シェアする前に写真を検証する方法——実践ガイド

手順1：まず画像検索。キャプションを読み返す前に

もっとも効率がいいのは最初の20秒。 キャプションをもう一度読むのではなく、画像そのものを逆画像検索にかけます。 覚えておく価値があるサービスは3つで、それぞれ得意分野が違います。

• Google Lensはインデックスが最大で、 完全一致を探すだけでなく写っているものを認識しようとします。 同じ場面がサイズや切り抜きを変えて再掲載されている例を探すなら、ここから。
• TinEyeはあえて守備範囲が狭く、約790億枚のインデックスに対する 完全一致・ほぼ一致の検出に特化しています。 他社にない機能がひとつ。マッチを「古い順」に並べ替えられます。⁴
• Yandexは近似一致と顔の類似検索が突出して強い。 Bellingcatの調査者たちは、この用途ではGoogleやBingより上だと長年評価してきました。³

最低2つは回してください。インデックスはほとんど重なっておらず、 片方でゼロ件の写真が、もう片方では1位に出てくることがよくあります。 そのうえで切り抜いて再検索。 左右反転、色調変更、トリミングはいずれも完全一致検索を外します。 画像を使い回す側がそれをやるのは、まさにそのためです。³看板の文字、ゼッケン番号、顔ひとつに絞った狭いクロップが、 全体像では見つからないものを拾うことがあります。

つまずくのは結果の読み方です。ここで判定を求めてはいけません。 見るべきは3つの状況のどれかということ。 キャプションの出来事より古いコピーがあれば、その画像は使い回し。そこで終わりです。 まとめ系・バズ狙いのアカウントにしかコピーがない場合、 その写真には辿れる出所がない。これ自体がひとつの発見です。 そして0件は、ほとんど何も意味しません。 本当に新しい写真も0件ですし、生成されたばかりの画像も0件です。

手順2：最古のコピーを探し、元の文脈を読む

TinEyeを古い順に並べ替える。 Googleなら「ツール」から、主張されている出来事より前で終わる期間を指定します。 狙いは最初の掲載です。 最初の掲載には、場所・日付・撮影者を含む本来のキャプションが残っていることが多いからです。

この手順は、生成かどうかの判定より重い。 視覚的な誤情報でもっとも多いのは偽の画像ではなく、本物の画像だからです。 研究者はこれを false context と呼び、ファクトチェッカーは「誤ったキャプション」と呼びます。 2024年に公開された1,676枚のファクトチェック済み画像のデータセットは、 「どこで・いつ・実際に何が起きたか」という問いを軸に構築されており、 文脈を外した再利用がファクトチェッカーの遭遇する最頻出カテゴリのひとつであることを示しました。⁵答えるべき問いは「生成されたか」だけではありません。 「この写真はキャプションが言っているものを写しているか」です。

手順3：ピクセルより先にアカウントを見る

もっとも安く手に入る手がかりで、もっとも飛ばされがちな手順。 プロフィールを開いて4点を見ます。 作成時期。投稿頻度。古い投稿が別の言語や無関係な話題になっていないか。 同じキャプションが他のアカウントにも一字一句同じで出ていないか。 3週間前に作られたアカウントが、4か国の速報写真を1日11枚流しているなら、 それがもう答えです。画像を調べる必要はありません。

次に、その写真がどこにあるべきかを考える。 大きな公共の出来事の写真なら、通常は数時間以内に通信社、地元メディア、 公式アカウントのどこかに存在します。 大事件のはずなのに匿名アカウント1件にしか存在しない画像は、 自分自身について主張をしていることになります。

手順4：メタデータを読む。ただし消えている前提で

EXIFにはカメラのメーカーと機種、レンズ、露出、撮影時刻、 場合によってはGPS座標が記録されます。 ブラウザで動く無料のEXIFビューアならすぐ中身を見られます。 残っていれば強い証拠。ただ、たいてい残っていません。 IPTCは主要プラットフォームのメタデータ保持を10年以上テストしてきましたが、 状況は改善していない。 広く引用された調査では、すべてを保持していたのはBehanceだけで、 多くのサイトは3年前より多くのメタデータを削っていました。⁶Instagram、Facebook、X、TikTok、LinkedIn、Discordはいずれもアップロード時に再エンコードし、 再エンコードはEXIF・IPTC・C2PAをまとめて捨てます。 スクリーンショットなら、そもそも何も残りません。

耐久性のある代替手段がC2PAのContent Credentials。 ファイルがどう撮影され、どう編集されたかを暗号署名で記録したものです。 2026年1月に公開されたオープンソースの検証アプリcontentcredentials.org/verifyにファイルを置けば、 ブラウザ内で履歴（マニフェスト）を読み取ります。 ファイルは自分の端末から出ません。⁷撮影時点での署名は、Leica M11-P（2023年10月）、 ソニーのα1とα7S III（2024年3月のファームウェア）、 キヤノンEOS R1とR5 Mark II（2025年7月）、 そして2025年9月以降は標準でGoogle Pixel 10のカメラアプリが対応しています。 LinkedIn、TikTok、YouTubeはアップロード時にそのラベルを表示します。⁷

注意点は2つ。 credentialがないことは何の証明にもなりません。 ネット上の画像のほぼすべてが持っていないからです。 そして、あることが証明するのは出所であって、誠実さではない。 誤解を招く写真に付いた有効な署名も、有効な署名です。 2025年に見つかったニコンZ6IIIのファームウェアの不具合では、 捏造された内容が有効な署名を持てる状態になり、該当する証明書が失効しました。⁷規格そのものと残された穴については、C2PAとは何かの記事で詳しく扱っています。

2026年5月からは、多くの人がすでに持っているツールに無料のチェックが入りました。 Google Lens、かこって検索、Chrome、Geminiアプリは、 SynthIDの電子透かしを使ってAI生成を示し、 C2PAのcredentialがあればそれも読みます。⁸ただしGoogle自身が、他社のAIプラットフォーム由来のコンテンツでは信頼性が落ちると明言しています。⁸検出されたら情報、検出されなかったら情報なし、と扱うのが正解です。 プラットフォームのラベル全般も同じ。 EU AI法第50条によるディープフェイクの開示義務は2026年8月2日から執行されるため、 欧州向けの投稿ではラベル付きが増えます。 ラベルがないことは検証済みを意味しません。¹⁴

手順5：目で拾えるもの、もう拾えないもの

2023年のチェックリストは引退させてください。 指が6本、看板の文字が崩れている、耳が顎に溶けている。 現行モデルはそのあたりをほぼ直しました。 いまもそこに頼っている人は、3年前の脅威モデルで戦っています。 MicrosoftのAI for Good Labは、12,500人以上の参加者から約28万7,000件の判定を集め、 全体の正答率62%を記録しました。 もっとも成績が良かったのは人物のポートレート、悪かったのは自然や都市の風景です。²

30秒かける価値が残っているのは、解剖学ではなく物理の整合性です。 影はすべて同じ方向に落ちていて、光源に対して長さが合っているか。 窓、眼鏡、水面の反射は、その前にあるべきものと一致しているか。 群衆の顔、レンガ、葉、金網といった繰り返し模様が、 不規則ではなく完全に同じ形で繰り返されていないか。 背景の小さな物体は、拡大すると認識できる物になるか、それとも溶けるか。 これらは外部で何かを確かめるきっかけであって、結論ではありません。 どの視覚的手がかりが生き残り、どれが死んだかの詳しい整理はAI生成画像を見抜くサインの記事にあります。

手順6：他人の仕事に乗る

画像ではなく、主張を言葉で検索します。 問題になるほど広く回っている写真なら、たぶん誰かがもう調べています。 英語圏ならIFCN（国際ファクトチェックネットワーク）加盟団体、AFP Fact Check、Snopesが大半をカバーします。 日本では、セーファーインターネット協会が2022年10月1日に設置した日本ファクトチェックセンターが、 月40本程度の検証記事を出し、画像検証の無料講座も開いています。¹³

Xのコミュニティノートは有用ですが、間に合っていません。 2025年9月のPNAS掲載論文は、ノートが提案された40,078件の投稿を調べ、 そのうち6,757件が「役に立った」と評価されたノートを得たと報告しています。 ノートが表示された後の48時間で、リポストの伸びは46.1%、いいねは44.1%落ちました。 一方、投稿の全期間で見ると減少はリポストの11.6%。 ノートが付く前に拡散の大半が終わっているからです。¹¹より大きな制約は、そもそも表示されないこと。 2021年1月から2025年3月に55言語で書かれた176万件のノートのうち、 英語では約112万件が投稿され、実際に表示されたのは約82,800件、約7%でした。¹²見えているノートは強い手がかり。ないことは、ほぼ手がかりになりません。

手順7：自動判定ツールの置き場所

私たち自身がこの種のツールを作っているので、限界をはっきり書きます。 2026年9月、研究者らが公開済みのディープフェイク検出器12種を、 著者自身のチェックポイントを使って約100万枚の実スマートフォン写真で評価しました。 新しいAI生成コンテンツに対してAUC 0.624を超えた検出器はひとつもなく、 12種のうち5種は偶然を下回りました。 さらに悪いのは閾値の話です。 旧世代のGANデータで調整した閾値を使うと、 実写に対する誤検出率が11%未満に見えて実用的に思える検出器がいくつかある。 ところが同じ基準を現行コンテンツで引き直すと、 それらは本物の写真の17%から91%を偽物と判定しました。¹⁰

2026年5月のNewsGuardの監査は、現場で同じ結果を出しています。 本物の報道写真15枚を5つの商用検出器に通したところ、 ScamAIは15枚中6枚をAI生成と断定、ZeroGPTは3枚、AI or Notは1枚。 HiveとSightengineは15枚すべて正解でした。⁹実務上の問題は、偽物がすり抜けることだけではありません。 悪意のある側が検出スコアを持ち出して、本物の写真を偽物だと主張できることです。

Maat Scanが入るのはこの手順で、この手順だけです。 人物写真をAI生成および編集の兆候について0から100で採点します。 対象は人の顔が写っている画像のみで、 出てくる数字は判定ではなく統計的な参考値。 スコアが高いということは、その画像が私たちの校正データにある生成画像や 大幅に編集された画像に似ているという意味で、 何かが証明されたわけではありません。 逆画像検索、最古のコピー、アカウント履歴と並べて重みを付け、 一方向を指しているのがスコアだけなら、それでは足りない。 この問題がなぜ年々難しくなるのかは検出技術のいたちごっこの記事で扱っています。

2分版の手順

1. 逆画像検索を2つのエンジンで。次に特徴的な部分を切り抜いてもう一度。
2. 最古のマッチを探し、その元キャプションを読む。
3. アカウントを開く。作成時期、投稿頻度、言語の履歴。
4. メタデータを確認。EXIFビューア、contentcredentials.org/verify、LensやChromeのAIチェック。
5. 拡大して物理の整合性を見る。影、反射、繰り返し模様。
6. 主張を言葉で検索し、既存のファクトチェックや表示済みノートを探す。
7. それでも疑いが残り、被写体が人物なら、検出ツールを回して上の全部と合わせて判断する。
8. 決める。独立した2つの手がかりが食い違うなら、シェアしない。

やってはいけないこと

ひとつの手がかりに寄りかからないこと。 ここで挙げた方法はどれも既知の失敗パターンを持ち、しかも失敗の方向が違います。 逆画像検索は新しい画像を取りこぼす。メタデータはたいてい削られている。 人間の目視は54〜62%。検出ツールは本物の写真を二桁の割合で偽物と呼ぶ。¹²⁹¹⁰ 失敗の仕方が違う2つの方法が一致したときの価値は、 ひとつの方法から得た確信よりはるかに高い。

公開の場で誰かを告発しないこと。 「これはAIだ」と付けて拡散する行為自体がひとつの主張で、 個人名が絡めばその人の誠実さへの告発になります。 上の誤検出率を考えれば、あなたはときどき間違えます。 この種の間違いは、誰かの誠実さについて別の虚偽を広めたことになる。 確信があるならプラットフォームに通報し、送ってきた相手に伝える。 訂正が属する場所はそこです。

本物の写真だからキャプションも本当、とは考えないこと。 このガイドの検証をすべて通過しても、 撮影された場所と時期について嘘をついている画像はあり得ます。 しかもそれが例外ではなく主流です。⁵そして、否定するために偽画像を拡散しないこと。 訂正を添えて引用投稿すれば、その画像が狙っていた拡散をそのまま与えます。 主張は言葉で説明し、ファクトチェックへのリンクを貼り、画像は外す。

上の手順にかかる時間はおよそ2分。 実験が測定した7.3秒の、だいたい16倍です。 その差が、見ることと調べることの違いそのものです。