Ainda dá pra confiar em uma foto?
04 Ainda dá pra confiar em uma foto?
Menos do que a maioria das ferramentas admite. Até detectores de imagens de IA fortes perdem precisão significativa no momento em que uma foto é recomprimida ou reenviada - o que acontece com quase tudo que é compartilhado online. Um estudo da Microsoft descobriu que as próprias pessoas acertavam entre imagens reais e geradas por IA apenas 62% das vezes - mal melhor do que cara ou coroa. Não existe um botão confiável de "isso é real", nem o nosso nem o de qualquer um que seja honesto sobre isso. O que esta ferramenta faz em vez disso: mostrar as evidências visíveis - compressão estranha, miniaturas incompatíveis, regiões duplicadas - claramente rotuladas como uma pista, nunca como um veredito.
Aprofunde-se: como a detecção realmente funciona, e onde ela falha
Existem três abordagens gerais, e cada uma tem um ponto cego real:
- Detecção baseada em classificador - um modelo treinado para reconhecer impressões estatísticas deixadas por geradores específicos (Midjourney, DALL-E, Stable Diffusion, etc.). Fica para trás toda vez que um novo gerador é lançado, já que só viu aquilo com que foi treinado.
- Análise forense de pixels - análise de nível de erro, verificações de consistência de ruído, detecção de copiar-mover. É a essa categoria que pertencem as "pistas forenses" opcionais desta ferramenta: um sinal real, mas artefatos comuns de JPEG e texturas reais repetitivas disparam os mesmos padrões que uma adulteração genuína.
- Procedência criptográfica (C2PA/SynthID) - a mais confiável em princípio, já que não adivinha. O problema: só cobre imagens de ferramentas participantes, é frágil quanto a metadados (C2PA) ou exige o verificador do próprio fornecedor original (SynthID), e não prova nada sobre imagens que nunca foram assinadas em primeiro lugar - incluindo a maior parte da saída de geradores de código aberto.
Testes independentes de 2026 encontraram números de precisão na casa dos 90% aparentemente sólidos em imagens de teste impecáveis, mas que caem de forma significativa no momento em que uma imagem é comprimida, capturada em print ou passa por um upscaler - exatamente a condição em que qualquer imagem compartilhada online realmente está quando você a vê.
Como as próprias pistas forenses desta ferramenta se encaixam nesse panorama
O recurso de "pistas forenses" (nível Pro) executa análise de nível de erro e uma verificação aproximada de copiar-mover - a mesma categoria de técnica descrita acima. Ele vem com a mesma honestidade que toda esta página defende: cada resultado carrega uma ressalva que faz parte da própria estrutura de dados, não um detalhe de última hora na interface, e nenhuma das duas técnicas afirma detectar geração de IA especificamente. Está aqui para apontar algo que merece uma segunda olhada, da mesma forma que um detector de fumaça aponta "verifique isso", não "isto é definitivamente um incêndio".
Leitura adicional
Malwarebytes sobre o recurso Muse Image da Meta (em inglês) e as fontes citadas na página de treinamento de IA cobrem o lado da procedência com mais profundidade.