Ezért nem bízzuk magunkat csak online AI-detektorokra a képek ellenőrzése során
2026. október 29. 17:56
A képgenerálás rohamos fejlődése miatt egyre nagyobb szükség lenne a valódi és az AI-jal készült fotók megbízható megkülönböztetésére. De a létező technológiáknak még mindig komoly korlátai vannak, amikkel érdemes számolni, mielőtt rábíznánk magunkat a tőlük kapott válaszokra.
Mesterséges intelligenciával generált képeket használni politikai befolyásolásra ma már teljesen bevett manipulációs technika.
A 2024-es amerikai elnökválasztási kampányban például olyan hamis képek terjedtek Taylor Swiftről, amelyek azt a látszatot keltették, hogy a népszerű énekesnő Donald Trump republikánus elnökjelöltet támogatja. A 2025-ös írországi elnökválasztási kampányban pedig egy olyan AI-generált videó terjedt a közösségi médiában, amelyen Catherine Connolly elnökjelölt látszólag bejelentette, hogy visszalép a választástól. Bár a hamisítványokat széles körben leleplezték, és Swift végül Trump demokrata ellenfelét, Kamala Harrist támogatta nyilvánosan, Connolly pedig megnyerte az elnökválasztást, mindkét eset jól mutatja, hogyan használhatók az AI-generált képek a választók megtévesztésére.
A Lakmusz szerkesztőségében is számos olyan esettel találkoztunk már, amikor mesterséges intelligenciával készült vagy manipulált képekkel és videókkal próbálták félrevezetni a közösségi média felhasználóit:
- Lannert Juditról és Unger Annáról például egy manipulált kép terjedt, amely miatt gúnyolódó bejegyzések célpontjaivá váltak,
- Hatvanpusztáról olyan AI-generált képet osztottak meg tömegesen, amelyen állítólag az Orbán-család birtokáról értékeket elszállító kamionok láthatók,
- Magyar Péterről és édesanyjáról szintén valódiként terjedt egy mesterségesen előállított közös fénykép.
- Egy szakorvos arcát és hangját pedig arra használták fel, hogy egy nem engedélyezett étrend-kiegészítőt reklámozzanak a nevében.
A generatív mesterséges intelligencia fejlődésével ma már különösebb képszerkesztési ismeretek nélkül is bárki készíthet ilyen élethű tartalmakat. Ráadásul az AI-képgeneráló rendszerek az elmúlt években látványosan fejlődtek: korábban gyakran a természetellenes kezek, a túl sok ujj vagy az eltorzult feliratok árulták el a hamisítványokat, ezek a hibák mára jóval ritkábbá váltak, így egyre nehezebb felismerni, ha hamisítvánnyal állunk szemben.
Ezzel a folyamattal párhuzamosan egyre több olyan eszköz válik elérhetővé az interneten, amelyeket arra fejlesztettek, hogy felismerjék az AI-generált képeket. Megnéztük, milyen technológiákat használnak, és mit mondanak a megbízhatóságukról a legfrissebb tesztek és tudományos kutatások.
Az eredmények azt mutatták, hogy jelenleg nincs olyan univerzális módszer, amely minden esetben biztos választ adna, ráadásul a különböző felismerési technológiák egészen más módon és más korlátok között működnek.
Mi történik, ha megmutatsz egy képet egy AI-detektornak?
Az AI-generált képek felismerésére háromféle technológia létezik:
- A tartalomalapú felismerők a kép sajátosságaiból következtetnek annak eredetére, és jellemzően egy százalékos pontszámmal jelzik, mennyire tartják valószínűnek, hogy mesterséges intelligenciával készült.
- A digitális vízjeleket kereső eszközök azt vizsgálják, hogy megtalálható-e a képen egy előzetesen elhelyezett jelölés.
- Az eredetigazoló rendszerek a kép készítéséről és módosításáról rögzített adatok alapján ellenőrzik a kép eredetét.
Ezek a módszerek (amelyek egyébként videós tartalmak ellenőrzésére is használatosak) nem csak más elven működnek, hanem eltérő információkat is szolgáltatnak, ezért lehetőségeik és korlátaik is különböznek.
A tartalom alapú AI-detektálás korlátai
A tartalomalapú felismerők (például a Sightengine) utólag, a kép elemzésével próbálják megállapítani, hogy mesterséges intelligenciával készült-e, vagy módosították-e vele. Az ezzel a módszerrel működő eszközök egy része a képpontok közötti összefüggéseket és a természetellenes képi részleteket vizsgálja, mások a frekvenciatartományban megjelenő mintázatokat vagy a generálómodellek jellegzetes nyomait keresik. A felismerők jellemzően gépi tanulás segítségével értékelik ezeket a sajátosságokat, majd pontszámmal vagy szöveges minősítéssel jelzik az eredményt.
A technológia egyik legnagyobb előnye, hogy bármilyen képet megvizsgálhatunk vele, függetlenül attól, milyen eszközzel készült, vagy tartalmaz-e digitális vízjelet. Azonban még a 99 százalékos eredmény sem jelent bizonyítékot a kép eredetére, hiszen a modell becslése téves is lehet – olvasható például a Sightengine tájékoztatójában.
A modellek teljesítménye függhet a kép minőségétől, a rajta végzett módosításoktól és az alkalmazott képgeneráló rendszertől is.
Erre világított rá a dezinformációval foglalkozó amerikai NewsGuard 2026 májusában közzétett vizsgálata. A szervezet öt tartalomalapú online AI-felismerőt – a Hive, az AI or Not, a ZeroGPT, a Sightengine és a ScamAI eszközét – tesztelt 45 képen. A kutatók 15 valódi, háborús eseményeket ábrázoló fényképet választottak ki, majd mindegyikből két AI-val módosított változatot készítettek. Az egyiken csak a megvilágítást és a hátteret változtatták meg, a másikon már a kép tartalmát is érdemben átalakították.
Az eredmények jelentős eltéréseket mutattak: egyes felismerők valódi fényképeket is AI-generáltnak minősítettek, míg mások a mesterséges intelligenciával jelentősen manipulált képeket sem ismerték fel. Volt olyan eszköz, amely mind a 15 valódi fényképet helyesen azonosította, de a 15 jelentősen manipulált kép közül csak 5-öt ismert fel. A kisebb, AI-val végzett képmódosítások megítélésében is nagy különbségek voltak: egy pozitív jelzés akár pusztán esztétikai változtatásokra, például a fényviszonyok javítására is utalhat, nem feltétlenül a kép tartalmának manipulálására.
A NewsGuard szerint az eltérések oka, hogy a detektorokban nem egységesen van beállítva, hogy milyen mértékű AI-alapú módosítástól számít egy kép mesterségesen előállítottnak. A cikkben arra is felhívták a figyelmet, hogy a felismerők téves eredményei valódi felvételek hitelességét is megkérdőjelezhetik, ezért az AI-detektorok jelzéseit a képek eredetének és körülményeinek ellenőrzésével együtt érdemes értékelni.
A felismerők korlátait tudományos kutatások is vizsgálták. Egy 2025-ös kínai tanulmány szerzői 17 AI-képfelismerőt és 10, képek értelmezésére is képes nyelvi modellt teszteltek. Megállapították, hogy a képek közösségi médián keresztüli továbbítása, valamint újbóli digitalizálása jelentősen rontja a felismerők teljesítményét. Ez azért lényeges, mert az interneten terjedő képek gyakran ilyen módon átalakított változatok.
A digitális vízjelezés sem jelent egyértelmű választ
A digitális vízjelezés a kép előállításakor vagy szerkesztésekor olyan jelölést épít a tartalomba, amelyet egy megfelelő ellenőrzőprogram később felismerhet. A módszer tehát nem a kép gyanús sajátosságaiból következtet, hanem egy szándékosan elhelyezett jelet keres. Erre példa a Google által fejlesztett SynthID, amely emberi szemmel láthatatlan digitális vízjeleket alkalmaz.
A technológiát a Google a saját AI-eszközeiben, például a Gemini képgeneráló funkciójában is alkalmazza, de más vállalatok, például az OpenAI, az NVIDIA és a dél-koreai Kakao is használják, az Apple csatlakozását pedig épp előkészítik.
A Meta Content Seal néven saját, láthatatlan vízjelezési technológiát vezetett be, amelyet a Muse Image képgeneráló rendszerével előállított tartalmaknál alkalmaz. (A vállalat emellett Video Seal néven videókhoz, AudioSeal néven pedig hangfelvételekhez is fejlesztett vízjelezési megoldásokat.)
Egy 2026-os tudományos kutatás öt tartalomalapú és négy vízjelalapú felismerőt hasonlított össze és arra jutott, hogya legjobban teljesítő vízjelalapú módszerek a képek utólagos módosítása után is megbízhatóbban működtek a vizsgált tartalomalapú felismerőknél.
Ugyanakkor a vízjelalapú felismerésnek is vannak komoly korlátai:
- Nem minden képgeneráló program helyez el ilyen jelölést a vele készített képeken.
- A vízjelek bizonyos módosítások hatására felismerhetetlenné válhatnak.
- Valódi fotó AI-asszisztált szerkesztése során is kerülhet a képre vízjel, ami fals pozitív eredményhez vezethet.
A brit Full Fact 2026 októberében közzétett vizsgálatában öt, politikusok által megosztott, minden bizonnyal valódi fényképet ellenőrzött a Google SynthID rendszerével. Az eszköz arra a téves következtetésre jutott, hogy a képek mesterséges intelligenciával készültek, vagy legalábbis módosították őket.
A képek közzétevői elmondásuk szerint viszont nem használtak mesterséges intelligenciát, és a Full Fact sem talált erre utaló bizonyítékot, bár a kisebb, akár észrevétlen módosításokat nem tudta teljesen kizárni. A Google a vizsgálat nyomán frissítette az eszközt, amely az öt képet ezt követően már a bizonytalanságot jelző „unsure” kategóriába sorolta. A Full Fact ugyanakkor hangsúlyozta, hogy a vizsgálatból nem derül ki, összességében milyen gyakran fordulnak elő hasonló hibák.
A Lakmusz egy korábbi cikkében a Lead Stories tényellenőrző oldal nyomán a Google chatbotja, a Gemini egy másik hibáját mutattuk be. A teszt során a Gemini ugyanabban a beszélgetésben több kép ellenőrzésekor rendre megismételte az első képre adott válaszát, függetlenül attól, hogy a később feltöltött képek valódiak vagy AI-generáltak voltak. Ha először egy mesterségesen előállított kép került vizsgálatra, utána a valódi fényképen is AI-használatot jelzett, fordított sorrendben viszont a mesterséges képen sem ismerte fel a vízjelet.
Digitális eredetigazolás: a közösségi médiás megosztással eltűnhet
A digitális eredetigazolás nem klasszikus értelemben vett AI-detektor. Itt ugyanis nem a képet, hanem annak dokumentált eredetét veszik szemügyre az ezt a technológiát használó programok.
A módszer egyik legismertebb eszköze a C2PA nevű nyílt szabvány, amely lehetővé teszi, hogy a képekhez digitálisan aláírt eredetadatokat kapcsoljanak. Ezekből például kiderülhet, milyen eszközzel vagy programmal készült egy kép, és milyen szerkesztési lépéseket rögzítettek róla. A digitális aláírás segítségével ellenőrizhető, hogy ki bocsátotta ki az adatokat, és megváltoztatták-e őket utólag.
A technológiát nemcsak mesterségesintelligencia-fejlesztők alkalmazzák. A Leica, a Sony és a Canon egyes fényképezőgépei is támogatják a C2PA-t. Az okostelefonok közül a Google Pixel 10 széria volt az első, amelynek kameraalkalmazása a vele készített valamennyi fényképhez automatikusan C2PA-eredetadatokat kapcsol. Ezek segítségével ellenőrizhető, hogy a felvétel a Pixel kamerájával készült-e, és milyen képkészítési vagy szerkesztési műveleteket rögzítettek róla. A Samsung Galaxy S25 sorozata szintén támogatja a C2PA szabványt: ha a Galaxy AI képszerkesztő funkcióival például tárgyakat távolítanak el vagy új részleteket generálnak egy fényképre, a rendszer digitális eredetadatokkal jelölheti az AI használatát. (A gyártó tájékoztatójából ugyanakkor nem derül ki, hogy a telefonok a mesterséges intelligenciával nem módosított, hagyományos kamerafotókhoz is automatikusan kapcsolnak-e eredetigazolást.)
A módszer működését a ChatGPT-vel generált képeken is meg lehet figyelni. Az OpenAI C2PA-eredetadatokat kapcsol az általa előállított képekhez. Egy ilyen kép eredeti fájlját feltöltve a Content Credentials ellenőrzőoldalára megvizsgálhatjuk a hozzá tartozó digitális tanúsítványt. Ha az adatok rendelkezésre állnak és érvényesek, az ellenőrzésből kiderülhet, hogy a képet OpenAI-eszközzel hozták létre.
A technológiának ugyanakkor komoly korlátai vannak.
A digitális eredetmegjelölés messze nem általánosan elterjedt gyakorlat, de még ha készülnek is eredetadatok ezek a képek szerkesztésekor, átalakításakor vagy közösségi médiás megosztásakor elveszhetnek.
A The Verge Decoder című podcastjában Jess Weatherbed technológiai újságíró arra hívta fel a figyelmet, hogy a C2PA elterjedésének egyik legnagyobb akadálya a közösségi platformok eltérő hozzáállása. Hiába rögzítik ugyanis az eredetadatokat a kép készítésekor, ha a megosztás során eltűnnek, vagy a platformok nem jelenítik meg őket megfelelően.
A digitális eredetigazolás tehát nem univerzális AI-felismerő, hanem kiegészítő ellenőrzési lehetőség. Ha rendelkezésre állnak a megfelelő adatok, segíthet tisztázni, hogyan készült vagy módosult egy kép, de a rajta ábrázolt esemény valódiságát továbbra is külön kell ellenőrizni.
Önmagában nem elég egy AI-detektor eredménye
Az AI-generált képek felismerésére szolgáló technológiák a hiányosságaik ellenére kiindulópontot jelenthetnek egy kép eredetének vizsgálatakor. Több tesztünk során is azt tapasztaltuk, hogy az általunk vizsgált képekre helyes megfejtést adtak bizonyos AI-detekorok, sőt a SynthID minden esetben jelezte, hogy nem tévedhetetlen a technológia.
Azonban fontos, hogy csak a technológiai lehetőségek segítségével továbbra sem állíthatjuk egy adott képről minden kétséget kizáróan, hogy AI-al generálták, de azt sem, hogy valódiak.
A szemünk még segíthet, ha tudjuk mire figyeljünk
A Lakmusz egy korábbi cikkében mutattunk be egy 2026-os dán kutatást, amelyben azt vizsgálták, mennyire képesek az emberek megkülönböztetni a valódi fényképeket az AI-generált képektől. A kutatás sajátossága volt, hogy a valódi és a mesterségesen előállított képek egyaránt valós eseményeket ábrázoltak, így az adott esemény ismerete önmagában nem segített eldönteni, hogyan készült a kép. Minden képnél egy 0 és 100 közötti skálán kellett megadniuk a válaszadóknak, mennyire valószínű, hogy az adott képet AI-jal készítették.
Az eredmények szerint a résztvevők csak valamivel teljesítettek jobban a véletlenszerű találgatásnál. Ráadásul a magabiztos tévedéseik miatt összességében jobb pontszámot értek volna el, ha minden képnél 50 százalékos valószínűséget adnak az AI-eredetre, vagyis következetesen bizonytalanságot jeleznek.
A képek alapos vizsgálata azonban továbbra is segíthet felismerni a mesterségesen előállított tartalmakat.
Hiába fejlődik rendkívül gyorsan a képgenerálás technológiája, továbbra is előfordulhatnak árulkodó részletek az AI képeken. A képgenerátoroknak például továbbra is nehézséget okozhat a perspektíva helyes ábrázolása, a feliratok vagy a tárgyak közötti fizikai kapcsolatok következetlen ábrázolása.
A New York Times egy októberi cikke például a dobozon látható furcsa betűkből és a padlócsempék fugáinak természetellenes állásából vezette le, hogy az alábbi, látszólag egy FedEx irodában készült fénykép valójában a mesterséges intelligencia munkája.
(Címlapi illusztráció: Zeller Márton)
A szerzőről

Zeller Márton
A Pázmány Péter Katolikus Egyetem bölcsészkarán végzett, részt vett az Átlátszó Oktatás gyakornoki programjában majd a Blikk online szerkesztője volt egészen a tulajdonosváltásig. 2026 januárjában csatlakozott a Lakmusz csapatához.
Kövess minket!
Ne maradj le egy anyagunkról sem, kövess minket máshol is!
Ajánlott cikkeink
Why you should not rely solely on online AI detectors when verifying images
Georg Spöttle is megtalálta az ukrán szálat a krakkói merényletben, AI-gyanús képet osztott meg egy furcsa Telegram-csatornáról

