Har du stött på en bild eller film på sociala medier som du misstänker är fejk? Journalisten Jonathan Lundberg ger sina bästa tips på hur du kan bevisa det.
Felaktigheter på nätet består sällan av bara ord.
Ofta backas de upp av en bild eller film som ska bevisa det påstådda – för våra ögon ljuger inte, har vi fram till nyligen kunnat säga. Det är en inställning som vi nu i rasande fart tvingats omvärdera.
Men för en faktagranskare kan sådana visuella bevis faktiskt vara till glädje. Att kontrollera dem, är nämligen ofta enklare än att kontrollera själva påståendet.
Låt säga att någon påstår att något hänt, och bifogar en bild som bevis. Att säkert bevisa att det inte hänt, kan vara svårt. Kan vi däremot visa att fotot togs för länge sedan, på en annan plats eller i ett annat sammanhang, faller påståendet med det.
Ett vanligt sätt att göra detta, är den omvända bildsökningen. Att genomföra en omvänd bildsökning innebär att man laddar upp en bild – eller en skärmdump ur en film – till en sökmotor på jakt efter liknande innehåll. Tidigare uppladdningar, som visar att materialet är taget ur sin kontext. Eller tvärtom, en trovärdig källa som bekräftar att det påstådda faktiskt stämmer.
Fyra sökmotorer som faktagranskare ofta använder är:
- TinEye – Bra för att hitta exakta matchningar, men om en bild redigerats kan TinEye stöta på problem
- Google Lens – Letar efter liknande bilder. Ger därför ofta fler, men mindre exakta, resultat än TinEye
- Bing Visual Search – Microsofts svar på Google Lens. Fungerar likadant, men resultaten kan skilja sig åt
- PimEyes – Betaltjänst specialiserad på ansiktsigenkänning och personidentifikation
Så här gör du:
Det här är en skärmdump ur ett videoklipp som cirkulerat åtminstone sedan COVID-pandemin. Då påstods det visa kor som hade vaccinerats – och titta vad som hände sen:
Till höger i Googles sökfält finns en kamerasymbol – där klickar vi för att ladda upp bilden. Vad vi då kommer att mötas av, är en AI-sammanfattning som i det här fallet kommer visa sig stämma – korna har mycket riktigt dött av växtförgiftning.
Dessa sammanfattningar bör man dock vanligtvis ta med en stor nypa salt.
I stället finns de riktigt intressanta resultaten om man scrollar ner, eller klickar på menyerna “Exakta matchningar” alternativt “Visuella matchningar”.
Det är då man hittar alla de liknande bilder som Google indexerat. Vad detta innebär för en skärmdump ur en film, är att just den vyn måste ha dykt upp som stillbild i något sammanhang, till exempel i en tumnagel.
Därför är det bra om man i de fallen väljer så unika scener som möjligt, och gärna testar flera stycken. Ett verktyg som kan underlätta detta är InVID Fake News Debunker – i deras webbläsartillägg finns en flik som heter Keyframes. Laddar man upp en video dit, väljer verktyget automatiskt ut en rad nyckelscener, som man sedan kan klicka på för att genomföra omvända bildsökningar på var och en.
Scrollar vi igenom resultaten här, kommer vi dels att hitta trovärdiga källor som bekräftar att de här korna dog av just växtförgiftning, inte COVID-vaccin. Men vi kommer också hitta annat.
Till exempel det här Facebookinlägget, från den 31 mars 2025, som påstår att bilden visar kor som förgiftats av en bonde i Nigeria. Fastän vi nu vet att det hela utspelade sig flera år tidigare, i norra Italien.
Det här är ett klassiskt exempel på hur felaktigheter ofta återanvänds – har en bild eller film en gång cirkulerat i en vilseledande kontext, är risken stor för att det kommer att ske igen.
Omvänd bildsökning går också att använda för geolokalisering, alltså för att avgöra var en bild är tagen. Det har jag skrivit en egen guide om här.
Metadata
Varje digital fil innehåller metadata.
Den syns inte utåt; metadata är “information om information”, alltså sådant som ligger dolt inuti en fil och kan berätta om när, var, hur, av vem och med vilken utrustning den skapades. Fotodatumet som kameran lagrar när du tar en bild, exempelvis.
Beroende på filen och hur den hanterats, kan metadatan variera. Om du undersöker en bild i originalskick – kanske uppladdad till en hemsida, eller skickad till dig via mejl, sms eller valfri molntjänst – finns god chans att informationen är intakt.
I så fall kan du ofta hitta den genom att högerklicka på filen och välja “Egenskaper”, eller använda ett onlineverktyg som Jimpl (särskilt bra för bilder) eller Metadata2Go (fungerar för de flesta filtyper).
En bild ur mitt eget fotoalbum, uppladdad till Jimpl. I metadatan avslöjas när den togs, var och med vilken mobilkamera.
Har bilden däremot laddats upp till sociala medier, eller komprimerats på något vis, är risken stor att datan försvunnit.
Ett annat problem är att metadata kan manipuleras. Visst finns det exempel när även professionella propagandister glömt bort det – den 18 februari 2022 publicerades en video i en pro-rysk Telegram-kanal, som påstods visa hur polsktalande sabotörer försökte spränga en klortank i Donetsk-regionen, med civila offer som sannolik följd; en av flera förevändningar som sedan föranledde den fullskaliga invasionen av Ukraina. Men i metadatan kunde OSINT-utredare se att filmen skapats två veckor tidigare. De kunde dessutom hitta spår av flera andra mediefiler, vilket indikerade att klippet var ett montage.
På Twitter spekulerade Bellingcats grundare Eliot Higgins kring att propagandisten kan ha missat att Telegram är ett av få sociala medier som inte rutinmässigt tar bort metadata – annars hade personen lätt kunnat ta bort eller förändra den, exempelvis tillfoga filmen ett annat skapandedatum. Således bör metadatan, när den finns, ses som en av flera ledtrådar – men en potentiellt mycket värdefull sådan.
Avslöja AI-genererat innehåll
Att AI-utvecklingen gått i raketfart de senaste åren har inte undgått någon. Med det har följt en myriad nya sätt att manipulera – men också nya sätt att avslöja manipulationen. Ett sätt är att lära sig känna igen tecknen på AI: AI-generatorer är fortfarande dåliga på händer och fingrar, hud och hår blir ofta onaturligt utslätade, och det går ofta att hitta asymmetrier kring ögon, öron, kläder och smycken.
Men är det fortfarande fallet om några månader, veckor eller dagar? Det är inte alls säkert.
Vad som däremot är säkert, är att det alltjämt kommer finnas tekniker för att upptäcka AI. Just nu går de att dela upp i tre kategorier:
- AI-detektorer (fristående verktyg som har tränats på, och lärt sig känna igen, typiska spår efter AI)
- Vattenstämplar (ett mönster som vävts in i AI-genererat innehåll, just nu främst Googles SynthID)
- Signaturer (en typ av metadata som “bränts in i filen”, just nu främst C2PA/Content Credentials)
Den första kategorin, AI-detektorerna, är notoriskt opålitliga – men, ofta ändå mer pålitliga än det mänskliga ögat. På Fojo Verifys kurser i fact-checking har vi under 2026 tipsat om verktyget Hive AI Detector. Det är ett gratisverktyg dit man kan ladda upp både bilder, filmer och ljudfiler, och få ett utlåtande om huruvida detektorn funnit spår av AI, och vilken generator den i så fall tror har använts.
Problemet med nästan alla sådana här detektorer, är att de är svarta lådor. Man stoppar in en fil, den gör någon typ av bedömning, men vad denna bedömning baseras på får man nästan aldrig veta. Laddar man upp ett gäng bilder som man vet är äkta, eller som man vet är AI, så är utlåtandet ofta rätt – men inte alltid, vilket man snart upptäcker. Således bör resultaten, som med så många verifieringsverktyg, tas som en fingervisning som behöver korskontrolleras, snarare än som en säker sanning.
En AI-genererad bild av en gråtande sjuksköterska, uppladdad till Hive AI Detector.
Desto pålitligare blir utlåtandet om innehållet inpräntats med en vattenstämpel. Just nu är den mest omtalade Googles SynthID. Det är en teknik som lägger ett raster över en bild-, film- eller ljudfil, osynlig för det mänskliga ögat eller örat. Detta raster ska i bästa fall vara svårt att manipulera bort (även om så tyvärr inte är fallet, i det stadium tekniken för tillfället befinner sig).
Att vattenstämpeln inte finns där betyder alltså inte att innehållet är äkta. Men om den finns där, är det en stark indikator på att det är AI-genererat. I maj 2026 anslöt sig även AI-jättarna OpenAI och ElevenLabs till SynthID-systemet; på sikt är det alltså sannolikt att en hel del AI-genererat innehåll, oavsett ursprung, kan vara uppmärkt med Googles vattenstämplar (eller om någon annan uppfinner en bättre standard, förstås).
Hur man avslöjar en SynthID-stämpel är också något som förändras snabbt – hittills har det krävts att man laddat upp innehållet till chattboten som skapat den, typ Googles Gemini eller OpenAI:s ChatGPT, och frågat om det finns tecken på AI-inblandning – men man måste ladda upp den till rätt bot, för de är inte så bra på att avslöja innehåll som den andre skapat, trots att tekniken i grunden är densamma.
I september 2026 är det fortfarande ganska omständligt att avslöja en SynthID-stämpel. Google rekommenderar att man laddar upp innehållet och skriver @Verify AI till deras chattbot Gemini. Men om bilden skapats av ChatGPT kan Gemini missa den, trots att de båda använder sig av SynthID-tekniken.
Men i framtiden vill Google att en enkel bildsökning, i den vanliga sökmotorn, ska räcka för att avslöja den. Det bästa, för att få det senaste svaret, är antagligen att googla på något i stil med “how to detect SynthID”.
Sist men inte minst har vi dåsignaturerna. De senaste åren har en koalition av techföretag gått samman i något som kallas C2PA – Coalition for Content Provenance and Authenticity. Tillsammans har de utvecklat en öppen teknisk standard för att genom ett kryptografiskt brännmärke i metadatan kunna spåra ursprunget till en digital fil. Tanken är att kameror ska ge bilder en märkning, i sin tur kallad Content Credentials, som visar att de är äkta; och tvärtom, att AI-modeller ska märka upp innehåll de varit med och skapat eller förändrat.
Ett sätt att avslöja Content Credentials är att ladda upp filen till https://verify.contentauthenticity.org/. Då kan det se ut så här – i menyn till höger framgår att OpenAI utfärdat en ursprungsstämpel, som säger att bilden är skapad med ChatGPT.
Det är lätt att föreställa sig hur SynthID- och C2PA-teknikerna, om de blir bra nog, kan komma att komplettera varandra. Låt säga att en bluffmakare skapar en bild med hjälp av AI, och en C2PA-signatur präntas in i filen. Då kanske personen tar en skärmdump av bilden, och på så vis får en kopia utan metadata – men även i skärmdumpen hänger den visuella SynthID-stämpeln kvar.
Det är dock en framtidsvision, snarare än situationen just nu. Experter varnar för att dessa tekniker i nuläget snarare kan bidra med en falsk trygghet – och att de än så länge är oroväckande lätta att tvätta bort.
EU:s nya AI-lagstiftning säger att allt nyskapat AI-innehåll måste vara uppmärkt via någon av dessa metoder senast den 2 december 2026. Hur pålitliga dessa system då kommer att vara återstår att se – men det finns alltså goda skäl att sätta sig in i dem redan nu.
I framtiden tror jag att AI-utvecklingen ironiskt nog kan tvinga oss tillbaka ut i verkligheten. Om det inte säkert går att skilja äkta från fejk online – då återstår ju bara ett sätt att skilja sant från falskt: att undersöka vad som faktiskt verkar ha hänt, i den fysiska världen.
I så fall har vi gått varvet runt: den här guiden inleddes med att jag hävdade att det enklaste sättet att faktagranska en felaktighet, ofta är att undersöka bilden eller filmen som påstås bevisa den.
Fortsätter utvecklingen i den nuvarande riktningen, kan snart det motsatta bli sant igen. Om bilder och filmer blir svåra nog att verifiera, kanske vi i stället behöver börja med vad de påstås visa. Om det inte kan ha hänt, måste även de visuella bevisen vara fejk.
Även om de verkar trovärdiga.
Vill du läsa mer om sätt att avslöja AI, skrev Källkritikbyråns Åsa Larsson en utförlig guide på temat i mars 2026, vars innehåll till stora delar är aktuellt än och som går att hitta här.
Jonathan Lundberg