OpenAI、AI生成画像の真偽確認を強化へ　C2PAとSynthIDの二層システム

この規格はAI企業だけでなく、カメラメーカーやニュースメディア、ソフトウェア企業などでも採用が進んでいます。

メタデータだけでは弱い理由

ただし、メタデータには大きな弱点があります。

インターネット上で画像が共有される過程で、メタデータは簡単に失われることがあります。例えば次のような場合です。

• ダウンロード
• スクリーンショット
• 画像編集
• 圧縮
• SNSへの再投稿

こうした処理を経ると、ファイルに付いていた来歴情報が削除されたり変更されたりする可能性があります。

この問題を補うため、OpenAIはメタデータとは別の識別方法を追加しました。

SynthID：画像ピクセルに埋め込まれる不可視透かし

SynthIDはGoogle DeepMindが開発した技術で、AI生成画像のピクセルに**人間には見えない信号（ウォーターマーク）**を埋め込みます。

メタデータがファイルの外側の情報であるのに対し、SynthIDは画像そのものに信号を埋め込む点が特徴です。

この仕組みによって、次のような処理をしても識別信号が残る可能性があります。

• 画像のトリミング
• 圧縮
• ファイル形式の変換

つまり、メタデータが失われてもピクセル内の透かしが検出できる可能性があるわけです。

OpenAIはこの2つを組み合わせることで、

「どちらかが消えても、もう一方で検証できる」冗長性のあるシステムを構築しています。

画像の出どころを調べる公開ツール「Verify」

OpenAIはさらに、画像の生成元を確認できる**公開ツール「Verify」**のプレビューも公開しました。

このツールでは、ユーザーが画像をアップロードすると、次のような情報を確認できます。

• ChatGPT
• Codex
• OpenAI API

などのOpenAIシステムで生成された画像かどうか。

判定は、画像に含まれる

• C2PAメタデータ
• SynthIDウォーターマーク

といったシグナルをもとに行われます。

ただし、初期段階では大きく加工された画像や識別情報が削除された画像を完全には判定できない可能性も指摘されています。

なぜ今、こうした仕組みが重要なのか

生成AIの進化により、インターネット上には非常にリアルな合成画像が急増しています。

その結果、次のような問題が起きています。

• 偽画像による誤情報の拡散
• 本物とAI画像の区別が困難
• 出どころ不明の画像の増加

OpenAIの取り組みは、こうした課題に対し次のような用途を想定しています。

• ジャーナリストが画像の信頼性を確認
• SNSやプラットフォームがAI画像を検出
• 研究者が合成コンテンツを分析
• 一般ユーザーが画像の出所を理解

もちろん、この仕組みだけですべての偽画像を防げるわけではありません。特に、来歴情報を付与しない別のAIツールで生成された画像には適用されません。

それでも、OpenAIのシステムはAI時代のデジタルメディアに「検証可能な出どころ」を付ける試みの一歩といえます。

業界全体で進む「コンテンツ来歴」標準化

今回の取り組みは、AI企業やメディア業界で進むコンテンツ来歴（Content Provenance）標準化の流れの一部でもあります。

近年は、単一の検出技術ではなく

• メタデータ
• ウォーターマーク
• 検証ツール

を組み合わせた多層アプローチが主流になりつつあります。

もし多くのプラットフォームやツールがこの仕組みを採用すれば、C2PAとSynthIDのような技術が、生成AI時代における「デジタルコンテンツの信頼性」を支える基盤になる可能性があります。