Come riconoscere le immagini generate dall'IA: i segnali chiave che funzionano ancora nel 2026

Contate le dita. È ancora presente in quasi tutte le guide su come individuare le immagini generate dall’IA. Eppure è ormai da oltre due anni che non funziona più, e nessuno sembra essersi accorto che il dibattito sul rilevamento delle immagini generate dall’IA è rimasto così indietro.

In diversi studi che hanno analizzato centinaia di migliaia di valutazioni di immagini, i tassi di accuratezza umana nel distinguere le immagini generate dall’intelligenza artificiale da quelle reali variano da 49% a 62%. Si tratta di una probabilità del 50%. Uno studio in particolare ha esaminato le valutazioni di 1.276 partecipanti.

In media, il risultato è stato di 49,4%, o addirittura inferiore al caso in alcuni casi. iProov ha inoltre testato la capacità dei rappresentanti dei media di identificare le immagini generate dall’intelligenza artificiale e ha riscontrato che lo 0,11% dei partecipanti è riuscito a identificare e segnalare il 100% delle immagini false che ha visto. Un ulteriore 60% ha dichiarato di avere piena fiducia nei propri risultati.

È proprio questo ampio divario nell'errore di confidenza, e non una scarsa capacità di analisi visiva da parte dell'occhio e del cervello, a costituire il nocciolo di questo problema sempre più grave che affligge quasi tutti gli attuali metodi di rilevamento delle falsificazioni basati sull'intelligenza artificiale nel campo delle immagini.

Questa guida al riconoscimento delle immagini generate dall’IA si differenzierà quindi dalla maggior parte delle altre guide in quanto è strutturata secondo un ordine specifico: dallo strumento meno utilizzato fino a quello di punta per il riconoscimento delle immagini generate dall’IA non rilevabili, ovvero l’Undetectable AI Image Detector.

È importante sottolineare che in questa sede sfateremo anche un mito diffuso dalla maggior parte delle altre guide, ovvero che le immagini che ritraggono persone siano le più difficili da riconoscere, quando in realtà le immagini più difficili da riconoscere sono quelle noiose.

---

Punti di forza

• L'accuratezza umana nell'interpretazione delle immagini generate dall'intelligenza artificiale oscilla tra il 49 e il 62 per cento a seconda dello studio, un valore pari o appena superiore a quello di un lancio di moneta. Il livello di sicurezza, invece, è di gran lunga superiore.

• Sei bravissimo a individuare i volti falsi e pessimo nel riconoscere paesaggi, oggetti e scene di strada falsi. Quasi tutti i consigli più diffusi riguardano i volti, che è proprio la categoria in cui sei già bravo.

• Verificate la provenienza prima di controllare i pixel. A partire da maggio 2026, ogni immagine generata da ChatGPT riporterà sia una credenziale C2PA che una filigrana SynthID, e Google sta integrando funzionalità di rilevamento in Search e Chrome.

• L'assenza di provenienza non dimostra nulla. Gli screenshot e la maggior parte delle piattaforme social eliminano i metadati C2PA, quindi la mancanza di una credenziale non costituisce una prova né in un senso né nell'altro.

• Gli indizi che funzionano ancora riguardano la fisica, non l’anatomia. La direzione delle ombre, i riflessi, la profondità di campo e i rapporti di scala sono elementi molto più difficili da mantenere coerenti per un modello rispetto a una mano.

• Quando l'esame della vista non è conclusivo, cosa che capita spesso, il Rilevatore di immagini AI ti fornisce una lettura in pochi secondi e non fa distinzione tra un volto e un parcheggio.

---

Perché è diventato così difficile così in fretta

La curva di miglioramento visibile è talmente ripida che chiunque abbia sviluppato il proprio intuito nel 2023 sta lavorando con un oggetto da museo. Se si confronta ciò che lo stesso prompt ha prodotto con DALL-E 2 nel 2022 con ciò che restituiscono i modelli attuali, si nota che appartengono a malapena allo stesso mezzo.

Il Rapporto internazionale sulla sicurezza dell'IA ha osservato nel 2026 che i contenuti generati dall'IA sono diventati sempre più difficili da distinguere da quelli reali in ogni formato, e la qualità delle immagini ne è l'esempio più evidente.

Sono successe due cose contemporaneamente. I modelli sono migliorati nel riconoscere gli artefatti specifici che tutti avevano imparato a individuare, poiché erano proprio quelli a suscitare le critiche più accese e, di conseguenza, a diventare i primi obiettivi da correggere. Inoltre, l’estetica è cambiata. Il primo indizio rivelatore è stato che le immagini generate dall’IA sembravano troppo bello, con quell'aspetto ritoccato, sovraesposto e vagamente artificiale.

I modelli attuali sono perfettamente in grado di generare immagini che sembrano mediocri scatti fatti con il cellulare, con tanto di sfocatura da movimento, inquadratura scadente, rumore del sensore e un pollice in un angolo. La bruttezza è ormai parte integrante del risultato finale, piuttosto che un segno di autenticità.

Vale anche la pena essere chiari su ciò che dicono i numeri riguardo agli strumenti di rilevamento rispetto alle persone. I rilevatori automatici raggiungono una precisione compresa tra il 90 e il 96 per cento in condizioni di laboratorio, anche se tale percentuale cala notevolmente in condizioni reali quando si tratta di modelli che il rilevatore non ha mai visto prima.

Anche dopo quel calo, non c'è paragone. Uno strumento che ha una giornata mediocre ottiene comunque risultati migliori di una persona prudente che ne ha una buona.

I segnali che hanno smesso di funzionare

Prima di passare ai segnali utili, vale la pena fare chiarezza su quelli che circolano ancora e che in questo momento potrebbero indurvi in errore. Ciascuno dei punti elencati di seguito era, a un certo punto, davvero affidabile. Nessuno di essi costituisce oggi una base sicura su cui fondare un giudizio.

Vecchia storia	Perché ha funzionato	Situazione nel 2026
Conta le dita	I primi modelli di diffusione non tenevano conto della struttura della mano e generavano sistematicamente sei o sette dita	Praticamente superato. I modelli attuali riproducono correttamente le mani nella stragrande maggioranza dei casi.
Cerca il testo illeggibile	La segnaletica, i dorsi dei libri e le etichette apparivano come rumori a forma di lettere	Praticamente inutilizzabile per testi brevi. Rimane comunque in qualche modo utile per paragrafi fitti e caratteri insoliti.
Sembra troppo rifinito	I primi prodotti presentavano una lucentezza uniforme e una superficie impossibile	Inversione di tendenza. Su richiesta, i modelli ora imitano la fotografia amatoriale, la grana e l'illuminazione scadente.
Controlla i denti e le orecchie	Le sottili strutture ripetitive hanno confuso i primi modelli	È stato risolto in gran parte e si concentra sui volti, ambito in cui dai già il meglio di te.
Filigrana nell'angolo	Alcuni generatori presentavano segni visibili impressi	Ritagliati in modo banale o del tutto assenti. La loro assenza non significa nulla.
La ricerca per immagini non trova nulla	Le foto autentiche di solito lasciano tracce online	Non è un granché. Anche le vere foto private non lasciano tracce, e ora vengono indicizzate anche le immagini generate.

L'elemento comune a tutti e sei è che descrivono errori di funzionalità piuttosto che di natura strutturale. Un’incapacità è qualcosa in cui il modello era carente e che poteva essere corretta con l’addestramento, e ognuna di queste è stata effettivamente corretta.

I segnali che vale la pena imparare sono quelli che derivano dal funzionamento di questi sistemi, piuttosto che dalle loro eventuali carenze in un determinato anno, e ne parlerò tra poco.

Il punto cieco di cui nessuno parla

Questa è la parte che mi ha sorpreso di più, e cambia ciò di cui dovresti effettivamente diffidare.

Quando i ricercatori suddividono la precisione di riconoscimento umano per argomento, emerge un andamento costante. In un’analisi di circa 287.000 valutazioni di immagini effettuate da oltre 12.500 partecipanti, la precisione complessiva si è attestata intorno al 62 per cento, ma le prestazioni erano ottimo nei ritratti, ma decisamente meno efficace nei paesaggi e nelle scene urbane.

Altri studi hanno riscontrato lo stesso andamento, con una maggiore accuratezza nelle immagini che ritraggono persone e una minore accuratezza in quelle che raffigurano oggetti e paesaggi.

La spiegazione non è affatto misteriosa. Gli esseri umani dispongono di un meccanismo neurale specifico per l’elaborazione dei volti e hanno anni di esperienza nel suo utilizzo. Ci si accorge quando c’è qualcosa che non quadra in un volto, anche senza riuscire a spiegare esattamente cosa. Non si possiede invece un istinto equivalente per capire se la banchina di carico di un magazzino appaia corretta.

Ora mettilo a confronto con i consigli che danno tutti. Conta le dita. Controlla gli occhi. Guarda i denti, le orecchie e l’attaccatura dei capelli.

Ognuno di quei punti in cui ti trovi è proprio la categoria in cui il tuo giudizio autonomo è già più solido e in cui il miglioramento del modello è stato più incisivo. Al contrario, le categorie in cui sei praticamente all’oscuro non vengono prese in considerazione affatto.

Il che significa che le immagini di cui dovresti diffidare di più sono proprio quelle meno spettacolari:

• Foto dei prodotti. Un singolo oggetto su uno sfondo neutro non offre quasi alcun punto di riferimento per la valutazione ed è facilissimo da realizzare.
• Interni vuoti. Stanze, uffici, sale di ristoranti, annunci immobiliari. Nessun volto che stimoli i tuoi istinti e geometrie complesse che il tuo occhio non riesce a cogliere.
• Strade e paesaggi. Proprio la categoria in cui, secondo gli studi, le persone hanno più difficoltà, e proprio quella che viene utilizzata per le false indicazioni di luogo e le scene di cronaca inventate.
• Documenti e schermate. Ricevute, fatture, dashboard, cronologie delle chat. Questi vengono esaminati attentamente per verificarne il contenuto e quasi mai per verificarne l’autenticità.
• Folle e scatti da lontano. Volti troppo piccoli per attivare l'elaborazione dei volti, quindi il tuo strumento migliore non si attiva mai.

Un ritratto generato di una persona inesistente è proprio il tipo di caso per cui sei preparato. Una foto generata di una strada allagata con una didascalia che indica il nome di una città è invece quella che ti sfugge, ed è anche quella che rischia di causare danni reali.

Primo livello: controlla la provenienza prima di controllare i pixel

Quasi nessuno lo fa, e ora questa è la risposta più veloce disponibile per una quota sempre maggiore di immagini. Il settore ha dedicato gli ultimi due anni alla creazione di un sistema che etichetta i contenuti generati nel momento stesso della loro creazione e, a partire dal 2026, copre una parte significativa di ciò che si incontra.

In cosa consistono i due sistemi

Esistono due meccanismi diversi che vengono costantemente confusi l’uno con l’altro.

Le “Content Credentials”, basate sullo standard C2PA, sono metadati firmati crittograficamente e associati a un file. Registrano la provenienza di un’immagine, quali strumenti sono stati utilizzati per elaborarla e chi ha firmato tale dichiarazione. Consideratele come una catena di custodia piuttosto che come una semplice risposta affermativa o negativa.

La specifica ha raggiunto la versione 2.3 nel gennaio 2026 e non è destinata solo all’intelligenza artificiale. I produttori di fotocamere e le agenzie di stampa utilizzano lo stesso standard per certificare l’autenticità di una fotografia, il che è probabilmente l’uso più importante.

SynthID è diverso. Si tratta di una filigrana impercettibile che Google DeepMind incorpora direttamente nei pixel stessi al momento della generazione e che, a differenza dei metadati, resiste al ritaglio, alla ricompressione e alla ricodifica a bassa qualità.

Google riferisce che oltre 100 miliardi di file multimediali sono stati contrassegnati con questa filigrana. Il rovescio della medaglia è che non fornisce praticamente alcuna informazione oltre al fatto che il contenuto sia di origine AI, e per rilevarla è necessaria l'infrastruttura di Google stessa, anziché una specifica aperta.

Cosa è cambiato nel 2026

La novità significativa è che questi approcci hanno smesso di essere in concorrenza tra loro. Nel maggio 2026, OpenAI e Google hanno annunciato un modello congiunto in cui le immagini generate tramite ChatGPT e l’API di OpenAI riportano entrambi una credenziale C2PA e una filigrana SynthID.

Considerando che ChatGPT è il più grande generatore di immagini per il grande pubblico in termini di numero di utenti, gran parte delle immagini generate dall’IA ogni giorno presenta ora due segnali di provenienza indipendenti. Kakao, ElevenLabs e Nvidia ne hanno annunciato l’adozione lo stesso giorno, mentre Google ha dichiarato che il rilevamento di C2PA e SynthID sarà integrato direttamente in Search e Chrome.

Regulation is moving in the same direction. The EU AI Act’s Article 50 transparency and labeling obligations became binding on 2 August 2026, with penalties reaching into the tens of millions of euros.

In the United States, the TAKE IT DOWN Act has imposed a 48 hour takedown duty since May 2026. Whatever you think of the enforcement prospects, disclosure is now a legal requirement in major markets rather than a voluntary courtesy.

Come verificare effettivamente

1. Apri l'immagine in un visualizzatore di credenziali di contenuto. La Content Authenticity Initiative gestisce una pagina di verifica pubblica; esistono estensioni per browser che eseguono la verifica direttamente nella pagina; inoltre, OpenAI mette a disposizione uno strumento di verifica che controlla sia i manifesti C2PA che SynthID in un unico passaggio. Carica l'immagine, leggi il manifesto e il gioco è fatto.
2. Leggi cosa dice effettivamente il manifesto. Una credenziale può indicare che un’immagine è stata generata, oppure che è stata scattata con una fotocamera e successivamente modificata, oppure che è stata elaborata con uno specifico strumento di editing. I casi interessanti si trovano solitamente nella cronologia delle modifiche piuttosto che nel campo “origine”.
3. Considerare una credenziale mancante come se non ci fossero informazioni. Questa è la parte che la gente sbaglia continuamente.

Quest'ultimo punto merita di essere sottolineato, perché è proprio qui che la verifica della provenienza fallisce. I metadati C2PA vengono eliminati dagli screenshot, dalla maggior parte dei transcodificatori dei social media e da qualsiasi flusso di lavoro di editing che non li conservi intenzionalmente.

La maggior parte delle immagini che circolano online non riporta né credenziali né filigrane, e questa è la norma piuttosto che l’eccezione. SynthID è presente solo nei risultati prodotti dai generatori che lo hanno adottato, il che esclude comunque gran parte degli strumenti attualmente in uso.

Quindi un risultato chiaro sulla provenienza costituisce una prova forte. Uno vuoto non significa nulla. Chiunque ti dica che l’assenza di credenziali sia indice di sospetto ha invertito la logica.

Livello due: le leggi della fisica che funzionano ancora

Quando la provenienza risulta vuota, è qui che bisogna cercare. Il motivo per cui questi segni durano più a lungo di quelli anatomici è di natura strutturale.

Un modello generativo produce un'immagine plausibile, non una simulazione di una scena. Non dispone di un modello interno di una stanza con una fonte di luce al suo interno, quindi garantire la coerenza globale nell'intero fotogramma è per lui davvero difficile, a differenza di quanto lo sia mai stato disegnare correttamente una mano.

Segui la luce

Seleziona ogni oggetto nell'inquadratura che proietta un'ombra e verifica se le ombre concordano sulla posizione della fonte di luce. All'aperto c'è un solo sole, quindi le ombre dovrebbero essere più o meno parallele e avere una lunghezza coerente rispetto all'altezza degli oggetti. Al chiuso la situazione è più complessa, ma comunque gestibile.

Le immagini generate presentano spesso ombre che puntano in direzioni leggermente diverse, oppure un oggetto privo di ombra affiancato da uno che ne ha una ben definita, oppure ancora un’ombra la cui forma non corrisponde all’oggetto che presumibilmente la proietta.

Verificate quindi che l'illuminazione del soggetto sia in armonia con l'ambiente circostante. Una persona illuminata frontalmente da sinistra, in una scena in cui lo sfondo è illuminato da destra, rappresenta uno degli errori più comuni nella creazione di immagini in stile composito, e una volta che iniziate a cercarlo, lo trovate ovunque.

Esamina attentamente ogni superficie riflettente

Per un modello, la rappresentazione dei riflessi è complessa da realizzare correttamente, poiché richiede la comprensione della geometria dell'intera scena da un secondo punto di vista.

Osserva specchi, finestre, pavimenti lucidi, la carrozzeria delle auto, l’acqua, gli occhiali da sole e gli schermi dei telefoni. Chiediti se ciò che si riflette corrisponde a ciò che è effettivamente presente nella scena, nella posizione corretta, nella giusta scala e capovolto correttamente.

Il test dei riflessi negli occhi è il mio controllo veloce preferito per qualsiasi ritratto. Quei piccoli punti luminosi negli occhi di una persona sono riflessi delle fonti di luce. In una fotografia reale, entrambi gli occhi presentano riflessi nella stessa posizione, della stessa forma e in numero uguale, poiché entrambi gli occhi sono rivolti verso le stesse luci.

I ritratti generati presentano spesso riflessi negli occhi non corrispondenti, oppure un occhio con due riflessi e l'altro con uno solo, oppure riflessi la cui forma non corrisponde a nessuna fonte di luce visibile nell'immagine.

Controllare il piano focale

Le vere fotocamere hanno un piano di messa a fuoco. Tutti gli oggetti che si trovano alla stessa distanza dall'obiettivo risultano nitidi allo stesso tempo, mentre la sfocatura aumenta in modo graduale all'aumentare della distanza da quel piano.

Le immagini generate risultano spesso sfocate a causa di importanza dell'oggetto piuttosto che in base alla distanza, per cui si può notare un elemento sullo sfondo nitidamente definito mentre qualcosa accanto ad esso, alla stessa profondità, risulta sfocato, oppure un soggetto nitido dal naso all’orecchio in uno scatto in cui la sfocatura dello sfondo suggerisce una profondità di campo molto ridotta. La forma del bokeh è un altro aspetto.

Le vere sfocature assumono la forma dell'apertura dell'obiettivo e rimangono uniformi in tutto l'inquadratura.

Verifica delle relazioni tra le scale

I modelli non sono affidabili nel rappresentare le proporzioni relative tra gli oggetti, e gli errori passano facilmente inosservati perché l'occhio percepisce la composizione come un tutt'uno.

Cerca una porta leggermente troppo piccola per la persona che la attraversa, una tazza da caffè che possa contenere un litro, un’auto le cui ruote non si abbinino alla carrozzeria, mobili di dimensioni tali da non poter ospitare un essere umano. Questo approccio è particolarmente efficace proprio nelle immagini di interni e di strade, dove il tuo istinto è più debole.

Cerca una trama che si ripeta

Le superfici reali sono irregolari a ogni scala. I muri di mattoni presentano mattoni danneggiati, nelle folle ci sono persone che guardano in direzioni diverse, il fogliame ha rami spezzati.

Le texture generate spesso si ripetono in modo impercettibile, quindi controlla attentamente qualsiasi superficie ampia e ripetitiva per individuare eventuali difetti che compaiono due volte o una faccia identica in due punti diversi all’interno di una folla. Ingrandisci lo sfondo piuttosto che il soggetto, poiché è lì che il modello ha dedicato meno attenzione.

Osserva i bordi e i punti di giunzione

È proprio nel punto in cui due cose si incontrano che lo stile perde di precisione. I capelli che si stagliano sullo sfondo, i gioielli a contatto con la pelle, la montatura degli occhiali che attraversa il viso, un cinturino che scompare dietro una spalla per poi riapparire nel posto sbagliato.

Segui qualsiasi oggetto lineare che passi dietro a qualcos’altro e verifica che riemerga nel punto in cui la geometria indica che dovrebbe. Cinghie, ringhiere, cavi elettrici e pali di recinzione sono tutti ottimi esempi.

Terzo livello: farlo passare attraverso un rilevatore

La verità è che il primo e il secondo livello ti lasceranno spesso nell’incertezza, e l’incertezza che si risolve fissando con maggiore attenzione tende a confermare ciò in cui già credevi. È proprio a questo che serve il software.

Il Rilevatore di immagini AI analizza l'immagine alla ricerca di caratteristiche distintive a livello di pixel e di frequenza, anziché a livello di contenuto visibile, ed è proprio per questo che non presenta il tuo punto debole. Non ha alcuna attitudine particolare per i volti né alcuna debolezza specifica nei confronti dei paesaggi.

Un parcheggio presenta lo stesso problema di un ritratto. Dato che le ricerche dimostrano che la propria precisione varia notevolmente a seconda del soggetto, avere un secondo parere che non sia influenzato dal soggetto ha un valore maggiore di quanto possa sembrare.

Indicazioni pratiche per un corretto utilizzo di qualsiasi pozzetto per rilevatori:

• Forniscigli la versione della massima qualità che riesci a trovare. Una compressione eccessiva distrugge le informazioni sulle frequenze più sottili su cui si basano i rilevatori, quindi uno screenshot di uno screenshot è il peggior input possibile.
• Considerate il punteggio come un indizio piuttosto che come un verdetto definitivo, soprattutto se si colloca nella fascia media. Un punteggio molto alto o molto basso è indicativo. Un punteggio vicino al valore medio significa che occorre approfondire l’analisi, non tirare a sorte.
• Analizza i livelli nel loro insieme. L’assenza di credenziali di provenienza, un’incongruenza nell’ombra e un punteggio elevato del rilevatore costituiscono una conclusione. Ciascuno dei tre elementi, preso singolarmente, rappresenta un sospetto.
• Ricordate che un ritocco intenso di una foto reale può migliorare l’immagine originale, proprio come un’elaborazione eccessiva complica il rilevamento audio. La fotografia commerciale ritoccata rappresenta il rischio più comune di falsi positivi.

Se l'immagine proviene da un video, estrai un fotogramma pulito oppure usa il Rilevatore video AI al contrario, poiché è in grado di rilevare i segnali di movimento e di coerenza temporale che un singolo fotogramma tralascia.

E quando un'immagine viene allegata a un messaggio vocale o a una richiesta di videochiamata, il Rilevatore vocale AI copre l'altra metà di quello schema truffaldino.

Una guida pratica per tipo di immagine

Le diverse categorie presentano difetti di vario tipo, quindi ecco dove cercare per prima cosa a seconda di ciò che hai tra le mani.

Tipo di immagine	Controlla prima questo	Guasto più comune
Ritratto	I riflessi di luce in entrambi gli occhi, poi le orecchie e i gioielli	Riflessi negli occhi non corrispondenti e orecchini asimmetrici
Foto del prodotto	Punto di contatto dell’ombra nel punto in cui l’oggetto incontra la superficie	L'oggetto sembra fluttuare, oppure la forma dell'ombra non corrisponde a quella dell'oggetto stesso
Interni o immobili	Linee rette e dimensioni di porte, prese elettriche e piani di lavoro	Una geometria che non trova soluzione e mobili dalle proporzioni impossibili
Strada o paesaggio	Motivi ripetuti, scritte segnaletiche, architettura in lontananza	Fogliame a mosaico ed edifici le cui finestre non sono allineate
Folla o evento	Volti duplicati, conteggio degli arti ai bordi	La stessa persona che compare due volte e delle figure fuse sullo sfondo
Documento o ricevuta	Uniformità dei caratteri, allineamento, aritmetica	Totali che non tornano e caratteri diversi nella stessa riga
Notizie o scena di un disastro	Prima la provenienza, poi la direzione dell’ombra	Nessuna credenziale e un'illuminazione che contraddice l'ora del giorno indicata
Screenshot di una chat	Marcatori temporali, bordi degli avatar, spaziatura degli elementi dell'interfaccia utente	Dettagli dell'interfaccia che non corrispondono alla versione effettiva dell'app

Domande frequenti

Pensieri finali

La conclusione scomoda che emerge da tutto ciò non è che le immagini generate dall’intelligenza artificiale siano migliorate, bensì che le persone sono sicure di sé quasi esattamente nella stessa misura in cui si sbagliano.

Il 60% dei partecipanti a un ampio test si è detto sicuro del proprio giudizio, mentre solo lo 0,1% di loro ha effettivamente dimostrato di meritare tale certezza. Se c’è una cosa da trarre da questo articolo, che sia la diffidenza verso la propria certezza piuttosto che un nuovo elenco di trucchi visivi.

La versione pratica è breve. Controlla prima la provenienza, perché per una percentuale sempre maggiore di immagini ti fornisce una risposta concreta in pochi secondi e quasi nessuno si prende la briga di farlo. Poi concentrati sulla fisica piuttosto che sull’anatomia, perché ombre, riflessi, piani focali e scala sono elementi strutturalmente complessi in un modo che le dita non lo sono mai stati.

Quindi sottoponila a un sistema di rilevamento, soprattutto quando l'immagine è un paesaggio, una foto di prodotto, un interno o un documento, ovvero le categorie in cui il tuo giudizio personale è praticamente inutile e in cui ti sentirai più sicuro proprio perché non ci sono volti di cui preoccuparti.

L'etichettatura sta diventando obbligatoria, la tracciabilità della provenienza viene integrata nei browser e il volume delle immagini sintetiche continua a crescere. Nulla di tutto ciò elimina la necessità di verificare. Significa semplicemente che la verifica sta diventando una pratica normale, piuttosto che un atto di paranoia.

La prossima volta che un’immagine ti fa riflettere, dedicale dieci secondi come si deve. Cerca un dettaglio significativo, segui le ombre e inseriscila nel nostro Rilevatore di immagini AI per risolvere la questione.