OpenAI 推多層系統識別 AI 生成圖片：C2PA、SynthID 同公開驗證工具

不過 metadata 有一個明顯弱點：很容易在分享過程中消失。例如當圖片被截圖、壓縮、重新上載，或經過會移除 metadata 的軟件處理時，相關資料可能完全不見。

SynthID 隱形水印

為了增加可靠性，OpenAI 與 Google DeepMind 合作，為 AI 生成圖片加入 SynthID 隱形水印。

和 metadata 不同，SynthID 不是附加在檔案資訊，而是把一個隱藏訊號 直接嵌入圖片像素 裡面，之後可以用專門工具檢測。

這種方法有幾個好處：

• 訊號通常能在圖片分享或格式轉換後仍然存在
• 不會影響肉眼看到的畫面
• 可以用檢測工具識別

相關研究指出，這套系統已經在 Google 服務中為 數十億張圖片與影片畫面加入水印。

不過水印同樣不是完美方案。大幅修改、裁剪、轉換或刻意破壞訊號都可能令檢測變得困難，而且只有在生成時加入水印的系統才有效。

Metadata 與水印：各有優缺點

兩種技術其實解決不同問題。

Metadata（C2PA）

• 可以提供完整、透明的來源資料
• 平台和工具容易讀取
• 但在分享或編輯過程中容易被移除

隱形水印（SynthID）

• 嵌入在圖片內容中，比較難被刪除
• 在多數轉換情況下仍能保留
• 但通常只提供較簡單的識別訊號，而且需要專門工具檢測

因此 OpenAI 把兩者結合：metadata 提供詳細背景，水印提供更耐用的識別訊號。

公開圖片驗證工具

除了標記圖片，OpenAI 亦預覽了一個 公開驗證工具，讓任何人上載圖片檢查是否包含相關來源訊號。

這個工具會檢查：

• 圖片是否含有 C2PA metadata
• 是否存在 SynthID 水印

如果檢測到其中任何一種訊號，工具就可能指出圖片來自 OpenAI 的模型，例如 ChatGPT 或其 API 生成的圖像。

但需要注意：如果檢測不到訊號，不代表圖片一定是真實照片。可能只是 metadata 被移除，或者圖片來自其他沒有加入相同技術的 AI 系統。

為何內容來源愈來愈重要

隨著生成式 AI 的能力快速提升，網上出現的合成媒體愈來愈多。OpenAI 的策略其實反映整個科技業的共識：

與其追求一個萬能的「AI 偵測器」，不如建立一個 多層訊號與跨平台標準的生態系統。

透過開放標準、隱形水印和驗證工具的結合，平台、媒體機構和一般用戶都能更容易查證圖片來源——即使 AI 生成內容在網絡上持續增加。

簡單講：未來辨識 AI 圖片，很可能要靠 多種訊號一起判斷，而不是單一檢測工具。