Come riconoscere un'immagine generata dall'AI

Fino a poco tempo fa bastava contare le dita. Oggi non basta più, e le immagini generate che circolano come autentiche sono sempre più difficili da smascherare a occhio. In questo articolo trovo utile mettere insieme due cose: i segnali che ancora funzionano, e — soprattutto — perché il metodo giusto non è fissare l'immagine ma verificarne la provenienza.

Il punto di partenza, un po' scomodo

Nessun metodo visivo è affidabile al 100%, e la situazione peggiora ogni mese. I segnali elencati qui sotto funzionano su molte immagini, non su tutte — e su un'immagine ritoccata dopo la generazione possono sparire del tutto.

Vale la pena saperlo subito, perché l'errore più diffuso è la sicurezza eccessiva: dichiarare falsa una foto autentica fa danni quanto credere a una falsa. Con l'ondata di contenuti sintetici è diventato comune vedere fotografie vere accusate di essere generate, e questa è già di per sé una forma di disinformazione.

I segnali che ancora funzionano

Mani, denti, orecchie

Restano il punto debole più noto. Dita in numero sbagliato, articolazioni che piegano male, un dito che si fonde con un altro. I modelli recenti sono molto migliorati, ma su mani in posizioni complesse — che tengono oggetti, che si intrecciano — l'errore ricompare.

Motivo: come spiego in cosa sono i modelli diffusion, il modello non conta e non conosce l'anatomia. Riproduce l'aspetto statistico di ciò che ha visto — è la stessa radice delle allucinazioni dell'AI, applicata alle immagini.

Il testo

Insegne, targhe, etichette, copertine di libri. Lettere che somigliano a lettere ma non compongono parole, caratteri deformati, alfabeti quasi-latini inventati. È ancora il segnale più affidabile in assoluto, perché le lettere sono trattate come forme visive e non come simboli.

Gli sfondi

L'attenzione del modello si concentra sul soggetto. Guarda dietro: volti della folla deformi, oggetti che si fondono, una sedia con tre gambe che diventano quattro, una ringhiera con montanti irregolari.

Continuità e simmetrie

Un motivo di stoffa che si interrompe, una collana che sparisce dietro il collo e riappare spostata, occhiali con le due lenti di forma diversa, orecchini spaiati. Il modello ottimizza ogni regione localmente, senza una verifica d'insieme.

La luce

Ombre che vanno in direzioni incompatibili, un riflesso senza sorgente, un soggetto illuminato da sinistra in un ambiente illuminato da destra. Nelle immagini generate la luce è quasi sempre bella ma non sempre coerente.

La perfezione sospetta

Pelle senza pori, denti tutti identici, capelli senza una ciocca fuori posto, sfocato dello sfondo troppo uniforme. Le fotografie vere hanno rumore, asimmetrie e imperfezioni. Un'immagine troppo pulita è un indizio, anche se da solo debole: esiste anche il ritocco professionale.

Il testo nella scena che non torna

Prospettiva delle scritte incoerente con la superficie su cui stanno, un cartello che si legge dritto pur essendo di profilo.

E sui video?

Vale tutto quanto sopra, con un vantaggio in più: gli errori si muovono. Dettagli che sfarfallano tra un fotogramma e l'altro, un oggetto che cambia forma durante una panoramica, una fisica che a velocità normale regge e al rallentatore no. Il perché sta in come funziona il text-to-video.

Perché i rilevatori automatici non risolvono

Esistono strumenti che promettono di dire se un'immagine è generata. Vanno usati sapendo cosa sono.

Danno probabilità, non verdetti. Un "87% generata" non è una prova.

Sbagliano in entrambe le direzioni. Falsi positivi su foto vere — soprattutto ritoccate, compresse o con poco rumore — e falsi negativi su immagini generate e poi modificate.

Invecchiano subito. Sono addestrati sugli artefatti dei modelli esistenti al momento; un modello nuovo li spiazza.

Compressione e ridimensionamento li confondono. Un'immagine passata per due social ha già perso gran parte dei segnali su cui si basano.

Sono utili come indizio aggiuntivo. Non come fonte di verità, e in particolare non per accusare qualcuno.

Il metodo che funziona davvero: la provenienza

Qui sta il cambio di prospettiva utile. La domanda giusta non è "sembra generata?" ma "da dove viene?"

I metadati C2PA

Sta prendendo piede uno standard di provenienza, il C2PA (spesso presentato come Content Credentials): una firma crittografica incorporata nel file che registra come è stato prodotto e con cosa è stato modificato.

Diversi strumenti di generazione e alcune fotocamere lo applicano già, e alcune piattaforme lo mostrano.

Il limite va detto: la firma si perde facilmente. Uno screenshot, un ricaricamento su una piattaforma che non la conserva, una riesportazione, e sparisce. Quindi la presenza della firma è informativa, la sua assenza non prova nulla.

C'è poi il filone dei watermark invisibili incorporati nell'immagine. Più resistenti dei metadati, ma non indistruttibili.

La ricerca inversa

Resta il metodo più efficace e più sottovalutato. Cerca l'immagine con la ricerca inversa: se compare in un articolo di tre anni fa, non è stata generata la settimana scorsa. Se compare solo in post recenti tutti uguali, è un segnale forte.

La fonte

Chi l'ha pubblicata per primo? L'account esiste da tempo o è nato ieri? La stessa scena è documentata da altre angolazioni, da fonti diverse e indipendenti? Un evento reale lascia tracce multiple e scoordinate; un'immagine generata di solito compare da sola.

Il contesto

Il dettaglio che smaschera più spesso non è tecnico: è che nell'immagine c'è qualcosa che non torna con la realtà. Un'insegna di un negozio che lì non c'è, una stagione sbagliata rispetto alla vegetazione, un'architettura che non corrisponde al luogo dichiarato.

Un metodo pratico in cinque passi

1. Guarda mani, testo e sfondo. Se qualcosa non torna, spesso hai già la risposta.
2. Controlla la coerenza globale. Luce, ombre, continuità dei motivi.
3. Fai una ricerca inversa. Dove è già comparsa e quando.
4. Verifica la fonte. Chi la diffonde, da quanto esiste, chi altro lo conferma.
5. Usa un rilevatore come ultimo indizio, non come giudice.

E la regola che tiene insieme tutto: se non riesci a stabilirlo, la conclusione corretta è "non lo so", non "è falsa".

Dall'altra parte: se le immagini le generi tu

Se sei tu a produrre contenuti generati, la conseguenza pratica di tutto questo è semplice: dichiaralo.

Gli obblighi di trasparenza sui contenuti sintetici stanno entrando nella normativa europea, le piattaforme li stanno adottando e i metadati di provenienza si stanno diffondendo. Ma anche prima dell'obbligo, c'è un motivo di sostanza: essere scoperti a spacciare per reale ciò che non lo è costa in credibilità molto più di quanto valga il contenuto.

Sul quadro di licenze e diritti ho scritto una guida a parte: immagini AI e uso commerciale.

In sintesi

I segnali visivi — mani, testo, sfondi, luce incoerente, perfezione innaturale — funzionano ancora su molte immagini, ma sono in via di esaurimento e non danno certezze.

Il metodo solido è un altro: spostarsi dall'immagine alla sua provenienza. Ricerca inversa, verifica della fonte, riscontri indipendenti, e i metadati di provenienza quando ci sono.

I rilevatori automatici sono indizi, non prove. E l'atteggiamento giusto non è il sospetto sistematico: accusare una foto vera è un errore serio quanto credere a una falsa. Di fronte a un dubbio irrisolto, "non è verificabile" è una risposta migliore di una certezza inventata.

Se ti interessa capire come nascono queste immagini — che è il modo migliore per riconoscerle — trovi la parte tecnica in cosa sono i modelli diffusion.