בקצרה
אין בדיקה אחת שמוכיחה באופן אמין שתמונה נוצרה בבינה מלאכותית. בניסוי מקוון גדול מ-2024, אנשים הבחינו נכון בין תמונות אמיתיות לתמונות בינה מלאכותית רק ב-62% מהמקרים [1]. הגישה הטובה ביותר משלבת רמזים חזותיים [3], בדיקה של סימני מים או Content Credentials [5][7] וחיפוש של המקור המקורי, תוך זכירה שלכל שיטה יש פערים [4].
עיקרי הדברים
- בניסוי "Real or Not" של Microsoft, יותר מ-12,500 משתתפים זיהו נכון תמונות אמיתיות ותמונות בינה מלאכותית רק ב-62% מהמקרים [1].
- הרמזים החזותיים מתחלקים לחמש קבוצות: אנטומיים, סגנוניים, תפקודיים, הפרות של חוקי הפיזיקה וחוסר סבירות חברתי-תרבותי, אך הם אינם תמיד קיימים [3].
- אפליקציית Gemini של Google יכולה לבדוק אם קיים סימן המים SynthID שלה, אבל היא מזהה רק תוכן שנוצר בכלי הבינה המלאכותית של Google [5].
- Content Credentials (תקן C2PA) מתעדים איך קובץ נוצר, אבל רשתות חברתיות מסירות אותם לעיתים קרובות; בבדיקה של וושינגטון פוסט, אף אחת משמונה פלטפורמות לא שמרה עליהם [7][8].
- NIST מזהיר שאפשר להסיר סימני מים, שמטא-נתונים מוסרים לעיתים קרובות, ושגלאים עובדים הכי טוב על המחוללים שעליהם אומנו [4].
- מ-2 באוגוסט 2026, כללי השקיפות של חוק הבינה המלאכותית של האיחוד האירופי מחייבים לסמן תוצרי בינה מלאכותית ולתייג זיופים עמוקים (דיפפייקים) [11].
בעמוד הזה 12 חלקים
- איך אפשר לדעת אם תמונה נוצרה בבינה מלאכותית?
- אילו סימנים חזותיים חושפים תמונות בינה מלאכותית?
- האם סימני מים של בינה מלאכותית ו-Content Credentials מוכיחים מאיפה הגיעה תמונה?
- למה תוויות ומטא-נתונים נעלמים לעיתים קרובות כל כך?
- האם כלים לזיהוי תמונות בינה מלאכותית אמינים?
- באיזו שיטה כדאי להשתמש, ומתי?
- אילו כללים מחייבים לתייג תמונות בינה מלאכותית?
- מה צפוי בהמשך בזיהוי זיופים?
- טעויות נפוצות
- שאלות נפוצות
- מילון מונחים
- מקורות
איך אפשר לדעת אם תמונה נוצרה בבינה מלאכותית?
התשובה הכנה היא שלעיתים קרובות אי אפשר לדעת רק מהסתכלות. בחידון מקוון שערכה מעבדת AI for Good של Microsoft, המשתתפים ביצעו כ-287,000 הכרעות וזיהו נכון תמונות אמיתיות ותמונות שנוצרו בבינה מלאכותית רק ב-62% מהמקרים [1]. מחקר מייצג של 3,002 אנשים בארצות הברית, בגרמניה ובסין, שהוצג בכנס IEEE Symposium on Security and Privacy ב-2024, מצא שזיופים מהדור המתקדם ביותר כמעט אינם ניתנים להבחנה ממדיה אמיתית, ושרוב המשתתפים פשוט ניחשו [2].
אין פירוש הדבר שהבדיקה חסרת טעם. פירושו שהגישה האמינה היא שכבתית: לחפש שגיאות חזותיות, לבדוק אותות קריאים למכונה כמו סימני מים או Content Credentials, ולהתחקות אחר התמונה עד להופעתה הראשונה. המכון הלאומי לתקנים ולטכנולוגיה של ארצות הברית (NIST) מתאר את אותו רעיון בקנה מידה גדול יותר: לדבריו אין פתרון קסם, ולמעקב אחר מקור, לתיוג ולזיהוי יש לכל אחד מגבלות משלו [4].
רשימת בדיקה מהירה
- עצרו לפני שאתם משתפים. צילומים של חדשות מתפרצות מצדיקים זהירות מיוחדת; ביוני 2025 הופיע ברשת, דקות ספורות אחרי תקיפה ישראלית אמיתית על כלא אוין בטהרן, קטע של פיצוץ בכלא, שמומחים אמרו ל-CBS News שייתכן שנוצר בבינה מלאכותית [12].
- הסתכלו מקרוב על ידיים, טקסט, צללים, השתקפויות וחפצים שאמורים לתפקד באופן פיזיקלי [3].
- בדקו אם יש אישורים או סימני מים בכלי שקורא אותם, כמו תקן Content Credentials או בודק SynthID של Google ב-Gemini [5][7].
- חפשו את המקור. דף העזרה של Google עצמה ממליץ על בדיקה חזותית ועל חיפוש תמונות הפוך לצד כלי סימן המים שלה [5].
- התייחסו לכל תוצאה כאל ראיה, לא כאל הוכחה, משום שכל שיטה עלולה להחמיץ תוכן או לפרש אותו לא נכון [4].
אילו סימנים חזותיים חושפים תמונות בינה מלאכותית?
חוקרים מאוניברסיטת נורת׳ווסטרן (Northwestern) בנו מדריך על בסיס 138 תמונות שנוצרו במודלי דיפוזיה, 9 תמונות שנאספו מרשתות חברתיות ו-42 צילומים אמיתיים [3]. הם חילקו את הבעיות המסגירות לחמש קטגוריות [3]:
- אנטומיות: ידיים, עיניים, שיניים וגופים לא סבירים, כולל גופים שמתמזגים זה בזה [3].
- סגנוניות: תמונות שנראות מושלמות מדי, עם עור מבריק או שעווני, מראה של מגזין או של פריים מסרט, או חלקים בתמונה ברמת פירוט או בצבע שונים [3].
- תפקודיות: חפצים שלא היו יכולים לעבוד, עיצובים לא שגרתיים וטקסט או סמלילים בלתי מובנים, משום שלמחוללים אין הבנה מבנית של האופן שבו דברים פועלים [3].
- הפרות של חוקי הפיזיקה: צללים והשתקפויות לא עקביים ובעיות בעומק ובפרספקטיבה [3].
- חברתיות-תרבותיות: תרחישים לא סבירים, לא הולמים, מנוגדים לנורמות של תרבות מסוימת או שגויים היסטורית [3].
המחברים מדגישים שפגמים שבני אדם יכולים להבחין בהם אינם תמיד קיימים, אף שהם מופיעים לעיתים קרובות, ושמוזרויות אנטומיות כמו יד שנראית משונה אינן אומרות בהכרח שהתמונה נוצרה בבינה מלאכותית [3]. גם המחוללים משתפרים במהירות: חוקרי Microsoft מציינים שהתוצאות שלהם כנראה מעריכות ביתר את יכולתם של אנשים לזהות תמונות בינה מלאכותית עכשוויות [1].
אילו זיופים הכי קשה לזהות?
בניסוי של Microsoft, שני סוגי תמונות הטעו אנשים ברוב המקרים: פני אדם שנוצרו ב-GAN (סוג ישן יותר של מחולל תמונות) ומילוי חלקי (inpainting), שבו חלק מתמונה אמיתית מוחלף בתוכן שנוצר [1]. NIST מעלה את אותה נקודה: תמונה שנערכה חלקית היא אמיתית ברובה, וזה מסבך כל שיטת זיהוי [4]. לכן צילום אמיתי שפרט אחד בו שונה קשה יותר לתפוס מאשר סצנה סינתטית לגמרי.
ומה לגבי וידאו?
וידאו קשה עוד יותר. הני פריד (Hany Farid), פרופסור באוניברסיטת קליפורניה בברקלי, אמר ל-CBS News ביוני 2025 שהזיופים עברו מתמונות סטילס לסרטונים מלאים עם פיצוצים שנראים כמו צילום בטלפון ביד [12]. בקטע של פיצוץ בכניסה לכלא אוין בטהרן, שמומחים אמרו שייתכן שנוצר בבינה מלאכותית, הם הצביעו על שלט שגוי מעל הדלת ועל חוסר עקביות בפיצוץ עצמו [12]. דברים שכדאי לבדוק כוללים שלטים וטקסט אחר, תאורה, והאם אותה סצנה מופיעה בצילומים ממצלמות אחרות.
האם סימני מים של בינה מלאכותית ו-Content Credentials מוכיחים מאיפה הגיעה תמונה?
אותות קריאים למכונה חזקים יותר מראייה בעין, אבל רק כשהם קיימים וכשיש כלי מתאים שקורא אותם. יש שני סוגים עיקריים.
סימני מים בלתי נראים
סימן מים הוא אות המוסתר בפיקסלים או בשמע. SynthID של Google מטמיע אותות בלתי מורגשים בתוכן שנוצר בבינה מלאכותית, ולדברי Google, עד נובמבר 2025 סומנו בו יותר מ-20 מיליארד פריטי תוכן [6]. מ-20 בנובמבר 2025 אפשר להעלות תמונה לאפליקציית Gemini ולשאול אם היא נוצרה בבינה המלאכותית של Google [6]. דף העזרה של Google מוסיף בדיקות של וידאו ושמע, עם מגבלות של 100 MB לקובץ, סרטונים קצרים מ-90 שניות, וכ-10 בדיקות מכל סוג בכל 24 שעות [5].
המגבלות חשובות. Gemini יכול כרגע לזהות רק תוכן שנוצר בכלי הבינה המלאכותית של Google, ו-Google מצהירה שהיעדר סימן מים של SynthID אינו אומר שהתוכן לא נוצר בבינה מלאכותית [5]. לדברי Google, סימני המים שורדים בדרך כלל שינוי גודל, שינוי צבעים ודחיסה, אבל ייתכן שלא יזוהו אחרי שינויים רבים [5].
Content Credentials
Content Credentials, התקן שפיתחה הקואליציה למקוריות ואותנטיות של תוכן (C2PA), הם דרך מאובטחת קריפטוגרפית לתעד איך, מתי והיכן נוצר תוכן ואיך הוא השתנה [7]. אם הקובץ או נתוני המקור שלו משתנים, הקישור הקריפטוגרפי נשבר, וזה מאותת על התעסקות לא מורשית [7]. Gemini יכול לקרוא Content Credentials מגרסה 2.2 ואילך ממוצרים שברשימת המוצרים התואמים של C2PA, באינטרנט ובאפליקציית Android שלו [5].
עם זאת, האישורים מתעדים טענה לגבי המקור, ולא את אמיתות הסצנה. Google מציינת שתוצאה שנוקבת בשם של חברה מראה רק מי סיפק את המידע, ושהאישורים אינם מוכיחים באופן חד-משמעי אם התוכן נוצר בבינה מלאכותית [5]. לדברי C2PA, אישורים עלולים להיפרד מהקובץ, והתקן תומך ב"קישורים רכים", כמו סימני מים או טביעות אצבע דיגיטליות, כדי למצוא אותם מחדש [7].
למה תוויות ומטא-נתונים נעלמים לעיתים קרובות כל כך?
מטא-נתונים נמצאים בתוך הקובץ, ולכן כל דבר ששומר את הקובץ מחדש עלול להסיר אותם. NIST מציין שמטא-נתונים מוטמעים מוסרים לעיתים קרובות כשמשתפים קבצים, למשל דרך רשתות חברתיות, ושאנשים יכולים להסיר אותם כדי להונות או מסיבות תמימות כמו פרטיות [4].
וושינגטון פוסט בדק זאת באוקטובר 2025. העיתון יצר סרטון ב-Sora של OpenAI שנשא Content Credentials, פרסם אותו בשמונה אפליקציות חברתיות, ומצא שאף אחת מהן לא שמרה על האישורים או אפשרה למשתמשים לצפות בהם [8]. רק YouTube הוסיפה אזהרה, וההודעה הזו, שבה נכתב "תוכן ששונה או תוכן סינתטי", הופיעה בתיאור הסרטון [8].
קל עוד יותר לעקוף סימני מים גלויים. 404 Media דיווח ששלושה אתרים שבדק הסירו את סימן המים הגלוי של Sora 2 מסרטונים בתוך שניות [9]. NIST מתאר גם מחקר שמראה שאפשר להסיר סימני מים בלתי נראים רבים בתמונות, למשל באמצעות הוספת רעש ואז ניקוי הרעש מהתמונה [4].
מה אומרות הפלטפורמות?
Meta הודיעה ב-2024 שתקרא סימני בינה מלאכותית בתקני המטא-נתונים C2PA ו-IPTC כדי לתייג תמונות ב-Facebook, Instagram ו-Threads [10]. באותה הודעה היא הודתה שעדיין אי אפשר לזהות את כל התוכן שנוצר בבינה מלאכותית, ושאנשים יכולים להסיר סמנים בלתי נראים [10]. במקום זאת, Meta מחייבת משתמשים לגלות שמדובר בבינה מלאכותית כשהם מפרסמים וידאו פוטוריאליסטי או שמע שנשמע מציאותי [10].
האם כלים לזיהוי תמונות בינה מלאכותית אמינים?
גלאים אוטומטיים הם מסווגים שמעריכים עד כמה סביר שקובץ הוא סינתטי. הם יכולים לעלות על בני אדם: הגלאי של צוות Microsoft עצמו עבר דיוק של 95% הן בתמונות אמיתיות והן בתמונות בינה מלאכותית במחקר שלו [1]. הנתון הזה מתייחס לכלי מחקר אחד על מערך נתונים אחד, ולא לכל אתר חינמי שתמצאו.
יתרונות
- חוקרי Microsoft מתארים כלי זיהוי כאמינים משמעותית יותר מבני אדם, אף שהם מציינים שהכלים עדיין טועים [1].
- הדיוק שלהם במחקר הזה היה עקבי בכל קטגוריות התמונות, בניגוד לדיוק האנושי, שהשתנה לפי הנושא [1].
מגבלות
- לדברי NIST, גלאים מציגים לעיתים קרובות את הביצועים הטובים ביותר על תוכן מהמחוללים שעליהם אומנו, בעוד שמודלים חדשים ממשיכים להופיע [4].
- ברגע ששיטת זיהוי חדשה מופיעה, המחוללים משתפרים ויריבים לומדים לעקוף אותה, לפי NIST [4].
- התרעות שווא, כלומר תיוג תוכן אמיתי כבינה מלאכותית, עלולות להזיק מאוד ולגרום לפגיעה במוניטין או ליחס פוגעני [4].
- קשה לסווג תמונות שנערכו חלקית, והשאלה אם עריכה היא "מהותית" עשויה להיות סובייקטיבית [4].
לכן ציון של גלאי הוא נתון אחד בלבד. הוא מועיל במיוחד כשהוא מתיישב עם ראיות אחרות, כמו היעדר מקורות מקוריים או שגיאות גלויות.
באיזו שיטה כדאי להשתמש, ומתי?
כל שיטה עונה על שאלה אחרת. בדיקה חזותית שואלת אם התוכן נראה סביר מבחינה פיזיקלית [3]. בדיקת סימן מים שואלת אם הבינה המלאכותית של חברה מסוימת השאירה את האות שלה [5]. Content Credentials שואלים מה אומרת ההיסטוריה החתומה של הקובץ [7]. חיפוש תמונות הפוך שואל היכן ומתי הופיעה התמונה לראשונה, ו-Google ממליצה עליו לצד הכלי שלה [5]. הטבלה שלהלן משווה ביניהן.
בהחלטה בעלת השלכות כבדות, כמו דיווח על אירוע חדשותי או האשמת מישהו בזיוף ראיות, השתמשו בכמה שיטות וחפשו התאמה ביניהן. NIST מציין שארגונים עשויים להשתמש בכמה טכניקות זיהוי יחד, ואומר שאין פתרון קסם [4].
אילו כללים מחייבים לתייג תמונות בינה מלאכותית?
באיחוד האירופי, חובות השקיפות שבסעיף 50 לחוק הבינה המלאכותית חלות מ-2 באוגוסט 2026 [11]. לפי הכללים האלה, ספקים של מערכות בינה מלאכותית חייבים לסמן תוצרי שמע, תמונה, וידאו וטקסט באופן קריא למכונה כדי שאפשר יהיה לזהות אותם כתוצרים שנוצרו באופן מלאכותי, ומפעילים חייבים לתייג זיופים עמוקים; קוד הנוהג של הנציבות האירופית מפרט כיצד לעשות זאת [11]. הקוד מגדיר זיופים עמוקים כתוכן של תמונה, שמע או וידאו שדומה לאנשים, לחפצים, למקומות, לגופים או לאירועים אמיתיים ועלול להיראות אותנטי באופן כוזב [11].
הציות לקוד עצמו הוא וולונטרי, אף שהחובות שבסעיף 50 הן חובות חוקיות [11]. בלוח הזמנים של הנציבות מופיע פרסום הקוד הסופי ב-10 ביוני 2026, ועד סוף יולי 2026 חתמו עליו כ-190 ארגונים [11]. האיחוד האירופי יצר גם סדרת סמלים שמפעילים רשאים להשתמש בהם כדי לתייג תוכן שנוצר בבינה מלאכותית [11]. מחוץ לאיחוד האירופי חלות מדיניות הפלטפורמות, כמו כללי הגילוי של Meta [10], אבל הכללים שונים ממדינה למדינה ומשתנים לעיתים קרובות, ולכן בדקו את הגרסה העדכנית נכון ל-3 בנובמבר 2026.
מה צפוי בהמשך בזיהוי זיופים?
המגמה היא לכיוון תוויות שמוטמעות בקבצים כבר ביצירתם, במקום שאנשים יאתרו שגיאות. Google הודיעה על תוכניות להרחיב את האימות של Gemini ל-Content Credentials ממוצרים מחוץ למערכת האקולוגית שלה [6], ודף העזרה שלה מתאר כעת את הבדיקות האלה [5], ואילו כללי הסימון של האיחוד האירופי חלים על ספקים [11]. במקביל, NIST מתאר מתקפות שמסירות סימני מים או מזייפות אותם (spoofing) [4], והבדיקה של וושינגטון פוסט הראתה שפלטפורמות משליכות לעיתים קרובות את האותות שכן קיימים [8].
מה עדיין לא ודאי
- עד כמה אנשים יצליחו בשנה הבאה. מחברי Microsoft צופים שהדיוק האנושי יירד ככל שהמחוללים ישתפרו [1].
- האם פלטפורמות ישמרו על האישורים. ההשתתפות ב-Content Credentials היא וולונטרית, ובבדיקה של ה"פוסט" אף פלטפורמה לא שמרה את הנתונים [8].
- כיסוי של סימני מים של חברות אחרות. נכון ל-3 בנובמבר 2026, הבודק של Gemini עדיין אינו יכול לקרוא סימני מים של חברות אחרות [5].
בינתיים, בדיקות שאינן דורשות כלי מיוחד עדיין חשובות: Google ממליצה על חיפוש תמונות הפוך כדי למצוא מקור מקורי [5], והני פריד יעץ לקוראי CBS News לא להסתמך על רשתות חברתיות בחדשות מתפרצות [12].
| שיטה | מה היא יכולה להראות | המגבלה העיקרית |
|---|---|---|
| בדיקה חזותית | שגיאות אנטומיות, סגנוניות, תפקודיות, פיזיקליות או חברתיות-תרבותיות [3] | פגמים אינם תמיד קיימים; אנשים מצליחים בכ-62% מהמקרים [1][3] |
| בדיקת SynthID ב-Gemini | האם הבינה המלאכותית של Google יצרה את הקובץ או ערכה אותו [5] | מזהה רק תוכן של הבינה המלאכותית של Google; היעדר סימן מים אינו הוכחה לצילום אמיתי [5] |
| Content Credentials (C2PA) | תיעוד חתום של האופן שבו הקובץ נוצר ונערך [7] | פלטפורמות מסירות אותם לעיתים קרובות; מתעדים מי העלה טענה, לא את האמת [5][8] |
| חיפוש תמונות הפוך | עותקים מוקדמים יותר וההקשר המקורי, כפי ש-Google ממליצה [5] | לזיופים חדשים ייתכן שאין עותק מוקדם יותר |
| גלאי אוטומטי | הסתברות שהקובץ סינתטי [4] | חלש יותר במחוללים לא מוכרים; התרעות שווא עלולות לגרום נזק [4] |
טעויות נפוצות
להתייחס ל"לא נמצא סימן מים" כאל הוכחה שתמונה אמיתית
הדרך הנכונה: לדברי Google, היעדר סימן מים של SynthID אינו אומר שהתוכן לא נוצר בבינה מלאכותית; ייתכן שהוא הגיע ממערכת בינה מלאכותית אחרת [5].
להסתמך על רמז חזותי אחד, כמו ידיים
הדרך הנכונה: בדקו את כל חמש קטגוריות הפגמים, וזכרו שפגמים אינם תמיד קיימים [3].
לסמוך על ציון יחיד של גלאי מקוון
הדרך הנכונה: NIST מציין שגלאים עובדים הכי טוב על המחוללים שעליהם אומנו; חפשו התאמה לראיות אחרות [4].
להניח שתווית של הפלטפורמה הייתה מופיעה אילו התוכן היה בינה מלאכותית
הדרך הנכונה: בבדיקה של וושינגטון פוסט, שבע משמונה פלטפורמות לא הציגו שום אזהרה [8].
להאשים מישהו בזיוף תמונה על סמך ראיות חלשות
הדרך הנכונה: התרעות שווא עלולות להזיק מאוד, ולכן ציינו את חוסר הוודאות וחפשו אימות נוסף [4].
שאלות נפוצות
האם אנשים יכולים להבחין באופן אמין בין תמונות בינה מלאכותית לצילומים אמיתיים?
לא באופן אמין. בניסוי של Microsoft עם יותר מ-12,500 משתתפים, שיעור ההצלחה הכולל היה 62% [1], ומחקר בשלוש מדינות מצא שרוב האנשים פשוט ניחשו מול זיופים מהדור המתקדם ביותר [2].
איך בודקים אם הבינה המלאכותית של Google יצרה תמונה?
מעלים אותה לאפליקציית Gemini ושואלים אם היא נוצרה בבינה המלאכותית של Google; Gemini מחפש את סימן המים SynthID [6]. זה עובד רק על תוכן מכלי הבינה המלאכותית של Google [5].
מה הם Content Credentials?
זהו התיעוד המאובטח קריפטוגרפית של תקן C2PA, שמראה איך, מתי והיכן נוצר תוכן ונערך [7]. הוא מסייע לחשוף התעסקות לא מורשית, אבל אפשר להסיר אותו, והוא אינו מוכיח שסצנה אמיתית [5][7].
האם צילום מסך מסיר תוויות של בינה מלאכותית?
הוא יכול להסיר מטא-נתונים. NIST מציין שמטא-נתונים מוטמעים מוסרים לעיתים קרובות כשמשתפים קבצים, למשל דרך רשתות חברתיות [4]. סימני מים בלתי נראים נועדו לשרוד, אבל לדברי Google ייתכן ש-SynthID לא יזוהה אחרי שינויים רבים [5], ו-Meta אומרת שאנשים יכולים להסיר סמנים בלתי נראים [10].
האם פרסום של זיוף עמוק ללא תיוג אינו חוקי?
הכללים משתנים ממדינה למדינה. באיחוד האירופי, חובות השקיפות של חוק הבינה המלאכותית, כולל תיוג זיופים עמוקים על ידי מפעילים, חלות מ-2 באוגוסט 2026 [11]. זהו מידע כללי ולא ייעוץ משפטי.
מילון מונחים
- זיוף עמוק (דיפפייק)
- תמונה, שמע או וידאו שנוצרו או עובדו בבינה מלאכותית, שדומים לאנשים, למקומות או לאירועים אמיתיים ועלולים להיראות אותנטיים באופן כוזב, כהגדרת קוד הנוהג של האיחוד האירופי [11].
- מילוי חלקי (inpainting)
- החלפת חלק מצילום אמיתי בתוכן שנוצר בבינה מלאכותית; אחת המניפולציות הקשות ביותר לזיהוי בעין אנושית [1].
- SynthID
- הטכנולוגיה של Google שמטמיעה סימני מים בלתי מורגשים בתוכן שנוצר בבינה מלאכותית [6].
- Content Credentials (C2PA)
- תקן פתוח למידע מקור חתום קריפטוגרפית שמצורף לקובצי מדיה [7].
- התרעת שווא
- מצב שבו גלאי מתייג בטעות תוכן שנוצר בידי אדם כתוכן שנוצר בבינה מלאכותית [4].
מקורות
- How good are humans at detecting AI-generated images? Learnings from an experiment Microsoft AI for Good Lab (Roca et al.), arXiv
- A Representative Study on Human Detection of Artificially Generated Media Across Countries Frank et al., IEEE Symposium on Security and Privacy 2024 (arXiv) · 2023-12-10
- How to Distinguish AI-Generated Images from Authentic Photographs Kamali, Nakamura, Chatzimparmpas, Hullman, Groh (arXiv) · 2024-06-12
- NIST AI 100-4: Reducing Risks Posed by Synthetic Content US National Institute of Standards and Technology
- Verify AI-generated images, videos, and audio Google Gemini Apps Help; retrieved 2026-11-03
- How we're bringing AI image verification to the Gemini app Google · 2025-11-20
- FAQs Coalition for Content Provenance and Authenticity (C2PA); retrieved 2026-11-03
- We uploaded a fake video to 8 social apps. Only one told users it wasn't real. The Washington Post · 2025-10-22
- Sora 2 Watermark Removers Flood the Web 404 Media · 2025-10-07
- Labeling AI-Generated Images on Facebook, Instagram and Threads Meta · 2024-02-06
- Code of Practice on transparency of AI-generated content European Commission; retrieved 2026-11-03
- AI-generated videos are fueling falsehoods about Iran-Israel conflict, researchers say CBS News · 2025-06-27
תגובות
הערות מובילות