Detector da Meta falha em metade das imagens de IA

Uma análise da Reuters constatou que a ferramenta da Meta criada para identificar imagens produzidas por seu próprio modelo Muse Image falhou em 55% dos testes depois que as imagens foram recortadas. O sistema identificou corretamente os arquivos originais, mas perdeu parte da marca invisível após alterações comuns.

O caso ilustra um problema estrutural do setor: métodos de marca dágua e assinatura invisível são frágeis diante de edições triviais como recorte, redimensionamento e recompressão. Se plataformas passam a depender dessas marcas para sinalizar conteúdo sintético, uma taxa de falha acima de 50% inviabiliza políticas de moderação baseadas nesse indicador.

Para redações, times de compliance e áreas de risco corporativo, a implicação prática é clara: a autenticidade de imagens não pode ser terceirizada a um único detector. A verificação segue exigindo camadas complementares, como proveniência criptográfica (C2PA), rastreio de origem e apuração humana.