AI写真と実写を見分ける：AI生成画像の完全ガイド

2026年現在、実写真とAI生成画像を切り分けることは、デジタルコンテンツに関わる人なら誰にとっても実用的な視覚リテラシーです。Midjourney v6、DALL-E 3、Stable Diffusion XL、Fluxはカジュアルな目視をすり抜けます。ニュース、SNS、法務、マーケに混入しています。視覚とフォレンジックの両面で評価できることが欠かせません。

なぜ目視検出は難しくなったか

初期のAI画像ジェネレーターにはお決まりの弱点がありました——指が多すぎる、文字がめちゃくちゃ、目が水っぽい、肌の質感が蠟のよう——など表層のサインです。MidjourneyやFluxのようなモデルの世代交代で、多くは緩和されました。より巨大なデータセット、高度な注意機構、既知の失敗モードを直す訓練手順の結果、两年前とは比べものにならないほど細かい検査に耐えます。だからこそ肉眼では見えない特性を調べるフォレンジック解析がより重要になっています。

手・歯・身体

それでも人体は相対的な弱点です。AI画像の手——指が物体と交差する部分、関節が折り重なる部分——をよく見てください。「六本指」問題はだいたい解決しましたが、指の比率の奇妙さ、爪の角度、本来曲がらない関節など細かな破綻は残ります。歯も難しく、笑顔で歯が多すぎる、顎の構造と噛み合わない、歯茎のラインがおかしい——などです。通常とは違う角度・ポーズから見た身体ほど歪みが出やすいです。

文字と数字

読めるテキストはいまだに信頼できる検出シグナルです。文字が微妙に歪む、小文字の「a」がなんとなく違う、「s」のカーブが不自然、時計やスコアボードの数字が意味をなさない——個々の文字が正しくても単語やフレーズが無意味・誤綴り・文法的におかしいことがあります。看板、ラベル、ロゴ、新聞見出しはよく読むと破綻します。AI生成の「ニュース写真」やドキュメンタリー風画像の検出に特に役立ちます。

背景と環境の一貫性

ジェネレータは前景が正しく見える画像を学習しがちで、端や背景へいくほど一貫性が落ちます。窓がパースに沿って並ばない、階段がどこにも続かない、自然なテクスチャがタイル状に繰り返される、フレーム端の植生が個々はもっともらしくても全体としてありえない配置——など。水面は特に難しく、上のシーンと整合する反射と波の物理が要求されます。局所的にはもっともらしくても環境全体と統合していない「水」がよく出ます。

光・影・反射

画像全体で照明を一貫させることはジェネレータにとって依然として難しいです。影がばらばらの方向を向いている——別々の光源を暗示する——こと、見かけの光源と一致しないスペキュラハイライト、目・メガネ・窓の反射が論理的にありえないこと、肌のライティングが背景と別方向から来ているように見えること——などは微妙ですが、見る場所を知れば見えてきます。

ノイズ署名

実写真にはセンサーノイズがあります——ISOや処理により統計特性が変わるランダムな画素揺らぎです。AI画像は根本的に異なるノイズ構造を持ちます。GAN系（旧モデル）は平坦であるべき領域に構造化ノイズが出やすく、空や肌にテクスチャとして見えます。拡散系（Midjourney、Stable Diffusion、DALL-E）は別種のアーティファクト——空間周波数ごとの描き込み方に特有のパターン——を残します。フォレンジックツールは肉眼には見えない統計レベルでこれらを判別します。

メタデータと出どころ

実写真にはEXIFがあり——機種、レンズ、シャッター、絞り、GPS、タイムスタンプなど。AI画像には通常なく、ストリップされていることも多いです。メタデータがないこと自体がAIの決定的証拠ではありません——公開前にプライバシーで剥がすのが普通だからです。あることは写真起源のプラスのシグナルです。またリバース画像検索で生成源がわかることも——生成画像はプロンプト付きでインデックスされている場合や、既知の合成画像リポジトリとパターン一致することがあります。

目視だけでは足りないとき

ジャーナリズムや法務、モデレーションなど利害が大きい検証では目視だけでは不十分です。ピクセルフォレンジックでは画像の周波数領域コンテンツ（AIには特有のパワースペクトル）、色チャネル間のノイズ分布、圧縮アーティファクト、エッジとテクスチャの統計——を調べます。SUS ITの画像解析パイプラインはこれらの技法を適用し、信頼度付きで結果を返します。利害が大きいときは目視レビューを置き換えるのではなく、フォレンジック検証で補強してください。