AIが作った画像は、見慣れた目さえ欺くようになりました。Midjourney、DALL-E 3、Stable Diffusion、Fluxはこの2年で大きく進み、「指を数えろ」という昔ながらの見分け方だけでは合成写真を暴けません。それでも、人工的な出自を示す技術的・視覚的な手がかりは、最新のモデルでも一貫して残っています。この記事では、構図の観察からファイルに隠れたメタデータ、そして現在もっとも信頼できる判定ツールまで、画像を層ごとに読み解く手順を追っていきます。
AI画像を見分ける力が欠かせなくなった理由
少し前まで、AI画像を見抜くことは技術的な小ネタでした。いまでは日々の判断に関わる実用的な技能です。フリマやECの買い手は、その「商品写真」が本当に出品者のものか、AIが作った当たりさわりのない絵かを見極める必要があります。採用担当者はLinkedInや応募書類の顔写真を確かめます。記者やファクトチェッカーは、SNSで拡散している画像を公開前に検証します。そして残念ながら、ロマンス詐欺やなりすましの側も、AIが生成した顔で説得力のある偽アカウントを作っています。
問題の規模は、モデルの質と足並みをそろえて広がりました。2023年のAI画像は、手や文字にあからさまな破綻がありました。2026年のいま、Midjourney v7、Flux 1.1 Pro、Gemini Imageは、多くの場面で人体の整合性を保ちます。ざっと見るだけの判断は、それだけでは頼りにならなくなったということです。だからこそ、単独の痕跡に賭けるのではなく、目視・技術的な情報・外部ツールという複数の手がかりを重ねるのが安全です。
念のため書いておくと、ここで紹介する方法のどれも100%の確証は与えません。目的は判断の確度を上げることであって、自分の頭で考える工程を省くことではありません。同じ方向を指す手がかりが増えるほど、結論は堅くなります。
いまも残っている、見た目の手がかり
画像生成モデルは、何百万枚もの実写から学んだ統計的な傾向をもとに、次に来そうなピクセルを予測しています。だからそれらしい質感を作るのは得意ですが、構造の厳密な一致が要る部分では今も崩れます。指の本数や顔の左右対称のように、人間が幼いころから数えて確かめてきた種類のものです。
手・指・関節
だいぶ改善したとはいえ、いちばんよく挙がる弱点です。指の本数が多い・少ない、関節が解剖学的にありえない角度で曲がっている、指どうしが粘土のようにつながっている、といった点を見てください。手が物やポケット、髪に半分隠れている構図も別種の注意信号です。多くの生成モデルは、崩れやすい部分をそうやって「隠す」傾向があります。
歯・目・耳
AIが描く歯は、ひとつながりの整いすぎた列になることがあります。実際の歯並びにある小さな不揃いがありません。目については、左右で光の映り込み（キャッチライト）が食い違うことがあります。片方ずつで位置や形が違うといった具合で、光源がひとつならそうはなりません。耳は内部の造形が複雑で（耳輪、対耳輪、耳珠）、AIはこれを単純化したり、わずかにゆがませたりしがちです。斜め横顔ではとくに目立ちます。
髪・布地・繰り返し模様
一本ずつのはずの髪が塊に溶けている、チェックやストライプの柄が布の途中で規則性を失う、顔の左右でピアスやネックレスが対応していない。こうした点は繰り返し現れます。AIは繰り返し模様という「概念」は理解していますが、その規則性を画面の隅々まで正確に保つことまではできていません。
画面の中の文字
看板、Tシャツのプリント、商品のラベル、背景の店名表示は、もっとも崩れやすい部分のひとつです。高性能なモデルでも、ぱっと見は正しそうなのに、近づいて見ると意味を成さない記号の連なりになっていることがあります。文字に似た何か、という状態です。現時点でもっとも信頼できる手がかりのひとつです。
光・影・反射の物理
主光源から考えるとおかしな方向に伸びる影、ガラスや鏡に映るはずのものと合わない反射、周囲の照明と噛み合わない肌の明るさ。どれも細かいながら、繰り返し現れる痕跡です。とくに光源が複数ある場面（窓の光と室内灯など）は要注意で、AIは影を物理的につじつまの合わない形で混ぜてしまいがちです。
背景と構図
背景の要素どうしが境目なく溶け合っている、画面の外へ理由なく唐突に切れている物がある、現実の部屋ではありえない位置にほぼ同じ椅子が2脚あるといった不自然な反復。こうした点を見てください。背景のぼけは、そのままこうした矛盾を覆い隠す働きをすることがあるので、ぼけた領域こそ注意して見る価値があります。
💡 ヒント: 画像を200%以上に拡大して、四隅と縁を見てください。モデルの注意は構図の中央に集まりがちなので、細部が崩れるのはたいてい周辺です。
肌の質感と、整いすぎという問題
実際の写真には細かな粗さがあります。毛穴、うぶ毛、わずかな左右差、皮膚のすぐ下を通る血管による色ムラ。AIの画像、とりわけスタジオ撮影風の人物写真では、こうした要素がまとめてならされ、ろう細工のような質感になります。カバー力の高いファンデーションを一様に塗ったような見た目です。直射光の下の明るい肌でとくに目立ちます。自然なムラがないことがはっきり出るからです。
ただし、この特徴は実写でも起こります。スマホのカメラアプリによくある美肌フィルターを強くかけた写真がそうです。単独の証拠としてではなく、ほかの手がかりを補強するものとして使ってください。
EXIF情報：ファイルに隠れたデータが語ること
デジタルカメラやスマホで撮った写真には、EXIF（Exchangeable Image File Format）と呼ばれる技術情報がファイル内に埋め込まれています。カメラや機種の名前、レンズ、絞り、シャッター速度、ISO感度、撮影日時、そして多くの場合はGPSの座標まで含まれます。
AIが生成した画像をツールからそのまま書き出した場合、これらの項目は空のままか、実際のカメラのデータではなく生成ソフトの一般的な情報が入っています。確認は EXIF削除ですぐにできます。削除するか残すかを決める前に、ファイルのメタデータをすべて表示してくれます。
Content CredentialsとC2PAの取り組み
近年の動きでとくに重みを増しているのが、C2PA（Coalition for Content Provenance and Authenticity）という規格です。Adobe、OpenAI、Google、Microsoft、ライカなどが採用しています。対応ツールで生成された画像には「Content Credentials」の記録が付き、その画像の出どころ、AIで生成・編集されたかどうかが暗号署名として残ります。すべての画像に付いているわけではありませんが、付いていれば現時点でもっとも確かな手がかりのひとつです。
💡 ヒント: メタデータがないこと自体は、AI画像である証拠になりません。SNSやLINE、多くの編集アプリも、保存や共有の前に写真を処理して再圧縮する過程でこれらを削除します。単独の決め手ではなく、手がかりのひとつとして扱ってください。
自動判定ツール：いま使えるもの
目視のほかに、独自のAIモデルで判定する専門サービスもあります。人の目には見えないピクセルの統計的な偏り、つまり生成モデルが残す微かな署名を検出する仕組みです。どれも万能ではありませんが、セカンドオピニオンとしてはよく機能します。とくに、ここまでに挙げた目視の観察と組み合わせたときに効きます。
| ツール | 仕組み | 向いている用途 |
|---|---|---|
| Hive Moderation | ラベル付きの画像を大量に学習した分類モデル | アップロードやAPIでの手早い確認 |
| Illuminarty | ピクセルの偏りと圧縮の統計解析 | 写真とデジタルイラスト |
| AI or Not | 複数の分類器を組み合わせて判定 | 画像のまとめて確認 |
| Google SynthID | 生成時に埋め込まれる不可視の電子透かし（対応時） | Googleの各サービスで生成された画像 |
| Optic（AI or Not提供） | 顔・人物写真に特化した判定 | プロフィール画像やアイコンの確認 |
ひとつ大事な点があります。これらのツールが読んでいる統計的な偏りは、生成モデル側が新バージョンのたびに消そうとしているものです。つまり判定精度は時間とともに変わります。Stable Diffusion 1.5の画像を95%見抜けたツールが、最新のFluxに対しては大きく落ちることもあります。結論を出す前に、複数のツールを通すのが賢明です。
画像検索を補助に使う
Google レンズやTinEyeでの画像検索から、有用な背景が見えることがあります。同じ画像が別のサイトに違うキャプションで載っていた、以前に合成だと指摘されていた、あるいはAIで加工する前の実写の元画像そのものが見つかる、といった具合です。詐欺の常套手段のひとつが、他人の実写を拾ってきて生成AIで「盛る」ことなので、これは効きます。
マッチングアプリやSNSで怪しいプロフィール画像を確かめるときは、とくに有効です。偽アカウントの多くは、AI加工のあるなしにかかわらず、実在の人物の写真を無断で使い回しているからです。
生成モデルごとの崩れ方の癖
画像生成モデルには、それぞれ固有の崩れ方があります。学習に使ったデータと、設計上の選択の結果です。この違いを知っておくと、出どころの見当がついたときに、どこを先に見ればいいかが決まります。
| 生成モデル | 出やすい崩れ | 得意なこと |
|---|---|---|
| Midjourney | 整いすぎた構図、人物のろう細工めいた肌 | 画づくりと光の説得力 |
| DALL-E 3 | 読めそうで読めない文字、やや強い彩度 | 込み入った指示の読み取り |
| Stable Diffusion（旧バージョン） | 手の破綻、左右で揃わない目 | LoRAによる自由度と作り込み |
| Flux | 背景に出る微妙な繰り返し模様 | 人体と手の整合性の高さ |
| Gemini Image / Imagen | 複雑な場面での反射と影の食い違い | 単純な場面での写真的なリアルさ |
この表は決まりごとではありません。モデルは頻繁に更新され、今日の癖は次の版で直っているかもしれません。それでも、ある画像の出どころを疑ったときに、どこから見るかの当たりをつける役には立ちます。
この力が実際に効いてくる場面
フリマ・ECでの買い物: 中古の出品で商品写真があまりに整っていると感じたら、メタデータの有無、背景のつじつま、タグや縫い目や質感といった細部が物理的に成立しているかを確かめてください。
報道の検証: ファクトチェッカーは、災害時や大きな出来事で急速に広がる画像の真偽を確かめる前に、画像検索、メタデータの確認、判定ツールを組み合わせます。
SNSやマッチングアプリのプロフィール: スタジオ照明のように整いすぎたプロフィール写真、過去の投稿がまったくないアカウント、ビデオ通話を避ける態度。AIの痕跡がある写真とこれらが重なるなら、警戒を強めるべきです。
採用選考: 本人確認を厳格化する流れのなかで、応募書類やLinkedInの顔写真がAI生成でないかを確認する企業も出てきています。
判定でやりがちな失敗
よくあるのは、ひとつの手がかりを決定的な証拠として扱うことです。EXIFがないというだけで実写を切り捨てる、といった具合ですが、それはLINEを経由しただけかもしれません。もうひとつは、自動判定ツール1つの結果を鵜呑みにすることです。ツールも外します。実写をAIと判定する誤検出も、新しい合成画像を見逃す取りこぼしも起こります。
自分の目を過信するのもありがちです。研究によれば、ツールの助けがない場合、モデルが新しく質が高いほど、AI画像の識別率はほぼ当てずっぽうに近づきます。「見慣れた目」だけに頼るより、方法を組み合わせるほうがつねに確かです。
3つめの失敗は、その画像がどう出回っているかを見ないことです。出どころが特定できず、過去の掲載履歴もなく、「今すぐ拡散を」といった感情に訴える文が添えられている写真は、画像そのものの技術的な痕跡がどうであれ、実績のある認証済みアカウントが出した画像より疑うべきです。出どころの文脈と広がり方は、実務上、ピクセル単位の分析と同じくらい重要です。
最後に、画像は 部分的に だけAIで作られていることもあります。実写の背景だけを差し替えた、物をひとつ消した、服を描き替えた、といった場合です。こうした混成の画像では、AIの痕跡が画面全体に散らばらず、手を入れた箇所に集中して現れます。全体が合成の画像とは、そこが違います。
疑わしい画像を見るときのチェックリスト
- 拡大して、手・歯・耳・アクセサリーに左右のずれや変形がないか見る。
- 画面の中の文字を確かめる。看板、ラベル、店名表示など。
- 見えている光源に対して、光と影のつじつまが合っているか確かめる。
- ImageToolsのEXIF削除ツールで、ファイルのEXIF情報を確認する。
- 自動判定ツール（Hive、Illuminarty、AI or Notなど）を最低ひとつは通す。
- 画像検索で、出どころと使われ方をたどる。
どの項目も、単独で結論を出すためのものではありません。価値は積み重ねにあります。4つ5つを問題なく通る画像は、複数で引っかかる画像より、本物である見込みがずっと高くなります。