Haqiqiy tasvirni sun’iy tasvirdan ajratish nega tobora qiyinlashmoqda?
Bir necha yil avval internetdagi suratga qarab, uning haqiqiy yoki kompyuter yordamida yaratilganini taxmin qilish nisbatan oson edi. Bugun esa vaziyat butunlay o‘zgardi. Sun’iy intellekt texnologiyalarining jadal rivojlanishi natijasida inson ko‘zi uchun deyarli real ko‘rinadigan suratlarni bir necha soniya ichida yaratish mumkin.
Bir necha so‘zdan iborat matnli buyruqning o‘zi kifoya: “zamonaviy shahar ko‘chasida turgan odam”, “tarixiy voqea aks etgan surat” yoki “professional fotostudiyada olingan portret”. Generativ sun’iy intellekt bunday topshiriqlar asosida fotorealistik tasvir yaratadi.
Masalan, zamonaviy diffusion modellarining rivojlanishi sintetik tasvirlarning sifati va xilma-xilligini keskin oshirdi. Natijada ayrim hollarda AI tomonidan yaratilgan tasvirni oddiy vizual kuzatuv orqali haqiqiy fotosuratdan ajratish juda qiyinlashdi.
Ammo tasvir qanchalik real ko‘rinmasin, uni yaratish jarayoni ko‘pincha o‘ziga xos izlarni qoldiradi. Aynan shu izlar bugungi kunda raqamli tasvir ekspertizasi va sun’iy intellekt asosidagi aniqlash tizimlarining asosiy tadqiqot obyektiga aylangan (1-rasm).
1-rasm. Haqiqiy fotografik tasvir va generativ sun’iy intellekt yordamida yaratilgan
fotorealistik tasvirni vizual jihatdan farqlashning murakkabligi.
“Ko‘z ilg‘amaydigan” izlar
AI tomonidan yaratilgan tasvirlarda mavjud bo‘lishi mumkin bo‘lgan belgilarni shartli ravishda ikki guruhga ajratish mumkin.
Birinchisi — inson ko‘zi bilan sezilishi mumkin bo‘lgan artefaktlar. Masalan, qo‘l va barmoqlarning g‘ayritabiiy shakli, obyektlarning fizik jihatdan imkonsiz joylashuvi, yuzdagi mayda assimetriyalar, yozuvlarning buzilishi yoki yorug‘lik va soyaning nomuvofiqligi.
Ikkinchisi esa ancha murakkab — inson ko‘zi bilan deyarli sezilmaydigan raqamli izlar. Bular tasvirning piksel tuzilishi, chastota spektri, shovqin qoldig‘i, rang kanallari o‘rtasidagi munosabatlar yoki generativ modelga xos “fingerprint”larda namoyon bo‘lishi mumkin.
2026-yilda e’lon qilingan keng qamrovli sharhda AI tasvirlarini aniqlashning zamonaviy usullari aynan fazoviy domen, chastotaviy domen, fingerprint tahlili, patch-based usullar, training-free yondashuvlar va multimodal reasoning kabi yo‘nalishlarga ajratilgan.
Bu esa bitta oddiy “AI detector” mavjud emasligini ko‘rsatadi. Aksincha, bugungi raqamli ekspertiza bir nechta turdagi dalillarni kompleks tahlil qilish tomon rivojlanmoqda (2-rasm).
2-rasm. Sun’iy yaratilgan tasvirlarda piksel darajasidagi
yashirin artefakt va shovqin qoldiqlarining vizual ko‘rinishi.
Pikselga bo‘yicha aniqlash
Eng dastlabki va keng tarqalgan yondashuvlardan biri — tasvirning o‘zini, ya’ni uning fazoviy xususiyatlarini tahlil qilish.
Bunda algoritm tasvirdagi tekstura, rang, kontur, obyektlarning geometrik tuzilishi va boshqa vizual belgilarni o‘rganadi. Maxsus neyron tarmoq real fotosuratlar va AI tomonidan yaratilgan tasvirlardan iborat katta ma’lumotlar to‘plamida o‘qitiladi.
Keyin unga noma’lum surat beriladi va model ushbu tasvirning real yoki sintetik bo‘lish ehtimolini baholaydi.
Bu yondashuvning afzalligi — tasvirni bevosita tahlil qilishidadir. Kamchiligi esa generativ modellar rivojlangan sari ilgari mavjud bo‘lgan vizual belgilar yo‘qolib borishidir.
Ya’ni kecha yaxshi ishlagan detector bugun yangi avlod generativ modeliga qarshi xuddi shunday natija bermasligi mumkin (3-rasm).
3-rasm. Sintetik tasvirlarni fazoviy domenida tahlil qilish: tekstura, kontur va piksel
darajasidagi nomuvofiqliklar.
Chastotalar yashirgan sir
Tasvir faqat rangli piksellardan iborat emas. Uni matematik jihatdan chastota komponentlariga ham ajratish mumkin.
Shu sababli tadqiqotchilar tasvirni Fourier transformatsiyasi kabi matematik usullar yordamida chastota domenida tekshirmoqda.
Oddiy qilib aytganda, fotosuratga faqat “rasm” sifatida emas, balki uning ichidagi mayda va yirik chastotali komponentlarning kombinatsiyasi sifatida qaraladi.
Ayrim generativ modellar tasvir yaratish jarayonida real kameralar hosil qiladigan tabiiy chastotaviy tuzilmalardan farq qiluvchi naqshlarni qoldirishi mumkin. Shu sababli chastota domenidagi tahlil AI tasvirlarini aniqlashning muhim yo‘nalishlaridan biriga aylandi. Zamonaviy sharhlarda frequency-domain detection alohida metodologik yo‘nalish sifatida ko‘rsatilmoqda (4-rasm).
4-rasm. Real va sun’iy yaratilgan tasvirlarning Fourier spektridagi farqlar.
Har bir generativ modelning o‘z “barmoq izi” bormi?
Raqamli kriminalistikadagi eng qiziqarli tushunchalardan biri — “model fingerprint”, ya’ni generativ modelning o‘ziga xos raqamli izi.
Insonning barmoq izi kabi aniq bo‘lmasa-da, generativ model tasvir yaratish jarayonida takrorlanuvchi statistik xususiyatlarni hosil qilishi mumkin.
Agar tadqiqotchi ushbu xususiyatlarni aniqlay olsa, nafaqat “bu surat AI tomonidan yaratilganmi?” degan savolga, balki “qaysi turdagi generativ modeldan foydalanilgan bo‘lishi mumkin?” degan savolga ham javob izlash imkoniyati paydo bo‘ladi.
Bu ayniqsa sud-ekspertiza uchun muhim. Chunki ekspertiza faqat tasvirning soxta yoki haqiqiyligini aniqlash bilan cheklanmasdan, uning kelib chiqish mexanizmini ham o‘rganishi mumkin.
GANlardan diffusion modellarigacha
AI tasvirlarini aniqlash muammosini tushunish uchun generativ texnologiyalarning o‘z evolyutsiyasiga qarash kerak.
Generative Adversarial Networks — GANlar — tasvir generatsiyasida katta burilish yasagan texnologiyalardan biri bo‘ldi. Keyinchalik StyleGAN kabi modellar nihoyatda realistik inson yuzlarini yaratish imkoniyatlarini namoyish etdi.
Bugungi kunda esa diffusion modellar asosidagi texnologiyalar, jumladan text-to-image tizimlari, sun’iy tasvirlar yaratishning eng muhim yo‘nalishlaridan biriga aylandi.
Bu evolyutsiya detektorlar oldiga yangi muammo qo‘ydi: GAN tasvirlarini aniqlashga o‘rgatilgan tizim diffusion modeli yaratgan tasvirni ham aniqlay oladimi?
Javob har doim ham ijobiy emas.
2025–2026-yillardagi tadqiqotlar detectorlarning bir generativ modeldan boshqasiga o‘tishda, ya’ni cross-model generalization holatida sezilarli muammolarga duch kelishini ko‘rsatmoqda. Ayrim modellar o‘zlari o‘qitilgan ma’lumotlar taqsimotida yuqori natija bersa-da, ilgari ko‘rmagan generativ modellarda aniqlik pasayishi mumkin.
5-rasm. Generativ tasvir texnologiyalarining GAN modellaridan
diffusion modellarigacha evolyutsiyasi.
Eng katta muammo — yangi model paydo bo‘lganda
Sun’iy intellekt detektorlarining eng zaif tomonlaridan biri — generativ texnologiyalarning juda tez yangilanayotganidir.
Tasavvur qilaylik, detector 10 ta generativ model tomonidan yaratilgan tasvirlar asosida o‘qitildi. Ertaga 11-model paydo bo‘ldi. Agar yangi model tasvirlarda avvalgi modellar uchun xos bo‘lgan belgilarni qoldirmasa, eski detectorning samaradorligi keskin pasayishi mumkin.
Shu sababli bugungi tadqiqotlarda generalizability, ya’ni detektorning ilgari ko‘rmagan generativ modellar, tasvir kategoriyalari va sharoitlarida ham ishlash qobiliyati alohida ahamiyat kasb etmoqda.
2026-yilgi tadqiqotlardan birida GAN va diffusion tasvirlarini birgalikda aniqlashga qaratilgan universal yondashuv taklif qilingan va turli generativ modellarni qamrab oluvchi UniversalForensics ma’lumotlar to‘plami ishlab chiqilgan.
Inson ko‘zi va AI detektori: kim kuchli?
Qizig‘i shundaki, ayrim hollarda inson ham, AI detector ham xato qilishi mumkin.
Professional darajadagi generativ tasvirlar ko‘pincha vizual jihatdan juda ishonchli bo‘ladi. Shu sababli “suratga qarab bilaman” degan yondashuv ilmiy ekspertiza uchun yetarli emas.
Ekspert uchun tasvirning kelib chiqishi, metadata, kompressiya xususiyatlari, piksel darajasidagi izlar, chastotaviy belgilar, model fingerprintlari va boshqa omillar birgalikda baholanishi kerak.
Shu nuqtai nazardan AI tasvirini aniqlash oddiy “ha yoki yo‘q” masalasidan ko‘ra ko‘proq ehtimollik va dalillar majmuasiga asoslangan ekspert tahliliga aylanmoqda.
Metadata ham javob bera oladimi?
Tasvirni tekshirishda metadata — ya’ni fayl haqidagi texnik ma’lumotlar — ham muhim bo‘lishi mumkin.
Faylning yaratilish va o‘zgartirilish vaqti, foydalanilgan dastur, qurilma yoki boshqa texnik ma’lumotlar tasvirning kelib chiqishini aniqlashda qo‘shimcha dalil bo‘lib xizmat qilishi mumkin.
Ammo metadata mavjud emasligi yoki o‘zgartirilgan bo‘lishi mumkin. Shuning uchun metadata asosida “bu tasvir AI tomonidan yaratilgan” degan qat’iy xulosaga kelish ilmiy jihatdan to‘g‘ri emas.
Bugungi xalqaro yondashuvlar shu sababli faqat aniqlash emas, balki provenance, ya’ni raqamli kontentning kelib chiqishi va o‘zgarish tarixini tasdiqlashga ham katta e’tibor bermoqda. NIST sintetik kontent xavflarini kamaytirish doirasida provenance tracking, watermarking, synthetic-content detection va audit kabi bir nechta texnik yo‘nalishlarni alohida ko‘rsatadi.
Suv belgisi muammoni hal qiladimi?
Sun’iy intellekt tomonidan yaratilgan tasvirga maxsus watermark — raqamli suv belgisi — joylashtirish ham muhim yechimlardan biri sifatida ko‘rilmoqda.
Nazariy jihatdan bu juda qulay: tasvirda maxsus belgi bo‘ladi va uni aniqlash orqali kontentning AI yordamida yaratilgani ma’lum qilinadi.
Ammo bu usul ham mukammal emas.
Tasvirni qayta siqish, tahrirlash, kesish yoki qayta generatsiya qilish ayrim watermarklarni zaiflashtirishi mumkin. NIST ma’lumotlariga ko‘ra, hatto mustahkam yashirin watermarklar ham olib tashlanishi yoki o‘zgartirilishi mumkin, ayrim regeneration hujumlari esa watermark samaradorligini pasaytirishi mumkin.
Demak, watermark — detektorning o‘rnini to‘liq bosa olmaydi.
Endi multimodal detektorlar davri boshlanmoqda
So‘nggi tadqiqotlarda yana bir qiziqarli yo‘nalish paydo bo‘lmoqda: tasvirni faqat piksel sifatida emas, balki uning mazmuni va matnli tavsifi bilan birgalikda tahlil qilish.
Masalan, multimodal model tasvirdagi obyektlarni, ularning o‘zaro munosabatlarini, fizik jihatdan mantiqliligini va tasvirning semantik mazmunini baholashi mumkin.
Bu yondashuvning afzalligi shundaki, u faqat “piksel izlari”ga bog‘lanib qolmaydi.
2026-yilgi sharhlarda multimodal reasoning va training-free usullar AI tasvirlarini aniqlashning istiqbolli yo‘nalishlari sifatida alohida ko‘rsatilgan.
Sud-ekspertiza uchun bu nimani anglatadi?
AI yordamida yaratilgan tasvirlar sonining ortishi sud ekspertlari oldiga yangi vazifalarni qo‘ymoqda.
Masalan:
- tasvir haqiqiy fotosuratmi yoki sintetik tasvirmi;
- tasvir generativ AI yordamida yaratilganmi;
- haqiqiy tasvir keyinchalik AI yordamida o‘zgartirilganmi;
- tasvirda generativ modelga xos raqamli fingerprint mavjudmi;
- tasvirning metadata va provenance ma’lumotlari ishonchlimi;
- tasvirning ayrim qismlari sun’iy ravishda almashtirilganmi;
- qo‘llanilgan aniqlash algoritmi boshqa generativ modellarda ham ishonchli ishlaydimi.
Bu savollarning barchasi yangi avlod multimedia ekspertizasining tarkibiy qismiga aylanmoqda.
Shu sababli raqamli tasvir ekspertizasi endi faqat Photoshop yordamida o‘zgartirilgan suratlarni aniqlash bilan chegaralanmaydi. U generativ sun’iy intellekt, kompyuter ko‘rishi, raqamli kriminalistika, statistik tahlil va mashinali o‘qitish kesishmasida rivojlanayotgan kompleks ilmiy yo‘nalishga aylanmoqda.
Kelajakdagi asosiy vazifa — “detektor” emas, ishonchli ekspertiza tizimi
Bugungi kunda eng katta xato — AI tasvirlarini aniqlash uchun bitta dasturga to‘liq ishonish.
Chunki har qanday detector ma’lum ma’lumotlar bazasi, generativ model yoki tasvir turiga nisbatan yuqori natija ko‘rsatishi mumkin, biroq boshqa sharoitda xato qilishi ehtimoli mavjud.
Shuning uchun istiqbolli tizim bir nechta qatlamdan iborat bo‘lishi kerak:
Metadata + provenance + watermark + spatial analysis + frequency analysis + noise/residual analysis + model fingerprint + AI detector + multimodal reasoning.
Bunday kompleks yondashuv bitta algoritmning xatosini boshqa mustaqil belgilar yordamida tekshirish imkonini beradi.
2025–2026-yillardagi ilmiy sharhlar ham aynan shu yo‘nalishga ishora qilmoqda: kelajakdagi sintetik tasvir kriminalistikasi samarali training-free usullarni multimodal semantik tahlil bilan birlashtiradigan gibrid tizimlarga tomon rivojlanishi kutilmoqda.
Xulosa o‘rnida shuni aytish mumkin-ki, Sun’iy intellekt tomonidan yaratilgan tasvirlarni aniqlash bugungi kunda oddiy texnik masala emas, balki
bu – axborot xavfsizligi, jurnalistika, huquq, sud ekspertizasi, ommaviy kommunikatsiya va jamiyatdagi ishonch bilan bevosita bog‘liq masaladir.
Generativ AI rivojlanar ekan, sintetik tasvirlar yanada real ko‘rinishga ega bo‘ladi. Shu bilan birga ularni aniqlash texnologiyalari ham rivojlanishi kerak.
Bugungi ilmiy manzara shuni ko‘rsatmoqdaki, kelajakda “Bu rasm AI tomonidan yaratilganmi?” degan savolga faqat bitta algoritm emas, balki bir nechta mustaqil raqamli dalillar majmuasi javob beradi.
Eng muhimi esa — sun’iy tasvirni aniqlashdan tashqari, uning kelib chiqishi, o‘zgarish tarixi va ishonchliligini ilmiy asosda isbotlash imkonini beradigan tizim yaratishdir.
Aynan shu yo‘nalish raqamli kriminalistika va multimedia sud ekspertizasining yangi bosqichini belgilab beradi.
O‘zbekiston Respublikasi Adliya vazirligi huzuridagi
X.Sulaymonova nomidagi Respublika sud ekspertiza markazi
Sud Kompyuter texnikaviy ekspertizasi bo‘limi boshlig‘i
1-darajali yurist
Ataniyazov Doniyor Shonazarovich