Kecerdasan buatan · Panduan
Cara Mengenali Deepfake dan Gambar yang Dihasilkan AI: Panduan Langkah demi Langkah
Terbit:
Singkatnya
Mengidentifikasi deepfake atau gambar yang dihasilkan AI secara andal memerlukan menggabungkan pemeriksaan visual, alat provenance seperti Content Credentials atau SynthID, dan pencarian gambar terbalik — tidak ada metode tunggal yang menangkap setiap pemalsuan. Para peneliti deteksi memperingatkan bahwa alat otomatis dapat ditipu oleh pengeditan sederhana seperti pemotongan atau kompresi, jadi verifikasi konteks tetap penting.
Versi ini adalah terjemahan mesin dari naskah asli (English). Baca naskah asli
Tidak ada alat tunggal yang menangkap setiap deepfake atau gambar yang dihasilkan AI. Perusahaan keamanan siber ESET dan Reuters Institute for the Study of Journalism di University of Oxford keduanya merekomendasikan penggabungan beberapa pemeriksaan — inspeksi visual, metadata provenance, deteksi watermark dan verifikasi sumber — karena setiap metode memiliki kelemahan yang diketahui.
Langkah 1: Cari inkonsistensi visual dan audio
Panduan ESET untuk mengenali misinformasi yang dihasilkan AI mencantumkan petunjuk visual konkret untuk diperiksa terlebih dahulu: pencahayaan yang tidak alami, tekstur kulit yang terlalu halus, tepi yang berkedip dan latar belakang yang buram. Anomali wajah yang patut diperhatikan termasuk mata yang tidak selaras, gigi yang terdistorsi dan pola berkedip yang tidak biasa. Untuk video, ketidaksesuaian antara audio dan gerakan bibir pembicara adalah tanda manipulasi yang umum, menurut ESET.
ESET juga mencatat bahwa alat yang digunakan untuk membuat deepfake sering mengubah atau menghapus tanggal pembuatan dan modifikasi file, jadi metadata yang tidak konsisten dapat menjadi petunjuk sekunder.
Langkah 2: Periksa Content Credentials (C2PA)
Content Credentials, yang dibangun berdasarkan standar teknis C2PA, mencatat informasi tentang gambar pada saat pembuatannya dengan menandatanganinya secara kriptografis, menurut Content Authenticity Initiative (CAI). CAI menggambarkan catatan ini sebagai semacam label nutrisi untuk konten digital, menunjukkan pembuat, perangkat lunak atau alat AI yang digunakan, dan apakah file dibuat atau diedit dengan AI, ketika informasi tersebut disertakan oleh pembuat.
CAI jelas bahwa Content Credentials bukan dimaksudkan untuk menyatakan apakah konten "nyata": mereka memberikan konteks tentang asal, bukan putusan. Sistem juga hanya berfungsi jika alat pembuatan benar-benar menyematkan manifes.
Langkah 3: Periksa watermark yang tidak terlihat, seperti SynthID
SynthID Google menyematkan watermark digital yang tidak terlihat langsung ke dalam piksel gambar yang dihasilkan oleh model Imagen-nya, menurut Google DeepMind. Model deteksi terpisah memindai gambar untuk pola itu dan melaporkan salah satu dari tiga hasil: watermark terdeteksi (kemungkinan besar dihasilkan AI), tidak terdeteksi (tidak mungkin dihasilkan AI), atau kemungkinan terdeteksi, dalam hal mana DeepMind merekomendasikan memperlakukan hasil dengan hati-hati.
DeepMind mengatakan watermark SynthID dirancang untuk bertahan dari pengeditan umum seperti penyaringan, penyesuaian warna, rotasi dan kompresi JPEG. Namun, ini hanya menandai gambar yang diberi watermark pada saat pembuatan oleh Imagen atau alat mitra yang menggunakan SynthID — gambar dari model yang tidak menggunakan SynthID akan mengembalikan hasil "tidak terdeteksi" bahkan jika dihasilkan AI, dokumen DeepMind menunjukkan.
Langkah 4: Jalankan pencarian gambar terbalik
Alat pencarian gambar terbalik seperti Google Lens atau TinEye dapat mengungkapkan apakah gambar beredar sebelumnya dalam konteks yang berbeda, yang merupakan salah satu cara paling andal untuk menangkap visual yang didaur ulang atau dilabel ulang, menurut peneliti di Reuters Institute. Jika gambar yang sama muncul terlampir pada cerita lama yang tidak terkait, itu adalah sinyal kuat bahwa klaim saat ini tentangnya palsu, terlepas dari apakah gambar itu sendiri dihasilkan AI.
Mengapa detektor otomatis masih dapat ditipu
Tinjauan Reuters Institute terhadap alat deteksi AI menemukan bahwa pengeditan sederhana secara rutin mengalahkan mereka. Ketika peneliti memotong dan menskalakan gambar viral yang diduga menunjukkan ledakan Pentagon, perangkat lunak deteksi mengklasifikasikan versi yang diubah sebagai asli. Menurunkan resolusi dan memangkas video deepfake Obama yang terkenal menghasilkan negatif palsu yang serupa, dan kompresi media sosial dari robocall Biden yang dihasilkan AI menyebabkan satu detektor menyebut salinan "sangat mungkin nyata," sementara file asli yang tidak dimampatkan menilai 74% kemungkinan palsu.
Tinjauan juga menemukan bahwa detektor yang dilatih terutama pada tokoh publik terkenal, seperti kepala negara, berkinerja lebih buruk pada individu yang kurang dikenal dengan kehadiran online minimal, karena model dasar memiliki lebih sedikit data referensi terverifikasi untuk dibandingkan.
Menyatukannya
- Periksa gambar atau video untuk inkonsistensi visual dan audio yang ESET cantumkan, seperti pencahayaan yang tidak alami, pola berkedip atau ketidakcocokan sinkronisasi bibir.
- Periksa apakah file membawa metadata Content Credentials (C2PA) yang mengungkapkan generasi AI.
- Jika gambar mungkin berasal dari model Google, periksa dengan detektor SynthID Google untuk hasil watermark.
- Jalankan pencarian gambar terbalik dengan Google Lens atau TinEye untuk melihat apakah gambar telah muncul di tempat lain dalam konteks yang berbeda.
- Perlakukan hasil tunggal apa pun sebagai tidak meyakinkan dengan sendirinya, dan bandingkan klaim melawan cakupan dari organisasi berita yang mapan sebelum membagikannya, seperti yang disarankan oleh Reuters Institute dan ESET.
Alat deteksi komputasional bisa menjadi titik awal yang bagus sebagai bagian dari proses verifikasi, bersama dengan teknik open-source lainnya.
Pertanyaan
- Bisakah satu aplikasi atau situs web secara andal memberi tahu saya apakah gambar itu deepfake?
- Tidak. ESET dan Reuters Institute keduanya melaporkan bahwa alat deteksi individual dapat dikalahkan oleh pengeditan sederhana seperti pemotongan, pengubahan ukuran atau kompresi, jadi hasil dari alat apa pun harus diperlakukan sebagai titik awal, bukan jawaban final.
- Apa perbedaan antara Content Credentials dan SynthID?
- Content Credentials (C2PA) adalah metadata yang secara sukarela dilampirkan alat pembuatan yang menyatakan bagaimana file dibuat; SynthID adalah watermark tingkat piksel yang tidak terlihat yang disematkan oleh model Imagen Google dan diperiksa dengan detektor terpisah. Keduanya dapat tidak ada bahkan pada gambar yang benar-benar dihasilkan AI jika alat pembuatan tidak mendukungnya atau metadata dilepas.
- Mengapa detektor deepfake kadang mengatakan gambar AI nyata adalah asli?
- Reuters Institute menemukan bahwa pengeditan seperti pemotongan, menurunkan resolusi, atau mengompresi ulang file untuk media sosial dapat mendorong skor detektor ke arah "asli" bahkan ketika konten yang mendasar dihasilkan AI atau dimanipulasi.
- Tanda visual apa yang harus saya cari terlebih dahulu dalam video deepfake yang dicurigai?
- ESET merekomendasikan memeriksa konsistensi pencahayaan, tekstur kulit, penyelarasan mata, pola berkedip, dan apakah audio cocok dengan gerakan bibir pembicara.
- Apakah pencarian gambar terbalik mendeteksi generasi AI?
- Tidak secara langsung — ia mendeteksi apakah gambar telah muncul online sebelumnya dalam konteks yang berbeda, yang menurut Reuters Institute berguna untuk menangkap foto nyata yang didaur ulang yang dijelaskan secara palsu, terpisah dari mendeteksi generasi AI itu sendiri.
Sumber
- ESET — How to detect deepfakes: A practical guide to spotting AI-generated misinformation
- Content Authenticity Initiative — How it works (Content Credentials)
- Reuters Institute, University of Oxford — Spotting the deepfakes in this year of elections: how AI detection tools work and where they fail
- Google DeepMind — Identifying AI-generated images with SynthID
Tulisan ini disiapkan dengan kecerdasan buatan dan lolos pemeriksaan sumber otomatis sebelum terbit. Jika Anda melihat kesalahan, ajukan koreksi. Ajukan koreksi atau hak jawab · Cara kami bekerja
Terkait

Kecerdasan buatanArtikel
Bagaimana Chatbot AI seperti ChatGPT dan Claude Benar-Benar Bekerja - Penjelasan
Chatbot AI dibangun di atas model bahasa besar (LLM), jaringan saraf yang dilatih untuk memprediksi 'token' berikutnya dalam urutan teks. Mereka mengubah kata-kata menjadi angka, menggunakan mekanisme perhatian untuk menimbang bagaimana kata-kata berhubungan satu sama lain, dan kemudian disempurnakan dengan umpan balik manusia untuk berperilaku seperti asisten yang membantu daripada prediktor teks mentah.
Kecerdasan buatanArtikel
Bagaimana Algoritma Rekomendasi AI Menentukan Apa yang Anda Lihat dan Beli Online
Sistem rekomendasi AI mempersonalisasi feed dan saran produk dengan menganalisis apa yang diklik, ditonton, dinilai, dan dibeli pengguna, kemudian mencocokkan perilaku tersebut dengan pola dari pengguna serupa. Platform seperti Netflix, YouTube, dan Amazon mengatakan mereka menggunakan sinyal keterlibatan dan kontekstual — dalam beberapa kasus, bukan data demografis — sementara regulator di AS dan UE telah mengangkat kekhawatiran tentang transparansi dan pengumpulan data di balik sistem ini.
Kecerdasan buatanArtikel
Mengapa Model Bahasa AI Mengalami Halusinasi: Penelitian di Balik Jawaban Salah
"Halusinasi" AI terjadi karena model bahasa dilatih untuk memprediksi kata plausibel berikutnya, bukan untuk memverifikasi kebenaran, dan karena tes yang digunakan untuk menilai mereka memberi penghargaan pada tebakan percaya diri daripada mengakui ketidakpastian. Peneliti OpenAI berpendapat bahwa masalahnya sebagian adalah konsekuensi matematis dari bagaimana model dilatih dan sebagian merupakan hasil dari bagaimana industri AI memperskor mereka.

Kecerdasan buatanArtikel
Demis Hassabis Sekarang Mengatakan AGI Bisa Tiba Dalam Dua hingga Tiga Tahun
Demis Hassabis dari Google DeepMind mengatakan kepada WSJ Magazine bahwa dia sekarang mengharapkan kecerdasan umum buatan (AGI) dalam dua hingga tiga tahun, menurun dari jendela tiga hingga lima tahun yang dia kutip lebih awal di 2026. Dia mendefinisikan AGI melalui "tes Einstein" dan mengatakan perkiraannya terus bergeser lebih dekat ke waktu sekarang.