Proofig AI
論文圖片的法醫級篩檢，抓重複、剪接與 AI 生圖的造假痕跡
Proofig AI 專門處理一件學術界心知肚明但很難查的事：論文裡的圖被動過手腳。它用電腦視覺與 AI 自動掃描投稿稿件的圖片，找出同一篇內部的重複與複製移動、被剪接拼貼的痕跡、遭刪除或塗改的區域，並比對 1.55 億張以上 PubMed 圖庫判斷是否為圖片抄襲，同時也能偵測六種類型的 AI 生成圖片。
官網揭露的效能數字相當具體：偵測精確率 99.4%、西方墨點法（Western blot）真陽性 97.68%、顯微影像真陽性 95.41%。產品線除了主力 Proofig 之外還有 RefGuard（參考文獻查核）、PubShield 與 Octym，後者把檢查範圍擴大到參考文獻、統計、方法與後設資料。
功能特色與適用場景：使用流程是四步：批次上傳稿件、自動掃描、人工在鑑識介面複核、匯出 PDF 報告。客群包含研究者本人、研究機構、出版社與倫理委員會，而這四種角色的用法差很多。研究者用它自我檢查，避免無心的圖片重用毀掉一篇好論文——很多所謂造假其實是實驗室裡「找不到原圖就先放一張類似的」造成的。期刊編輯與出版社用它做投稿前的守門，尤其是生醫領域的西方墨點法與顯微影像，那是造假最集中的兩種圖。倫理委員會則用它處理檢舉案件的舉證。台灣的大學與醫學中心正好處在論文誠信壓力最大的時候，這種工具的價值不只在抓人，更在事前自檢——先讓自己的實驗室過一輪，比事後被撤稿划算太多。
TheAI學院 編輯建議
編輯實測後的真心話研究誠信這件事我一直覺得台灣談得太少，都在談論文數量。Proofig 的存在提醒我們一個現實：圖片造假在生醫領域普遍到需要專門的鑑識工具。它最好的用法不是拿來抓人，是拿來自檢——很多問題圖其實出於管理鬆散而非惡意，投稿前掃一次就能避掉一場災難。
主要功能
- 圖片操弄偵測：複製、編輯、刪除、剪接
- 同篇稿件內圖片重複與重用比對
- 六種類型 AI 生成圖片偵測
- 1.55 億張 PubMed 圖庫的圖片抄襲比對
- 研究者個人資料庫的自我抄襲檢查
- 批次稿件上傳與鑑識複核介面
- PDF 報告匯出
- RefGuard／PubShield／Octym 擴充檢查參考文獻、統計與方法
適用場景
- 期刊投稿前的圖片自我檢查
- 出版社與期刊的投稿守門篩檢
- 研究倫理委員會的檢舉案件舉證
- 大學研究誠信辦公室的例行抽查
- 實驗室內部發表前的品質管控
Proofig AI 的優點與缺點
優點
- 公開具體的偵測效能數字，包含最容易造假的西方墨點法與顯微影像
- 研究者自檢用途實用，能在投稿前抓出無心的圖片重用
- 圖庫規模達 1.55 億張，跨期刊抄襲比對有實質意義
- 保留人工鑑識介面，不是黑箱給結論
缺點
- 不公開標準定價，個人研究者難預估成本
- 偵測結果需專業判讀，誤判會造成嚴重的名譽傷害
- 官網未載明公司所在國家
- AI 生成圖片偵測隨生成模型迭代會持續失效再追趕
價格方案
官網設有定價頁，主要依機構規模與稿件量報價；個別研究者亦有方案，需洽詢。
Proofig AI 常見問題
軟體說有問題，就等於論文造假嗎？
絕對不等於。這類工具給的是「疑似訊號」，例如兩張圖有高度相似區域——原因可能是造假，也可能是同一批樣本的不同視野、或是排版時貼錯圖。所以它一定要搭配人工鑑識與作者說明。把軟體報告直接當定罪依據是很危險的，實務上負責任的期刊都會先請作者提供原始檔案。
跟 ImageTwin 怎麼選？
兩家都是這個領域的主要玩家，功能高度重疊。比較實際的差異在圖庫與擴充範圍：Proofig 的比對庫官網稱 1.55 億張、且延伸到參考文獻與統計檢查；[ImageTwin](/tools/imagetwin) 官網稱超過 1.6 億張已發表圖片，並會標示 AI 生圖的模型歸屬。真的要選，建議拿自己領域的十篇稿件各跑一次比較命中品質，不要看行銷數字。
台灣的研究者個人有必要用嗎？
如果你在生醫領域、圖多、而且實驗室有多人共用資料夾，我會說值得。撤稿的代價實在太不對稱——被抓到一次，之前所有論文都會被翻。花點錢在投稿前掃一輪，本質上是買保險。至少共同作者的圖有沒有重複用過，這件事你自己查最快。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
