ข้ามไปบทความ

สร้าง AI Slop Detector: ข้อจำกัดของการตรวจวิดีโอและต้นทุน API

กรณีสร้างตัวตรวจวิดีโอ AI ที่พบปัญหาคะแนนมั่นใจ ผลลัพธ์ขัดแย้ง และต้นทุน API พร้อมบทเรียนการรายงานหลักฐานโดยไม่ฟันธง

โดย Insiderly
ภาพปกคลิป AI Slop Detector แสดงผู้บรรยายและภาพประกอบที่ติดกรอบ AI detected
ภาพปกจากวิดีโอต้นทาง I Built An AI Slop Detector · ภาพประกอบของแหล่งต้นทาง ไม่ใช่ผลทดสอบอิสระ
เผยแพร่:

วันที่บทความต้นทาง: 2026-09-09 · วันที่อัปโหลดวิดีโอยังไม่ได้รับการยืนยัน

บทความนี้ถ่ายทอดการทดลองที่ผู้สร้างคลิป I Built An AI Slop Detector เล่าไว้ ตัวเลขทดสอบ ระยะเวลา ราคา และการใช้ API เป็นข้อมูลในคลิปขณะนั้น ไม่ใช่ผลทดสอบอิสระหรือราคา ณ วันที่อ่าน ชื่อ SiteEngine ใช้ตามบทความและบทถอดเสียงต้นทาง การตรวจพบสัญญาณไม่ใช่การพิสูจน์ว่าวิดีโอจริงหรือปลอม

วิดีโอที่สร้างด้วยปัญญาประดิษฐ์กำลังกลมกลืนกับฟีดโซเชียลมีเดียอย่างรวดเร็ว คลิปแปลกตาที่ปรากฏบน Instagram, TikTok, YouTube และ X อาจดูน่าเชื่อในช่วงแรก แม้เนื้อหานั้นจะขัดกับกฎฟิสิกส์หรือความเป็นจริงอย่างชัดเจนก็ตาม ปัญหาไม่ได้อยู่แค่ที่วิดีโอปลอมมีจำนวนมากขึ้น แต่อยู่ที่คนทั่วไปต้องใช้เวลาและทักษะมากขึ้นในการแยกแยะว่าอะไรคือเหตุการณ์จริง อะไรคือ CGI และอะไรคือคอนเทนต์ที่สร้างด้วย AI

แนวคิดของ AI Slop Detector จึงฟังดูตรงไปตรงมาอย่างมาก คือให้ผู้ใช้วางลิงก์วิดีโอ แล้วระบบประเมินว่ามีหลักฐานบ่งชี้ว่าเป็นวิดีโอ AI หรือไม่ แต่การเปลี่ยนแนวคิดนี้เป็นผลิตภัณฑ์ที่เชื่อถือได้กลับเผยให้เห็นข้อจำกัดสำคัญของโมเดลภาษา การวิเคราะห์วิดีโอ การออกแบบตรรกะการตัดสิน และต้นทุน API ที่เพิ่มขึ้นเร็วมาก

AI Slop คืออะไร และเหตุใดจึงเป็นปัญหา

คำว่า AI slop ใช้เรียกคอนเทนต์ AI ปริมาณมากที่มักถูกผลิตเพื่อดึงความสนใจมากกว่าการให้ข้อมูลที่น่าเชื่อถือ วิดีโอประเภทนี้อาจมีภาพเหตุการณ์เหนือจริง สัตว์หรือสิ่งประดิษฐ์ประหลาด บุคคลที่มีลักษณะผิดธรรมชาติ หรือการเปลี่ยนแปลงของวัตถุที่ไม่ต่อเนื่องกันในแต่ละเฟรม

อย่างไรก็ตาม คำว่า “ดูแปลก” ไม่เพียงพอสำหรับการสรุปว่าเป็น AI เพราะวิดีโอสามารถถูกสร้างด้วยเทคนิคอื่นได้เช่นกัน เช่น CGI, visual effects, การตัดต่อแบบดั้งเดิม หรือการจัดฉากจริงที่หลอกตาได้ ปัญหาของระบบตรวจจับจึงไม่ใช่เพียงการค้นหาความผิดปกติ แต่ต้องแยกให้ได้ว่าความผิดปกตินั้นมีที่มาแบบใด

เป้าหมายที่มีประโยชน์ที่สุดของเครื่องมือลักษณะนี้ไม่ควรเป็นการ “รับรองความจริง” ของวิดีโอ แต่เป็นการรายงาน หลักฐานที่พบ ระบุข้อจำกัด และช่วยให้ผู้ใช้ตัดสินใจได้รอบคอบขึ้นก่อนแชร์ต่อ

การตรวจจับวิดีโอ AI ทำได้จริงหรือไม่

การประเมินความเป็นไปได้เริ่มจากการมองหาสัญญาณหลายประเภท ไม่ใช่พึ่งโมเดลตัวเดียว แนวทางที่พิจารณาประกอบด้วยการตรวจหา Content Credentials การใช้ระบบ SynthID ของ Google และการให้ Gemini วิเคราะห์เนื้อหาวิดีโอ

Content Credentials คือข้อมูลกำกับแหล่งที่มาและประวัติของสื่อ หากไฟล์หรือแพลตฟอร์มสนับสนุนมาตรฐานนี้ ระบบอาจตรวจพบว่ามีข้อมูลการสร้างหรือแก้ไขติดมากับสื่อ ส่วน SynthID เป็นเทคโนโลยีที่ช่วยระบุสื่อที่สร้างจากระบบ AI ของ Google ได้ในบางกรณี

แต่ข้อจำกัดสำคัญคือ การไม่พบข้อมูลกำกับไม่ได้พิสูจน์ว่าวิดีโอนั้นเป็นของจริง วิดีโออาจถูกดาวน์โหลด บีบอัด ตัดต่อ หรือโพสต์ซ้ำจนข้อมูลต้นทางหายไป อีกทั้งเครื่องมือเฉพาะรายก็ยืนยันได้เพียงว่าสื่อนั้นอาจเกี่ยวข้องกับแพลตฟอร์มของตน ไม่ได้บอกผลอย่างเด็ดขาดสำหรับทุกแหล่งกำเนิด

Gemini ถูกเลือกเพราะมีความสามารถในการทำความเข้าใจวิดีโอ และมีการพัฒนา agentic video understanding ที่มุ่งวิเคราะห์วิดีโอได้ละเอียดขึ้น ระบบในอุดมคติจึงควรใช้การวิเคราะห์เชิงภาพและเสียงควบคู่กับการตรวจสอบข้อมูลต้นทาง แต่ตั้งแต่แรกก็เห็นชัดว่าไม่มีขั้นตอนใดให้ความแม่นยำ 100 เปอร์เซ็นต์ได้

จากแนวคิดสู่เว็บแอปสำหรับสแกนลิงก์

เวอร์ชันแรกของ AI Slop Detector ถูกสร้างด้วยเครื่องมือเขียนโค้ดแบบเอเจนต์ใน ChatGPT โดยกำหนดเป้าหมายให้รองรับลิงก์จาก YouTube, TikTok, Instagram และ X รวมถึงการอัปโหลดคลิปโดยตรง กระบวนการใช้งานควรสั้นที่สุด คือวาง URL กดสแกน แล้วอ่านรายงานผล

หน้ารายงานในช่วงแรกประกอบด้วยผลตัดสิน เช่น “น่าจะเป็น AI” พร้อมคะแนนความมั่นใจ หลักฐานที่น่าสงสัย สถานะของ Content Credentials และข้อสังเกตจากการวิเคราะห์ภาพ แนวคิดด้านประสบการณ์ใช้งานถือว่าน่าสนใจ เพราะไม่ได้เพียงแสดงป้ายคำตอบ แต่พยายามแสดงเหตุผลและจุดในวิดีโอที่ระบบพบสัญญาณด้วย

อย่างไรก็ตาม การมีหน้าจอรายงานที่ดูเป็นมืออาชีพไม่ได้หมายความว่าตรรกะเบื้องหลังเชื่อถือได้ ตัวอย่างทดสอบแรกคือวิดีโอไวรัลที่แสดงคนในชุดพองขนาดใหญ่เคลื่อนที่บนผิวน้ำด้วยแรงขับแบบเหนือจริง ซึ่งเป็นคลิป AI ที่สังเกตได้ค่อนข้างชัดเจน แต่ระบบกลับรายงานว่า “น่าจะไม่ใช่ AI” พร้อมความมั่นใจสูง

คำอธิบายของระบบยิ่งทำให้เห็นปัญหา มันตีความละอองน้ำและแรงขับว่าเป็นเอฟเฟกต์อนุภาคแบบ CGI ดั้งเดิม แทนที่จะมองหาความไม่สอดคล้องทางกายภาพและการเปลี่ยนรูปของวัตถุ ผลลัพธ์นี้ตอกย้ำว่าโมเดลอาจบรรยายสิ่งที่เห็นได้ดี แต่ไม่ได้แปลว่ามันสามารถอนุมานแหล่งกำเนิดของสื่อได้ถูกต้อง

ปัญหาของคะแนนความมั่นใจที่ดูน่าเชื่อถือเกินจริง

เมื่อผลการทดสอบผิดพลาด การตรวจสอบโค้ดพบปัญหาเชิงตรรกะที่สำคัญ ระบบแปลงตัวเลขจาก Gemini ไปเป็นระดับความมั่นใจโดยอัตโนมัติ ตัวอย่างเช่น คะแนนบางช่วงอาจถูกตีความเป็น “ความมั่นใจสูง” ทั้งที่การประเมินของโมเดลยังไม่แข็งแรงพอ นอกจากนี้ แอปยังสามารถแทนที่ผล “สรุปไม่ได้” ด้วยคำตัดสินที่ดูเด็ดขาดกว่าได้

นี่คือความเสี่ยงหลักของผลิตภัณฑ์ที่ใช้ AI ประเมินความน่าเชื่อถือของสื่อ: ความมั่นใจไม่ใช่ความแม่นยำ คะแนนที่สูงอาจบอกเพียงว่าโมเดลเลือกคำตอบหนึ่งอย่างหนักแน่น ไม่ได้ยืนยันว่าคำตอบนั้นถูกต้อง การออกแบบที่รับผิดชอบจึงควรแยกสองเรื่องออกจากกันเสมอ ได้แก่ ความแรงของสัญญาณที่ตรวจพบ และความแน่ใจว่าคำตัดสินนั้นถูกต้อง

เมื่อเปลี่ยนไปใช้โมเดลโค้ดรุ่นใหม่ ระบบได้รับคำสั่งให้ตรวจหาปัญหา ทำการทดสอบซ้ำ และปรับตรรกะด้วยตนเอง กระบวนการนี้ดำเนินไปนานกว่าแปดชั่วโมง สร้างเอกสารและทำชุดทดสอบหลายรอบ แต่ท้ายที่สุดเอเจนต์ยังรายงานว่าเป้าหมาย “หยุดชะงัก” โดยยังแก้ปัญหาไม่เสร็จ

เหตุการณ์นี้เป็นบทเรียนว่าเอเจนต์เขียนโค้ดช่วยเร่งการสร้างต้นแบบได้มาก แต่ไม่สามารถทดแทนการกำหนดเกณฑ์คุณภาพโดยมนุษย์ได้ โดยเฉพาะเมื่อโจทย์เกี่ยวข้องกับการจัดประเภทที่คลุมเครืออย่าง “เป็น AI หรือไม่” หากไม่มีชุดข้อมูลทดสอบที่เชื่อถือได้ เกณฑ์วัดผลที่ชัดเจน และการตรวจสอบผลลัพธ์อย่างจริงจัง ระบบอาจวนทำงานซ้ำโดยไม่เข้าใกล้คำตอบที่ดีขึ้น

การใช้ API เฉพาะทาง: SiteEngine เข้ามาแก้โจทย์

หลังจากให้โมเดลทั่วไปวิเคราะห์ภาพและวิดีโอแล้วผลยังไม่น่าพอใจ ทางออกที่พบคือเชื่อมต่อ SiteEngine ซึ่งเป็น API ด้านการวิเคราะห์คอนเทนต์และการตรวจจับ AI โดยเฉพาะ API นี้สามารถตรวจหาสัญญาณของสื่อ AI และมีความสามารถด้านการประมวลผลวิดีโอในแผนแบบชำระเงิน

ผู้สร้างคลิปเล่าผลการทดสอบภายในช่วงหนึ่งว่า ระบบระบุคลิปที่ใช้เป็นตัวอย่าง AI ได้ 23 จาก 39 คลิป และเกิดการแจ้งเตือนผิดกับวิดีโอจริง 2 จาก 36 คลิป ตัวเลขเหล่านี้ยังไม่เหมาะกับการอ้างผลแบบฟันธง แต่ช่วยแสดงให้เห็นว่าเครื่องมือเฉพาะทางมีศักยภาพมากกว่าโมเดลวิเคราะห์วิดีโอทั่วไปในงานนี้

เมื่อ SiteEngine พบสัญญาณ AI ใน 19 ตำแหน่งตัวอย่างของคลิป แต่ Gemini ไม่พบตัวบ่งชี้ชัดเจน ระบบเดิมเลือกแสดงผลว่า “สรุปไม่ได้” เพื่อสะท้อนความขัดแย้งระหว่างสองแหล่งวิเคราะห์ แม้เป็นการออกแบบที่ระมัดระวัง แต่มันทำให้คลิป AI ที่ค่อนข้างชัดเจนไม่สามารถได้รับผลลัพธ์ที่มีประโยชน์

การปรับปรุงจึงเปลี่ยนลำดับความสำคัญให้ SiteEngine เป็นแหล่งตรวจจับหลัก ขณะที่ Gemini ทำหน้าที่ช่วยวิเคราะห์บริบท ภาพ เสียง และหาเหตุผลสนับสนุน ตามการทดลองในคลิป ระบบเริ่มแสดงผลได้เหมาะสมกว่าเดิมในตัวอย่างต่อไปนี้:

รายงานที่ดีต้องบอกอะไรบ้าง

ผลลัพธ์ที่ปรับปรุงแล้วไม่ได้พยายามยืนยันว่า “นี่คือวิดีโอ AI อย่างแน่นอน” แต่รายงานว่า “ตรวจพบตัวบ่งชี้ AI” พร้อมไทม์ไลน์ของเฟรมที่น่าสงสัย วิธีนำเสนอเช่นนี้สำคัญมาก เพราะช่วยแยก การค้นพบสัญญาณ ออกจาก ข้อสรุปเชิงข้อเท็จจริง

สำหรับวิดีโอที่ไม่พบสัญญาณ ระบบยังสามารถแสดงสิ่งที่เป็นข้อโต้แย้งต่อสมมติฐานว่าเป็น AI เช่น ความต่อเนื่องของวัตถุ การสบตาที่เป็นธรรมชาติ จังหวะและเสียงพูดที่สมจริง รวมถึงความสัมพันธ์ระหว่างภาพและเสียงที่สอดคล้องกัน

แต่การไม่พบสัญญาณยังไม่ควรถูกแปลว่า “พิสูจน์แล้วว่าเป็นของจริง” เพราะเครื่องมือมีโอกาสพลาดได้เสมอ รายงานที่เหมาะสมควรหลีกเลี่ยงคำตัดสินเกินจริง และแสดงข้อจำกัด เช่น ไม่มีข้อมูล Content Credentials, ไม่มีการเปิดเผยว่าใช้ AI หรือโมเดลหนึ่งวิเคราะห์แล้วไม่พบหลักฐานชัดเจน

หลักการออกแบบผลตรวจจับที่รับผิดชอบ

ต้นทุน API คืออุปสรรคของการเปิดให้ใช้สาธารณะ

แม้ตัวตรวจจับจะเริ่มให้ผลที่ดูใช้งานได้ แต่ปัญหาถัดไปคือค่าใช้จ่าย การสแกนวิดีโอต้องใช้การประมวลผลจำนวนมาก ตามราคาและเงื่อนไขที่เล่าในคลิป แผนบริการแบบฟรีให้การดำเนินการ 2,000 ครั้งต่อเดือน แต่ไม่ครอบคลุมการประมวลผลวิดีโอ ส่วนแผนชำระเงินที่ผู้พูดกล่าวถึงเริ่มที่ 29 ดอลลาร์ต่อเดือน และช่วงท้ายกล่าวถึงแผนราว 100 ดอลลาร์ต่อเดือน โดยยังไม่ควรใช้ตัวเลขนี้แทนการตรวจราคาปัจจุบัน

ในการทดสอบเพียงไม่กี่คลิป มีการใช้ไปแล้วมากกว่า 11,000 operations และต่อมาเพิ่มเป็นราว 12,150 operations คลิปล่าสุดเพียงคลิปเดียวอาจใช้ถึง 440 operations ปัญหาคือคำว่า operation ไม่ได้ทำให้คาดการณ์ต้นทุนต่อวิดีโอได้ง่าย เพราะการใช้ทรัพยากรอาจแตกต่างตามความยาว ความละเอียด จำนวนเฟรมที่สุ่มตรวจ และขั้นตอนวิเคราะห์ที่ระบบเรียกใช้

ด้วยเหตุนี้ การเปิดเว็บให้ทุกคนวางลิงก์และสแกนแบบไม่จำกัดจึงไม่สมเหตุสมผลทางการเงิน ผู้ให้บริการอาจต้องวางระบบโควตา จำกัดความยาววิดีโอ ใช้ระบบเครดิต คิดค่าบริการต่อการสแกน หรือจำกัดการใช้งานสำหรับกรณีที่จำเป็นจริง การมีโมเดลที่วิเคราะห์ได้ดีขึ้นไม่เพียงพอ หากต้นทุนต่อคำขอยังควบคุมไม่ได้

AGI ควรตรวจจับวิดีโอ AI ได้ดีแค่ไหน

การทดลองนี้นำไปสู่คำถามที่ใหญ่กว่าการสร้างเว็บแอป นั่นคือคำกล่าวอ้างเรื่อง AGI หรือปัญญาประดิษฐ์ทั่วไป ซึ่งโดยแนวคิดหมายถึง AI ที่มีความสามารถใกล้เคียงมนุษย์ในงานหลากหลายประเภท

หาก AI ระดับแนวหน้าสามารถเข้าใจวิดีโอได้จริง เหตุใดมันจึงยังแยกวิดีโอ AI ที่มนุษย์มองเห็นความผิดปกติได้ค่อนข้างง่ายไม่ได้ โมเดลอาจสรุปว่า “ไม่ชัดเจน” แม้ในคลิปที่มีการเปลี่ยนขนาดตัวละคร ความต่อเนื่องของวัตถุผิดปกติ หรือพฤติกรรมทางฟิสิกส์ที่ไม่สมจริง

คำตอบส่วนหนึ่งอาจอยู่ในธรรมชาติของการแข่งขันแบบแมวจับหนู เมื่อเครื่องมือตรวจจับดีขึ้น โมเดลสร้างวิดีโอก็มีแรงจูงใจให้สร้างสื่อที่หลบเลี่ยงการตรวจจับได้ดีขึ้นเช่นกัน แต่ในสถานการณ์ปัจจุบัน ความสามารถในการตรวจหาแหล่งกำเนิด AI ของโมเดลภาษาและโมเดลวิเคราะห์วิดีโอทั่วไปยังไม่สม่ำเสมอพอจะเป็นผู้ตัดสินขั้นสุดท้าย

นอกจากนี้ ความสำเร็จของ SiteEngine ยังชี้ให้เห็นความแตกต่างระหว่าง โมเดลเฉพาะงานด้าน computer vision กับโมเดล generative AI หรือ LLM ที่มีขนาดใหญ่กว่า โมเดลทั่วไปอาจทำงานได้กว้างและอธิบายเนื้อหาได้ดี ขณะที่ระบบเฉพาะทางอาจได้รับการออกแบบและฝึกมาเพื่อมองหาร่องรอยบางประเภทโดยตรง การมีความสามารถกว้างจึงไม่ได้รับประกันว่าจะเหนือกว่าในทุกงานเฉพาะด้าน

ผลลัพธ์สุดท้าย: เครื่องมือที่ “พอใช้ได้” พร้อมข้อแม้สำคัญ

AI Slop Detector เวอร์ชันสุดท้ายสามารถวางลิงก์และตรวจหาสัญญาณ AI ได้ โดยใช้ SiteEngine เป็นแกนหลักและใช้ผลจาก Gemini เป็นข้อมูลประกอบ ระบบให้ผลได้เหมาะสมขึ้นกับทั้งตัวอย่างที่น่าจะเป็น AI และวิดีโอจริงที่ไม่พบสัญญาณผิดปกติ

อย่างไรก็ดี เครื่องมือนี้ไม่ได้ถูกเปิดเป็นบริการสาธารณะ เพราะต้นทุนการประมวลผล API สูงและคาดการณ์ยาก ผู้สร้างเสนอทางเลือกว่าจะเผยแพร่โค้ดบน GitHub เพื่อให้ผู้ที่ต้องการใช้งานติดตั้งในเครื่องของตนเอง และเชื่อมต่อ API key ของ SiteEngine ด้วยบัญชีของตนเอง

ข้อสรุปที่มีคุณค่าที่สุดจึงไม่ใช่การได้เครื่องมือที่ตัดสินทุกคลิปได้อย่างสมบูรณ์ แต่คือการได้กรอบคิดที่ถูกต้องสำหรับโลกที่สื่อสังเคราะห์แพร่หลายขึ้นทุกวัน: อย่าเชื่อเพียงเพราะวิดีโอดูสมจริง อย่าเชื่อผลจาก AI เพียงเพราะมีคะแนนสูง และอย่ามองว่าการไม่พบหลักฐานคือหลักฐานว่าไม่มีปัญหา

เครื่องมือตรวจจับวิดีโอ AI ที่ดีควรทำหน้าที่เป็น ด่านตรวจสอบเพิ่มเติม ร่วมกับวิจารณญาณของมนุษย์ การตรวจแหล่งที่มา การค้นหาบริบทของเหตุการณ์ และการพิจารณาว่าคลิปนั้นมีหลักฐานยืนยันจากแหล่งที่น่าเชื่อถือหรือไม่ เมื่อใช้ด้วยความเข้าใจในข้อจำกัดของมัน AI Slop Detector อาจช่วยลดการแชร์ข้อมูลชวนเชื่อที่ไร้ที่มาได้ แม้จะยังไม่สามารถบอกความจริงได้ทุกครั้งก็ตาม

ที่มา: I Built An AI Slop Detector · บทความต้นทาง

Insiderly

บทความจากกองบรรณาธิการ Insiderly

อ่านบทความทั้งหมด

More in ข่าวผลิตภัณฑ์ AI

See all
ภาพปกบทสัมภาษณ์ Will Koh จาก Ramp เรื่อง GPT-5.5

GPT-5.5 กับงานจริง: บทเรียนจาก Will Koh และ Ramp

โดย Insiderly
/
ภาพปกคลิป ChatGPT Images 2.0 พร้อมตัวอย่างภาพจรวด

ChatGPT Images 2.0: ย้อนดูแนวคิดภาพสำหรับงานธุรกิจ

โดย Insiderly
/
ภาพปกวิดีโอต้นทางของ Julian Goldie SEO แสดง Hermes Agent 0.14

Hermes v0.14: การติดตั้ง เบราว์เซอร์ และความจำในคลิปเดือนพฤษภาคม

โดย Insiderly
/
อินเทอร์เฟซ Deep Research ของ ChatGPT แสดงข้อความ 'Ready when you are' กล่องคำถามตัวอย่าง และตัวเลือก Deep research กับ Sites (3)

การอัปเดต Deep Research ใน ChatGPT: พลังของ GPT-5.2 และฟีเจอร์เชิงลึก

โดย Insiderly
/

บทความอื่นจาก Insiderly

See all
ภาพปกบทสัมภาษณ์ Will Koh จาก Ramp เรื่อง GPT-5.5

GPT-5.5 กับงานจริง: บทเรียนจาก Will Koh และ Ramp

โดย Insiderly
/
ภาพปกคลิป ChatGPT Images 2.0 พร้อมตัวอย่างภาพจรวด

ChatGPT Images 2.0: ย้อนดูแนวคิดภาพสำหรับงานธุรกิจ

โดย Insiderly
/
ภาพปก The End of Apps ของ Kitze บนเวที AI Engineer Europe

AI Agents กับจุดจบของแอป: บทเรียนจาก Kitze

โดย Insiderly
/
ภาพปกการสนทนา Human Judgment in Agentic Engineering จาก AI Engineer Europe

AI เร่งงานได้ แต่แรงเสียดทานช่วยให้เราตัดสินใจดีขึ้น

โดย Insiderly
/