Cognitive AI
用深度學習偵測影像竄改與偽造的鑑識平台
生成式影像工具普及之後，「這張照片是真的嗎」變成新聞編輯室、保險公司與法務單位每天都要面對的問題。Cognitive AI 做的是影像鑑識：用深度學習分析影像的壓縮痕跡、雜訊分布、光影一致性與生成模型特有的統計特徵，判斷一張圖是否被竄改或整張由 AI 生成。
功能特色與適用場景
功能涵蓋竄改區域定位（不只說有問題，還標出改在哪裡）、AI 生成內容偵測、元資料一致性檢查與批次處理。對編輯台來說，竄改區域定位比單純一個「可疑」標籤有用得多，因為記者可以據此去追問來源。
適合新聞編輯室、保險理賠查核、電商平台的商品照審核與法務鑑識。台灣的媒體與保險業同樣面臨變造照片問題，尤其車禍理賠與商品爭議，這類工具能補上人眼看不出來的部分。
主要功能
- 影像竄改偵測與區域定位
- AI 生成影像判別
- 元資料一致性檢查
- 壓縮與雜訊痕跡分析
- 批次影像審核
常見用途
- 新聞照片查證
- 保險理賠影像查核
- 電商商品圖審核
- 法務數位鑑識
TheAI學院 編輯建議
編輯實測後的真心話影像鑑識這個領域有個結構性的悲觀：生成技術進步的速度永遠比偵測快。但這不代表不該做——至少讓造假的成本高一點。
— theai 編輯團隊
主要功能
- 影像竄改偵測與區域定位
- AI 生成影像判別
- 元資料一致性檢查
- 壓縮與雜訊痕跡分析
- 批次影像審核
適用場景
- 新聞照片查證
- 保險理賠影像查核
- 電商商品圖審核
- 法務數位鑑識
Cognitive AI 的優點與缺點
優點
- 能標示竄改位置而非只給結論
- 對編輯台與理賠查核有實際價值
- 涵蓋傳統修圖與 AI 生成兩類威脅
缺點
- 生成模型快速演進，偵測永遠在追趕
- 經多次轉存壓縮的圖片判別率下降
- 結果為機率判斷，不能當唯一證據
Cognitive AI 常見問題
它能百分之百分辨 AI 生成圖嗎？
不能，而且沒有任何工具做得到。偵測與生成是持續的軍備競賽，新模型出來後偵測方通常要一段時間才追上。把它當成篩選與佐證工具，不是最終判定。
截圖或轉傳過的圖還測得出來嗎？
難度高很多。每一次轉存壓縮都會破壞原始的統計痕跡，經過多次社群轉傳的圖片，判別可靠度會明顯下降。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
