Story

路透社測試：Meta AI 圖像偵測工具無法辨識自家經裁切的生成圖片

Jul 12, 2026By Elena Volkova, Commodities & Energy Analyst1 min read

重點摘要

根據路透社的一項分析，Meta 新推出的 AI 圖像偵測工具在辨識自家經裁切處理的 AI 生成圖像時，失敗率高達 55%，凸顯了在打擊深度偽造內容方面所面臨的技術挑戰。
根據路透社的一項分析，Meta Platforms 新推出的 AI 偵測工具在識別自家 AI 模型生成、但經過裁切的圖像時存在顯著漏洞。這項發現凸顯了科技公司在驗證經修改的 AI 生成內容方面所面臨的挑戰，尤其在選舉年期間，這可能使辨識網路上的深度偽造（deepfakes）訊息變得更加困難。
路透社針對 Meta 的圖像生成模型「Muse Image」所產生的 40 張圖像進行了分析。結果發現，雖然 Meta 的偵測工具能夠 100% 驗證原始的 AI 生成圖像，但在這些圖像被裁切至原始尺寸約三分之一到一半後，其辨識失敗率高達 55%。

Text size

Background

根據路透社的一項分析，Meta Platforms 新推出的 AI 偵測工具在識別自家 AI 模型生成、但經過裁切的圖像時存在顯著漏洞。這項發現凸顯了科技公司在驗證經修改的 AI 生成內容方面所面臨的挑戰，尤其在選舉年期間，這可能使辨識網路上的深度偽造（deepfakes）訊息變得更加困難。

測試揭露顯著漏洞

路透社針對 Meta 的圖像生成模型「Muse Image」所產生的 40 張圖像進行了分析。結果發現，雖然 Meta 的偵測工具能夠 100% 驗證原始的 AI 生成圖像，但在這些圖像被裁切至原始尺寸約三分之一到一半後，其辨識失敗率高達 55%。

Meta 表示，該工具目前仍為預覽版本。其偵測技術依賴一種名為「Content Seal」的隱形浮水印系統，該系統被嵌入由 Muse Image 生成的每一張圖片中。Meta 指出，雖然浮水印的設計旨在能承受常見的編輯操作，但若圖像被大幅度裁切，其嵌入的訊號可能會丟失。

此問題不僅限於 Meta。包括 Google 和 OpenAI 在內的競爭對手也曾警告，其偵測工具並非萬無一失，無法完全防範圖像修改技術。專家指出，基於浮水印的系統有其固有局限性。

紐約州立大學水牛城分校計算機科學教授 Siwei Lyu 表示：「當浮水印保持完整時，這種方法非常有效，但任何會移除或削弱嵌入訊號的修改，如裁切、調整大小或重度壓縮，都可能降低其有效性。」這意味著，即使是最先進的偵測系統，在面對刻意或無意的圖像修改時，其可靠性仍面臨考驗。

這項技術上的挑戰正值 Meta 面臨越來越大的監管壓力之際。今年三月，Meta 的監督委員會已敦促該公司採取更多措施，應對其平台上「欺騙性 AI 生成內容的擴散」，並投資於更強大的偵測工具。

對於投資者而言，這項發現突顯了生成式 AI 領域持續存在的技術障礙與聲譽風險。科技巨頭在開發強大 AI模型的同時，也必須應對其技術可能被濫用的問題，這將持續成為影響其業務發展與市場估值的關鍵因素。