Como identificar imagens geradas por IA antes que elas se tornem um problema
Você provavelmente já viu aquela imagem do menino sorrindo com uma multiplicação ao fundo. A de que todo mundo falava em 2022. As pessoas achavam que era real,postaram em todo lugar, e aí matemáticos de subreddits inteiros foram descendo o pau na foto porque o resultado da conta no quadro estava errado. Desde então, essa situação virou referência quando o assunto é detectar conteúdo sintético.
o rapaz que nao era de liverpool e o fim da ingenuidade digital
O que aconteceu com aquela imagem foi mais do que um meme. Foi o momento em que muita gente percebeu que modelos de geração de imagem como o Midjourney ainda produziam erros grosseiros de lógica. O menino em questão tinha artefatos visuais estranhos nos dedos, texturas irreais no cabelo e, o mais importante, um problema matemático no fundo que pessoa com olho treinado notava. A conta era 12 vezes 13, e o resultado escrito no quadro era algo completamente errado. Isso é o tipo de coisa que gerações anteriores de IA simplesmente não cometiam porque nem tentavam gerar texto coerente. Os primeiros modelos faziam rabiscos que pareciam letras. A nova geração escreve texto legível — mas ainda não domina matemática básica. Eu trabalhei com análise de proveniência de imagens em um projeto editorial. Recebemos uma matéria que precisava verificar se uma foto enviada por um leitor era autêntica. A primeira coisa que fiz foi olhar os dedos nas mãos das pessoas na imagem. A segunda foi procurar texto no cenário. A terceira foi rodar o arquivo por um detector de IA. Nenhuma dessas ferramentas sozinha é confiável. Juntas, formam um processo que leva cerca de dez minutos em vez de horas de debate nos comentários.
O problema com o caso do rapaz é que ele se tornou um atalho cultural. As pessoas começaram a usar a imagem como sinônimo de "Isso é IA" sem entender o porquê. E aí entrou a parte complicada: muitos dos sinais que os iniciantes aprendem naquele meme são superficiais. Artefatos nos dedos, olhos desalinhados, fundos estranhos. Isso é o básico. O nível avançado é outro patamar. Uma das coisas que poucos mencionam é que os geradores modernos de IA estão melhorando rapidamente nessa área. O que funcionava como verificação em 2022 não funciona mais da mesma forma em 2024 e 2025. Modelos como o Flux, o SD3 e as atualizações mais recentes do Midjourney corrigiram a maioria dos artefatos óbvios nos dedos e nas texturas. O que permanece como fraqueza real é a coerência semântica. A IA ainda tem dificuldade com contextos que exigem lógica interna consistente. Se você colocar uma data num calendário, ela pode errar. Se escrever uma nota em um bilhete, pode fazer letras que parecem reais mas não formam palavras corretas. Se mostrar um relógio, o ponteiro das horas pode apontar para um lugar que não corresponde ao minuto.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Na prática, o método que eu uso é o seguinte. Primeiro, examino a imagem em resolução original, nunca a versão compactada que as redes sociais entregam. Compactação mascara artefatos e cria falsos positivos em detectores automatizados. Segundo, faço zoom em áreas de alto contraste: bordas de objetos contra o céu, contornos de dedos, reflexos em superfícies lisas. Terceiro, procuro texto em qualquer parte da cena e verifico se faz sentido contextualmente. Quarto, rodo a imagem por pelo menos dois detectores diferentes, porque cada um tem viés próprio. Quinto, e isso é o que separa amador de profissional, eu contesto a minha própria conclusão. Se a imagem passou em todos os testes, eu tento encontrar um motivo para acreditar que é fake. Se não encontrar, aí sim eu declaro que é provavelmente autêntica. Um caso que eu lembro bem aconteceu há pouco tempo. Recebemos uma foto que supostamente mostrava um protesto. A imagem parecia credível à primeira vista. Os detectores marcaram como provável IA. Mas quando olhei com atenção, percebi que a iluminação em cada pessoa era consistentemente coerente com uma fonte solar única, as sombras tinham direção lógica, e o texto em uma placa que aparecia ao fundo estava grafado corretamente com acentos apropriados para o português. Achei que fosse IA mesmo, então levei a questão adiante. O resultado foi que a foto era real e os detectores estavam cometendo falso positivo porque a composição tinha uma qualidade cinematográfica incomum. A lição é simples: tecnologia de detecção ainda não é confiável o suficiente para ser usada isoladamente.
Quem quer se aprofundar no tema precisa entender que não existe ferramenta mágica. O caso do rapaz que não era de Liverpool ensinou algo valioso, mas o aprendizado verdadeiro vai além de reconhecer uma imagem específica. Ensina a desconfiar, a investigar e a não aceitar a primeira explicação que soa conveniente. A internet está cheia de pessoas usando aquele meme como armabarata para descartar qualquer imagem que não gostam. Isso é tão problemático quanto acreditar em tudo cegamente. Se você quer ferramentas para começar, existem opções como Intel FakeCatcher, que analisa fluxo sanguíneo virtual em rostos para detectar Deepfakes em vídeo. Para imagens estáticas, o Hive Moderation e o Sensity oferecem APIs de detecção. Nenhum deles tem precisão de cem por cento, e eu digo isso de propósito para evitar que alguém confie cegamente no resultado. A precisão varia entre sessenta e oitenta por cento dependendo da qualidade da imagem e do modelo de geração usado. Em cenários editoriais ou jurídicos, o ideal é combinar análise humana com múltiplas ferramentas automatizadas e registrar todo o processo com prints das verificações.
O que acontece agora é que a barra subiu. Imagens geradas por IA parecem cada vez mais convincentes. Mas também Subiu o nível de escrutínio. Pessoas estão mais familiarizadas com os artefatos clássicos. E os próprios criadores de IA estão competindo para eliminar essas fraquezas visíveis. O ciclo continua. O que resta para quem precisa avaliar conteúdo é manter o método e não baixar a guarda só porque algo parece plausível. A imagem do menino com a conta errada no fundo foi um marco. Não porque resolvesse o problema da desinformação visual, mas porque abriu os olhos de muita gente para o fato de que IA gera conteúdo com aparência real mas lógica falha. Essa é a chave que permanece válida mesmo quando os artefatos visuais desaparecem. A IA ainda não pensa. Ela prevê pixels. E enquanto isso for verdade, sempre vai haver uma rachadura na qual a realidade vaza.
