ИИ создает новую проблему для визуальных доказательств
Исследователи Уральского федерального университета и Северокитайского университета водных ресурсов и электроэнергии изучили, насколько люди, связанные со строительством, способны отличать реальные изображения от полностью сгенерированных и отредактированных с помощью искусственного интеллекта.
Результаты опубликованы в научном журнале Buildings 15 сентября 2026 года. Авторы исследования – Шотин Сяо, Цзиган Ли, Никита Фомин и Шань Чжао.
В эксперименте участвовал 151 человек. 86,8% выборки составили студенты, обучающиеся по строительным направлениям. Участникам показали 18 изображений трех типов: реальные, полностью созданные ИИ и реальные изображения, локально измененные ИИ.
Изображения относились к трем категориям строительных доказательств: повреждения конструкций, микроскопические изображения строительных материалов и фотографии строительных процессов. В качестве генеративного инструмента исследователи использовали ChatGPT Images 2.0.
Специалисты часто принимали синтетические изображения за реальные
Всего участники сделали 2718 оценок, из которых правильными оказались 1004. Общая точность определения источника составила 36,9%, тогда как вероятность случайного выбора при трех вариантах ответа составляла 33,3%.
При этом 63,6% участников показали результат на уровне случайного выбора или ниже. Авторы отдельно отмечают, что одного визуального анализа оказалось недостаточно для надежного определения происхождения изображения.
Полностью сгенерированные изображения участники принимали за реальные в 55,1% случаев. Для изображений, которые были полностью реальными, правильность распознавания составила 51,8%. Реальные фотографии также нередко ошибочно принимались за созданные ИИ.
В анализе ошибок исследователи установили, что из 1714 неверных суждений в 50,6% случаев синтетическое изображение принималось за достоверное, тогда как в 25,5% случаев реальное изображение ошибочно считалось искусственным.
Опыт помогает, но не решает проблему
Связь между результатом и строительным опытом обнаружилась, однако даже специалисты не достигли уровня, который позволил бы надежно проверять происхождение изображения только визуально.
Участники без строительного опыта в среднем правильно определяли источник в 32,3% случаев. У группы с опытом работы в строительстве от шести до десяти лет показатель достиг 53,1%. При этом исследователи подчеркивают, что даже наиболее опытные участники не могли по одному изображению надежно установить его происхождение.
Особенно трудно было распознавать полностью сгенерированные изображения повреждений конструкций и строительных процессов. Например, точность определения полностью искусственных изображений строительной площадки составила 19,5%, а изображений повреждений конструкций – 15,2%.
Почему это важно для строительства
В строительстве визуальные материалы используются как часть доказательной базы. Фотографии и видеозаписи позволяют фиксировать состояние конструкций, ход работ и изменения объекта. Микроскопические изображения применяются при исследовании строительных материалов, а результаты визуальных обследований могут использоваться при оценке технического состояния сооружений.
Развитие генеративного ИИ создает для этой системы новый риск. Изображение можно не только создать с нуля, но и изменить локально, сохранив исходную перспективу, освещение, геометрию и другие особенности фотографии. Именно такой сценарий исследователи включили в эксперимент.
Директор Института строительства и архитектуры УрФУ Никита Фомин отмечает, что ИИ одновременно расширяет возможности строительного контроля и создает новые способы корректировки доказательных изображений. По его оценке, это повышает значение государственного, авторского и технического надзора за объектом.
Фото само по себе перестает быть достаточным подтверждением
Исследование не доказывает наличие массовых случаев мошенничества на строительных объектах. Оно показывает другое: визуальное впечатление от изображения уже нельзя автоматически считать подтверждением его происхождения и достоверности.
Авторы приходят к выводу, что для визуальных материалов в строительных исследованиях и, шире, в строительной практике могут потребоваться дополнительные механизмы проверки происхождения данных и документирования источника.
Для цифровизации строительства это означает еще один важный сдвиг. По мере распространения генеративного ИИ значение будут получать не только сами изображения, но и цепочка происхождения данных – когда, где, каким устройством и при каких условиях был получен материал и можно ли проверить историю его изменений.
Источник: научная статья Can Visual Evidence Be Trusted? Challenges Generative Images Pose to the Integrity of Evidence in Building Research, Buildings, 15 сентября 2026 года; сообщение Российского союза ректоров со ссылкой на УрФУ от 5 октября 2026 года.