãn đã biết và so sánh cả hai nhóm trong điều kiện chuyển giao tương đương: ảnh gốc từ máy ảnh và ảnh gốc do AI tạo ra, rồi các bản xuất tương ứng qua ứng dụng nhắn tin của cả hai nhóm. Khi chia tập phát triển và tập kiểm thử, hãy giữ mọi phiên bản của cùng một nguồn trong cùng một tập. Nếu không, một khung cảnh quen thuộc có thể khiến khả năng khái quát hóa trông dễ hơn thực tế. Hình dưới đây minh họa bước chuẩn bị ở vấn đề thứ nhất.

Với bên mua công cụ phát hiện, điều này giải thích vì sao “trông hoàn toàn như thật” là một tình huống thử thách hữu ích, nhưng chưa phải một thiết kế đánh giá đầy đủ. Hãy kiểm tra xem bằng chứng của công cụ phát hiện có còn nguyên qua các kênh bạn nhận ảnh hay không, và những tệp hợp lệ đến từ chính các kênh đó có còn được phân biệt đúng hay không. Sau đó, lịch sử nguồn và đối chiếu độc lập sẽ gắn phép phân loại ấy với mục đích sử dụng được nêu của ảnh.

6. Giải quyết mâu thuẫn trước khi chọn kết luận

Một khẳng định về nguồn gốc từ máy ảnh và một cảnh báo AI không nhất thiết nói về cùng một giai đoạn trong lịch sử của tệp. Trước hết hãy xác định xem cả hai kết quả có nói về cùng một tệp đính kèm không. Sau đó, hãy xem các hành động đã được ghi lại và nhiệm vụ của công cụ phát hiện. Một lần chỉnh sửa về sau, lịch sử không đầy đủ, đầu vào không được hỗ trợ hay lỗi phân loại là những khả năng cần điều tra, không phải lời giải thích để mặc định chấp nhận.

Một nhật ký mâu thuẫn hữu ích có ba cột: quan sát, cách giải thích có thể và bằng chứng để phân biệt. Chẳng hạn, “tệp đính kèm trước đó có Content Credentials, còn ảnh chụp màn hình thì không” gợi ý nên so sánh các phiên bản và đường đi của chúng. Điều đó không đủ để kết luận người gửi không trung thực. “Không có watermark, nhưng công cụ phát hiện cho kết quả dương tính” có thể chỉ là sự kết hợp giữa một phép kiểm tra hẹp trong một hệ sinh thái với một bộ phân loại nội dung rộng hơn.

Đừng lấy trung bình các đầu ra không liên quan để ra một tỷ lệ phần trăm “xác thực” tự đặt ra. Hãy tìm bằng chứng có thể giải quyết sự mâu thuẫn: tệp đính kèm trước đó chính xác, thông tin chẩn đoán của công cụ xác thực, lịch sử xuất tệp được ghi lại của người tạo ra ảnh hoặc một góc nhìn độc lập về đối tượng đang tranh cãi. Nếu không có bằng chứng nào phân biệt được các cách giải thích, hãy giữ kết luận ở trạng thái chưa xác định.

Ví dụ minh họa: hồ sơ hoàn tiền vì xe đạp bị hư hỏng

Ví dụ minh họa (hư cấu). Một người mua đặt một chiếc xe đạp trị giá 12.500.000 ₫ và gửi ảnh chụp màn hình từ ứng dụng nhắn tin, cho thấy khung xe bị nứt, rồi nói xe đến nơi đã hỏng và đề nghị hoàn tiền. Người bán không chấp nhận bức ảnh đó. Chính sách xét duyệt yêu cầu bằng chứng về hư hỏng gắn với món hàng đã giao.

Kết luận tạm thời có cơ sở là: “Ảnh chụp màn hình được gửi chưa đủ để xác định hư hỏng tại thời điểm giao hàng. Có một ảnh khớp đã xuất hiện từ trước lần mua. Nguồn gốc AI chưa xác định được; có bằng chứng bổ sung gắn lỗi này với chiếc xe đạp đã đặt, nhưng chưa xác định được lỗi xảy ra khi nào.”

Báo cáo của Fileverity hữu ích ở bước này: hãy chạy ảnh chụp màn hình và tệp đính kèm có từ trước qua công cụ phát hiện ảnh AI. Báo cáo tách xuất xứ, chẳng hạn Content Credentials và metadata, khỏi bằng chứng ở điểm ảnh, nêu rõ từng đầu vào có đủ cơ sở để kết luận hay không, và ghi lại giá trị băm SHA-256 cùng trạng thái xác thực dấu thời gian của từng tệp, để hồ sơ vụ việc cho thấy chính xác những phiên bản nào đã được kiểm tra.

Ở đây, truy vết nguồn và bằng chứng giao dịch giải quyết những câu hỏi mà các phép kiểm tra tự động để ngỏ. Với một hồ sơ khác, khẳng định về việc dùng AI tạo sinh đã được xác thực từ bên ký đáng tin có thể đủ làm cơ sở cho kết luận ảnh do AI tạo ra theo chính sách xét duyệt. Khi đó, bước tiếp theo là xác định xem hình minh họa được gửi có chấp nhận được cho mục đích đã nêu hay không. Hãy chọn phép kiểm tra kế tiếp dựa trên dữ kiện còn thiếu; điểm số của công cụ phát hiện thứ hai chỉ hữu ích nếu nó bổ sung bằng chứng có liên quan.

Cách nhận biết tranh do AI tạo ra

Để nhận biết một tác phẩm nghệ thuật có do AI tạo ra không, đừng dựa vào vẻ ngoài của bức tranh hoàn chỉnh. Hãy yêu cầu bằng chứng về cách tác phẩm được làm ra, kiểm tra những gì tệp tự khai báo về mình, và coi điểm số của công cụ phát hiện là căn cứ tham khảo chứ không phải phán quyết.

Tranh minh họa và tranh vẽ kỹ thuật số khó đánh giá hơn ảnh chụp. Bề mặt mịn, ánh sáng phi thực tế và kiến trúc tưởng tượng thường là lựa chọn nghệ thuật có chủ ý, nên hầu hết các dấu hiệu hình ảnh ở trên nói rất ít về một bức vẽ. Phong cách giống một họa sĩ nổi tiếng cũng không cho biết ai đã làm ra tác phẩm, vì cả con người lẫn mô hình đều có thể bắt chước một phong cách.

Hãy yêu cầu bằng chứng về quá trình:

• Tệp làm việc. Một tệp nguồn nhiều lớp từ phần mềm vẽ, với các lớp phác thảo, nét và màu dẫn dần đến hình ảnh cuối cùng.
• Bản nháp. Các bản phác thảo có ghi ngày, các phiên bản trước đã chia sẻ với khách hàng hoặc đăng lên trước khi hoàn thiện.
• Video quay lại quá trình vẽ (timelapse). Nhiều phần mềm vẽ có thể ghi lại quá trình sáng tác; một bản ghi liền mạch khó làm giả sau này hơn một tệp ảnh đơn lẻ.

Bằng chứng về quá trình cũng có thể bị dàn dựng, chẳng hạn vẽ đè lên một ảnh do AI tạo ra hoặc ghép các lớp sau khi hoàn thành. Hãy kiểm tra tính nhất quán: các bản phác thảo đầu tiên phải cho thấy trước bố cục cuối cùng, và các lớp phải chứa đúng loại công việc mà chúng được cho là chứa.

Sau đó, hãy kiểm tra những gì ảnh tự khai báo về mình. Meta gắn nhãn “AI info” khi phát hiện các dấu hiệu ảnh AI theo chuẩn ngành hoặc khi người tải lên tự khai báo việc dùng AI. Meta, cách tiếp cận việc gắn nhãn nội dung do AI tạo ra (tiếng Anh) Các công cụ hỗ trợ Content Credentials có thể ghi một hành động AI vào lịch sử xuất xứ của tệp thông qua trường loại nguồn số (digital source type). Giải thích C2PA 2.2, mục 7.4.4 (tiếng Anh) Bộ từ vựng IPTC dùng cho các giá trị này phân biệt “Created using Generative AI” với “Edited using Generative AI”. Bộ từ vựng IPTC Digital Source Type (tiếng Anh) Việc thiếu nhãn hoặc Content Credentials không phải bằng chứng cho thấy tác phẩm do con người làm, vì xuất xứ có thể bị gỡ bỏ và nhiều công cụ chưa bao giờ thêm nó.

Nếu bạn dùng công cụ phát hiện cho tranh, hãy đọc Có công cụ phát hiện tranh do AI tạo ra đáng tin cậy không? trước. Với một đơn đặt hàng, cuộc thi hay ấn phẩm, hãy nêu quy tắc về việc dùng AI và loại bằng chứng quá trình bạn chấp nhận trước khi nhận bài. Cách làm đó công bằng với họa sĩ hơn là đánh giá một hình ảnh hoàn chỉnh chỉ bằng một điểm số.

Mẫu hồ sơ xét duyệt và quy tắc dừng

Hãy ghi đủ chi tiết để người xét duyệt thứ hai có thể tái hiện lập luận:

• Yêu cầu và tiêu chí: ảnh phải chứng minh điều gì và tiêu chí chấp nhận áp dụng.
• Tệp và nguồn: phiên bản đã nhận, người gửi, thời điểm nhận, các phiên bản trước và mã định danh.
• Quan sát: chi tiết nhìn thấy được, metadata, thông tin chẩn đoán của công cụ xác thực và đầu ra chính xác của các công cụ.
• Đối chiếu: liên kết nguồn, hồ sơ khớp hoặc góc nhìn độc lập, kèm các hạn chế.
• Kết luận và hành động: kết luận có cơ sở, các câu hỏi chưa giải quyết, người xét duyệt và bước tiếp theo.

Hãy ngừng thêm công cụ khi một lần chạy nữa không trả lời được câu hỏi còn lại. Nếu dữ kiện còn thiếu là thời điểm chụp hoặc quyền sở hữu, hãy tìm bằng chứng về thời điểm hoặc quyền sở hữu. Nếu tệp hiện có không phù hợp với phép phân tích đã chọn, hãy báo cáo hạn chế đó. Với các tranh chấp quan trọng chưa có lời giải, hãy chuyển lên cấp trên theo quy trình xét duyệt hiện hành thay vì biến sự không chắc chắn thành quyết định từ chối.

Để có một kết luận có cơ sở, hãy dùng một trong các câu sau cho phù hợp: “một khẳng định nguồn gốc đã xác thực cho thấy ảnh được tạo bằng AI”, “công cụ phát hiện đã gắn cờ tệp này để xem xét” hoặc “nguồn gốc chưa xác định được”. Hãy tránh gộp chúng thành một nhãn “giả” duy nhất.

Câu hỏi thường gặp về cách nhận biết ảnh AI

Có thể phát hiện ảnh do AI tạo ra một cách đáng tin cậy không?

Đôi khi có, tùy vào dữ liệu đầu vào và phương pháp. Khẳng định về việc dùng AI tạo sinh đã được xác thực từ bên ký đáng tin, hoặc kết quả dương tính từ trình xác minh watermark được hỗ trợ, là bằng chứng cụ thể. Công cụ phát hiện dựa trên nội dung đưa ra kết quả ở một ngưỡng nhất định và có thể cho dương tính giả, vì vậy hãy coi đó là bằng chứng để cân nhắc, không phải phán quyết. Không có kỹ thuật đơn lẻ nào bao quát mọi công cụ tạo ảnh và mọi phương pháp chỉnh sửa. Hãy xem cách đọc độ chính xác của công cụ phát hiện ảnh AI trước khi tin vào các con số do nhà cung cấp công bố.

Có công cụ phát hiện tranh do AI tạo ra đáng tin cậy không?

Không nên coi công cụ phát hiện nào là phán quyết về một tác phẩm nghệ thuật. Nhiều công cụ phát hiện ảnh AI được xây dựng và đánh giá chủ yếu trên ảnh chụp, trong khi tranh minh họa, tranh vẽ và nghệ thuật số khác ảnh chụp về phong cách, bề mặt và cách xử lý. Trước khi dựa vào một công cụ phát hiện tranh AI, hãy hỏi xem phần đánh giá của nhà cung cấp có gồm tranh minh họa theo các phong cách và từ các công cụ tạo ảnh mà bạn thực sự gặp hay không, điểm số và ngưỡng có ý nghĩa gì, và công cụ báo gì khi đầu vào nằm ngoài phạm vi của nó.

Các nghiên cứu về nghệ thuật ủng hộ việc kết hợp nhiều phương pháp. Trong một so sánh học thuật giữa tranh do con người vẽ và ảnh do AI tạo ra, một công cụ phát hiện thương mại và các họa sĩ chuyên gia đều đạt kết quả rất tốt nhưng mắc lỗi theo những cách khác nhau; các tác giả kết luận rằng sự kết hợp giữa người và công cụ tự động cho độ chính xác và độ ổn định tốt nhất. Ha và cộng sự, “Organic or Diffused: Can We Distinguish Human Art from AI-generated Images?” (tiếng Anh) Hãy coi điểm số trên tác phẩm nghệ thuật là một căn cứ tham khảo bên cạnh bằng chứng về quá trình (tệp làm việc nhiều lớp, bản phác thảo có ghi ngày, video quay lại quá trình vẽ) và nguồn gốc được khai báo, như mô tả trong phần cách nhận biết tranh do AI tạo ra. Đừng từ chối một bài dự thi hay quy kết một họa sĩ chỉ dựa trên một điểm số.

Công cụ kiểm tra ảnh AI miễn phí có chính xác không?

Giá không phải yếu tố quyết định. Hãy hỏi công cụ được đánh giá trên loại dữ liệu nào, ngưỡng của nó có ý nghĩa gì, nó hoạt động ra sao với những tệp giống tệp của bạn, nó có cho bạn biết khi một đầu vào không phù hợp không, và điều gì xảy ra với tệp đã tải lên. Một con số phần trăm đứng riêng lẻ, không có định nghĩa, không nên quyết định một vụ việc quan trọng. Kiểm tra miễn phí của Fileverity cho biết mức độ rủi ro và hành động khuyến nghị, còn một lượt báo cáo ảnh mở khóa bằng chứng đi kèm cùng một báo cáo có thể xác minh, ghi lại trạng thái dấu thời gian và dấu niêm phong PDF.

Chụp màn hình hoặc nén ảnh có làm mất bằng chứng AI không?

Có thể. Ảnh chụp màn hình là một ảnh mới của màn hình, nên không mang theo metadata hay Content Credentials của tệp gốc. Đổi kích thước và nén lại cũng làm mất các chi tiết mịn mà công cụ phát hiện có thể dựa vào. Hãy xin tệp gốc; hướng dẫn về kiểm tra ảnh chụp màn hình và ảnh bị nén cho biết vẫn có thể kết luận được gì từ một bản chất lượng thấp hơn.

Metadata có chứng minh được ảnh do AI tạo ra không?

Metadata thông thường chỉ là một lời khai. Trường “Created using Generative AI” hay tên của một công cụ tạo ảnh là manh mối hữu ích, nhưng các trường có thể bị sửa hoặc xóa. Một bản ghi Content Credentials đã xác thực từ bên ký đáng tin là bằng chứng mạnh hơn về lịch sử được ghi lại, dù nó vẫn không xác minh sự kiện mà bức ảnh mô tả. Việc thiếu metadata cũng không chứng minh điều gì, theo hướng nào cũng vậy.

Ảnh không có nhãn AI thì có phải ảnh thật không?

Không. Không có nhãn chỉ có nghĩa là bạn không thấy khai báo nào trong tệp đã nhận. Nhãn và dấu hiệu kỹ thuật chỉ có khi công cụ tạo ảnh hoặc nền tảng đã thêm chúng, khi nghĩa vụ đó áp dụng với họ và khi chúng còn nguyên sau các lần chụp màn hình, nén ảnh và chuyển tiếp. Quy định mới tại Việt Nam có thể làm tăng khả năng bạn gặp nhãn, nhưng vẫn có thời gian chuyển tiếp, các trường hợp miễn trừ và nhiều tệp đã mất dấu hiệu trên đường đi; xem phần về nhãn AI theo quy định tại Việt Nam. Khi không có nhãn, hãy quay lại nguồn, bằng chứng đối chiếu và các phép kiểm tra nội dung.

Deepfake có giống ảnh do AI tạo ra không?

Deepfake là cách gọi phổ biến cho nội dung hình ảnh, âm thanh hoặc video giả mạo người thật do AI tạo ra. Một ảnh mặt người bị ghép hoặc tạo bằng AI có thể là deepfake, nhưng không phải ảnh nào do AI tạo ra cũng là deepfake: nhiều ảnh chỉ là hình minh họa và không mô phỏng ai cả. Các phép kiểm tra trong hướng dẫn này áp dụng cho ảnh tĩnh mà bạn nhận được dưới dạng tệp. Cuộc gọi video trực tiếp hay xác thực khuôn mặt khi mở tài khoản (eKYC) là bài toán khác và không nằm trong phạm vi hướng dẫn này.

Áp dụng các phép kiểm tra vào công việc

Để đánh giá nguồn gốc của một bức ảnh, hãy chạy ảnh qua công cụ phát hiện ảnh AI của Fileverity và giữ bối cảnh nguồn của tệp bên cạnh kết quả. Bản tóm tắt miễn phí cho biết mức độ rủi ro và hành động khuyến nghị. Một lượt báo cáo ảnh mở khóa bằng chứng đi kèm và một báo cáo có thể xác minh, ghi lại trạng thái xác thực dấu thời gian và dấu niêm phong PDF. Nếu vấn đề là một vùng bị thay đổi trong ảnh chụp, hãy làm theo quy trình kiểm tra chỉnh sửa cục bộ bằng AI.

Nếu bạn cần một quy trình lặp lại, hãy cho chúng tôi biết bạn nhận những ảnh nào, qua kênh nào và một kết quả cần kích hoạt hành động nào, rồi liên hệ bộ phận kinh doanh; chúng tôi sẽ cùng đội ngũ của bạn xem các trường hợp thực tế. Fileverity phân tích tệp trên máy chủ do Entogo vận hành tại Toronto, Canada và xóa tệp sau khi phân tích hoàn tất. Trang Tin cậy và bảo mật trình bày cách xử lý dữ liệu, gồm cả triển khai riêng cho khách hàng Enterprise theo yêu cầu.

Tác giả Yang Zheng