• Το 94% των ενηλίκων στις ΗΠΑ έχει δει εικόνες τεχνητής νοημοσύνης στα κοινωνικά δίκτυα, αλλά μόλις το 44% πιστεύει ότι μπορεί να ξεχωρίσει τι είναι πραγματικό.
• Ιστορίες με παγοδρόμια, ψεύτικα αεροπορικά ή τροχαία ατυχήματα και ιστορικές φιγούρες όπως ο JFK με iPhone δείχνουν πόσο εύκολα θολώνει η γραμμή μεταξύ πραγματικότητας και AI.
• Οι περισσότεροι χρήστες βασίζονται στο «να κοιτάξουν πιο προσεκτικά» ή σε απλή αντίστροφη αναζήτηση εικόνας, ενώ λίγοι χρησιμοποιούν εξειδικευμένα εργαλεία ή θεωρούν εξαρχής ότι όλα είναι ψεύτικα.
• Το 51% ζητά καλύτερες ετικέτες για το AI περιεχόμενο και το 21% ακόμη και πλήρη απαγόρευση, αφήνοντας τους δημιουργούς εικόνας σε ένα περιβάλλον διαρκούς αμφισβήτησης.
Η τεχνητή νοημοσύνη έχει φτάσει σε σημείο όπου για τον μέσο άνθρωπο –και για πολλούς δημιουργούς εικόνας– το μάτι δεν είναι πια αρκετό για να ξεχωρίσει αν ένα βίντεο είναι πραγματικό ή φτιαγμένο από μοντέλο όπως το Sora της OpenAI ή το Nano Banana της Google.
Σύμφωνα με έρευνα που επικαλείται η CNET, το 94% των ενηλίκων στις ΗΠΑ δηλώνει ότι έχει συναντήσει εικόνες που δημιουργήθηκαν από τεχνητή νοημοσύνη στα κοινωνικά δίκτυα, αλλά μόλις το 44% πιστεύει ότι μπορεί να ξεχωρίσει με σιγουριά τι είναι πραγματικό και τι όχι. Για τους φωτογράφους, βιντεογράφους και κινηματογραφιστές αυτό σημαίνει ότι το κοινό τους κινείται πλέον σε ένα περιβάλλον όπου η οθόνη είναι μόνιμα «μολυσμένη» από συνθετικό περιεχόμενο.
[ads1]
Όταν σχεδόν όλοι εκτίθενται σε εικόνες τεχνητής νοημοσύνης αλλά λιγότεροι από τους μισούς νιώθουν σίγουροι ότι τις αναγνωρίζουν, το αποτέλεσμα είναι ένα τεράστιο κενό εμπιστοσύνης. Από τη μία, οι θεατές είναι πεπεισμένοι ότι «το καταλαβαίνουν», από την άλλη, τα ίδια τα μοντέλα εικόνας έχουν περάσει σε επίπεδο όπου τα κλασικά κόλπα εντοπισμού απλώς δεν δουλεύουν πια.
Χαρακτηριστικό παράδειγμα είναι τα viral καλλιτεχνικά βίντεο πατινάζ που κυκλοφορούν με το “Making Love out of Nothing At All” των Air Supply να παίζει από πάνω. Ένα ζευγάρι εκτελεί εντυπωσιακές φιγούρες σε τεράστια αρένα, οι λήψεις είναι κινηματογραφικές, και ενδιάμεσα παρεμβάλλονται πλάνα με τους κριτές του America’s Got Talent να αντιδρούν. Κάποια από αυτά τα βίντεο είναι πραγματικά, κάποια όμως είναι πλήρως συνθετικά, με τις αντιδράσεις των κριτών κομμένες και ραμμένες από άσχετες στιγμές.
Ακόμη και ο ίδιος ο αρθρογράφος αναγκάστηκε να ρωτήσει… τεχνητή νοημοσύνη για να μάθει ποια από αυτά τα κλιπ είναι αυθεντικά. Την ίδια ώρα, πραγματικά γεγονότα μοιάζουν τόσο «κινηματογραφικά» ώστε να κατηγορούνται σχεδόν αυτόματα ως ψεύτικα: ο θρυλικός άθλος του Reggie Jackson με τα τρία home runs σε ένα παιχνίδι των τελικών του 1977 είναι αληθινός – κάποιος ήταν στο Yankee Stadium εκείνο το βράδυ και το θυμάται.
Από το viral θέαμα στο ψεύτικο ατύχημα
Στον αντίποδα, τα βίντεο που δείχνουν δύο αεροπλάνα να αγγίζουν σχεδόν φτερό με φτερό πριν αποφύγουν τη σύγκρουση την τελευταία στιγμή ή τα κλιπ με αυτοκίνητα που ανατρέπονται θεαματικά και εκρήγνυνται σε γιγαντιαίες μπάλες φωτιάς, συχνά δεν έχουν καμία σχέση με την πραγματικότητα. Πρόκειται για σκηνές που δεν τις κατέγραψε ποτέ κάμερα ανθρώπου, αλλά δημιουργήθηκαν εξ ολοκλήρου από μοντέλα εικόνας.
Για τον δημιουργό εικόνας, αυτό σημαίνει ότι οτιδήποτε μοιάζει «πολύ καλό για να είναι αληθινό» θα αντιμετωπίζεται αυτομάτως με καχυποψία – είτε πρόκειται για μια πραγματική λήψη με drone είτε για μια σύνθεση από μοντέλο τεχνητής νοημοσύνης. Το κοινό βρίσκεται ανάμεσα σε εντυπωσιακές, αλλά ψεύτικες καταστροφές και σε πραγματικά πλάνα, χωρίς να έχει εύκολο τρόπο να τα ξεχωρίσει.
Η ίδια έρευνα δείχνει ότι το 72% των ενηλίκων στις ΗΠΑ προσπαθεί να κάνει κάτι για να διαπιστώσει αν μια εικόνα ή ένα βίντεο είναι πραγματικά. Ωστόσο, ένα σημαντικό ποσοστό –ιδίως οι Baby Boomers (36%) και η Γενιά Χ (29%)– δεν κάνει απολύτως τίποτα, μένοντας ουσιαστικά εκτεθειμένο σε ό,τι περνάει από το timeline.
[ads2]
Τα μοντέλα εικόνας όπως το Nano Banana της πλατφόρμας Gemini της Google και το Sora της OpenAI μπορούν πλέον να παράγουν βίντεο τόσο ρεαλιστικά, ώστε ο θεατής να ορκίζεται ότι γυρίστηκαν με αληθινές κάμερες. Όταν πάνω σε αυτά προστίθεται και ένα καλογραμμένο κείμενο –ένα captions που «δένει» πειστικά με το πλάνο– το αποτέλεσμα είναι ένα αφήγημα που μοιάζει απολύτως αληθινό, ακόμα κι αν γεννήθηκε εξ ολοκλήρου από αλγορίθμους.
Παρόλα αυτά, μόλις το 11% όσων συμμετείχαν στην έρευνα δηλώνει ότι βρίσκει τα βίντεο τεχνητής νοημοσύνης πραγματικά ενημερωτικά, χρήσιμα ή ψυχαγωγικά. Η πλειονότητα φαίνεται να βιώνει περισσότερο σύγχυση και δυσπιστία, παρά αξία – μια αντίφαση που επηρεάζει άμεσα και τον τρόπο με τον οποίο προσλαμβάνεται η δουλειά των επαγγελματιών της εικόνας.
Την ίδια στιγμή, σε καθαρούς αριθμούς, το 44% των ενηλίκων στις ΗΠΑ δηλώνει ότι αισθάνεται αρκετά σίγουρο πως μπορεί να εντοπίσει το AI στα κοινωνικά δίκτυα, ενώ το 25% παραδέχεται ότι δεν μπορεί. Αυτό το χάσμα σημαίνει ότι ένα μεγάλο κομμάτι κοινού είναι έτοιμο να πιστέψει ένα σοκαριστικό βίντεο – ένα υποτιθέμενο μεσοαέριο ατύχημα μεταξύ δύο αεροπλάνων, για παράδειγμα – μόνο και μόνο επειδή «το είδε με τα μάτια του».
Πώς (προσπαθούν να) ξεχωρίζουν το ψεύτικο
Περίπου το 60% των ερωτηθέντων δηλώνει ότι ο βασικός τρόπος που χρησιμοποιεί για να κρίνει αν ένα βίντεο είναι αληθινό είναι… να το κοιτάζει πιο προσεκτικά. Για τον δημιουργό εικόνας αυτό σημαίνει ότι το κοινό θα ψάξει μέσα στο ίδιο το κάδρο για ενδείξεις – μικροπαραμορφώσεις, περίεργες σκιές, «περίεργα» πρόσωπα στο φόντο – παρότι πολλές από αυτές τις αστοχίες έχουν πλέον εξαφανιστεί από τα σύγχρονα μοντέλα.
Παλιότερα, σημάδια όπως ένα χέρι με τέσσερα ή έξι δάχτυλα υποδήλωναν σχεδόν σίγουρα ότι μια εικόνα ήταν συνθετική. Σήμερα όμως η τεχνολογία έχει φτάσει σε σημείο όπου ένα τέτοιο εύρημα δεν είναι πλέον ούτε αξιόπιστο ούτε αρκετό για να αποφανθεί κανείς. Μια φωτογραφία με «περίεργο» χέρι μπορεί να είναι τόσο προϊόν τεχνητής νοημοσύνης όσο και μια σπάνια, αλλά απολύτως πραγματική, ανθρώπινη ιδιαιτερότητα.
Για όσους ζουν από την εικόνα, αυτό δημιουργεί ένα νέο είδος κινδύνου: μια πραγματική, δύσκολη λήψη – με ασυνήθιστη οπτική γωνία ή σκληρό φως – μπορεί να κατηγορηθεί ως «AI», την ώρα που τα καλύτερα συνθετικά βίντεο περνούν απαρατήρητα ως αληθινά. Η εμπιστοσύνη στο μέσο γίνεται εύθραυστη, και μαζί της και η εμπιστοσύνη στο έργο των επαγγελματιών.
Περίπου το 25% δηλώνει ότι χρησιμοποιεί αντίστροφη αναζήτηση εικόνας για να ελέγξει αν ένα πλάνο κυκλοφορεί ήδη στο διαδίκτυο ή αν προέρχεται από άλλη πηγή. Ένα μικρότερο ποσοστό, περίπου 5%, στρέφεται σε εξειδικευμένα εργαλεία και ιστοσελίδες εντοπισμού deepfake, ενώ ένα 3% επιλέγει την απλή, κυνική λύση: θεωρεί εξαρχής ότι κάθε εικόνα και βίντεο είναι ψεύτικα.
Για τον δημιουργό εικόνας, οι συμπεριφορές αυτές σημαίνουν ότι το έργο του αντιμετωπίζεται κάτω από ένα φίλτρο μόνιμης αμφισβήτησης. Μια μερίδα κοινού θα ψάξει εξονυχιστικά το κάθε καρέ, μια άλλη θα το περάσει από εργαλεία ανίχνευσης, και μια τρίτη θα το απορρίψει αυτόματα ως «ψεύτικο» μόνο και μόνο επειδή μοιάζει πολύ εντυπωσιακό για να είναι αληθινό.
Ετικέτες, απαγορεύσεις και το μέλλον για τους δημιουργούς
Ένα από τα βασικά «αντίμετρα» που προτιμούν οι ερωτηθέντες είναι η ξεκάθαρη σήμανση: το 51% ζητά καλύτερες ετικέτες για το περιεχόμενο τεχνητής νοημοσύνης στις πλατφόρμες. Σε αυτή τη λογική, ο θεατής θα ξέρει εξαρχής αν αυτό που βλέπει είναι αποτέλεσμα κάμερας ή αλγορίθμου, χωρίς να χρειάζεται να «παίζει ντετέκτιβ» σε κάθε βίντεο.
Στον αντίποδα, το 21% υποστηρίζει τη σκληρή γραμμή: μια συνολική απαγόρευση των εικόνων και βίντεο τεχνητής νοημοσύνης στα κοινωνικά δίκτυα. Για τους δημιουργούς που πειραματίζονται με υβριδικές φόρμες – συνδυάζοντας πραγματικό γύρισμα με συνθετικά στοιχεία – μια τέτοια κατεύθυνση θα μπορούσε να σημαίνει ότι μεγάλο μέρος της δουλειάς τους θα μπλοκάρεται ή θα μπαίνει στο ίδιο «σακί» με τις ηθελημένα παραπλανητικές παραγωγές.
Προς το παρόν δεν υπάρχει καθολική λύση: τα ποσοστά δείχνουν ένα κοινό που αναγνωρίζει τον κίνδυνο, χρησιμοποιεί αποσπασματικά κάποια εργαλεία, αλλά εξακολουθεί να βασίζεται κυρίως στο ένστικτο και στο γυμνό μάτι. Σε αυτό το γκρίζο τοπίο, η γραμμή μεταξύ τεκμηρίωσης και μυθοπλασίας θολώνει όλο και περισσότερο.
Για τους επαγγελματίες της εικόνας, το συμπέρασμα είναι ότι το κοινό δεν είναι ούτε πλήρως αφελές ούτε πραγματικά θωρακισμένο. Οι θεατές ξέρουν ότι «κάπου εδώ παίζει AI», αλλά σπάνια έχουν στα χέρια τους τα σωστά εργαλεία ή τον χρόνο για να το αποδείξουν, κι έτσι οι κρίσεις τους για το έργο σας θα παραμένουν εύθραυστες και αντιφατικές.
Καθώς τα μοντέλα τεχνητής νοημοσύνης γίνονται καλύτερα στο να μιμούνται την αισθητική της κάμερας, ο αγώνας δρόμου με τα εργαλεία ανίχνευσης θα ενταθεί. Νέα φίλτρα, νέα metadata, νέες πολιτικές πλατφορμών θα προστεθούν στο οπλοστάσιο, αλλά κάθε βήμα προόδου θα συνοδεύεται και από πιο εξελιγμένες ψεύτικες εικόνες.
