- \n
- 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, \u00e8 di gran lunga superiore.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
- \n
- Sei bravissimo a individuare i volti falsi e pessimo nel riconoscere paesaggi, oggetti e scene di strada falsi. Quasi tutti i consigli pi\u00f9 diffusi riguardano i volti, che \u00e8 proprio la categoria in cui sei gi\u00e0 bravo.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
- \n
- Verificate la provenienza prima di controllare i pixel. A partire da maggio 2026, ogni immagine generata da ChatGPT riporter\u00e0 sia una credenziale C2PA che una filigrana SynthID, e Google sta integrando funzionalit\u00e0 di rilevamento in Search e Chrome.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
- \n
- 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 n\u00e9 in un senso n\u00e9 nell'altro.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
- \n
- Gli indizi che funzionano ancora riguardano la fisica, non l\u2019anatomia. La direzione delle ombre, i riflessi, la profondit\u00e0 di campo e i rapporti di scala sono elementi molto pi\u00f9 difficili da mantenere coerenti per un modello rispetto a una mano.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
- \n
- Quando l'esame della vista non \u00e8 conclusivo, cosa che capita spesso, il Rilevatore di immagini AI<\/a> ti fornisce una lettura in pochi secondi e non fa distinzione tra un volto e un parcheggio.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n\nPerch\u00e9 \u00e8 diventato cos\u00ec difficile cos\u00ec in fretta<\/strong><\/h2>\n\n\n\n
La curva di miglioramento visibile \u00e8 talmente ripida che chiunque abbia sviluppato il proprio intuito nel 2023 sta lavorando con un oggetto da museo. Se si confronta ci\u00f2 che lo stesso prompt ha prodotto con DALL-E 2 nel 2022 con ci\u00f2 che restituiscono i modelli attuali, si nota che appartengono a malapena allo stesso mezzo.<\/p>\n\n\n\n
Il Rapporto internazionale sulla sicurezza dell'IA ha osservato nel 2026 che i contenuti generati dall'IA sono diventati sempre pi\u00f9 difficili da distinguere da quelli reali in ogni formato, e la qualit\u00e0 delle immagini ne \u00e8 l'esempio pi\u00f9 evidente.<\/p>\n\n\n\n
Sono successe due cose contemporaneamente. I modelli sono migliorati nel riconoscere gli artefatti specifici che tutti avevano imparato a individuare, poich\u00e9 erano proprio quelli a suscitare le critiche pi\u00f9 accese e, di conseguenza, a diventare i primi obiettivi da correggere. Inoltre, l\u2019estetica \u00e8 cambiata. Il primo indizio rivelatore \u00e8 stato che le immagini generate dall\u2019IA sembravano troppo bello<\/em>, con quell'aspetto ritoccato, sovraesposto e vagamente artificiale.<\/p>\n\n\n\n
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 \u00e8 ormai parte integrante del risultato finale, piuttosto che un segno di autenticit\u00e0.<\/p>\n\n\n\n
Vale anche la pena essere chiari su ci\u00f2 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.<\/p>\n\n\n\n
Anche dopo quel calo, non c'\u00e8 paragone. Uno strumento che ha una giornata mediocre ottiene comunque risultati migliori di una persona prudente che ne ha una buona.<\/p>\n\n\n\n
I segnali che hanno smesso di funzionare<\/strong><\/h2>\n\n\n\n
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.<\/p>\n\n\n\n
Vecchia storia<\/strong><\/th> Perch\u00e9 ha funzionato<\/strong><\/th> Situazione nel 2026<\/strong><\/th><\/tr><\/thead> Conta le dita<\/strong><\/td> I primi modelli di diffusione non tenevano conto della struttura della mano e generavano sistematicamente sei o sette dita<\/td> Praticamente superato. I modelli attuali riproducono correttamente le mani nella stragrande maggioranza dei casi.<\/td><\/tr> Cerca il testo illeggibile<\/strong><\/td> La segnaletica, i dorsi dei libri e le etichette apparivano come rumori a forma di lettere<\/td> Praticamente inutilizzabile per testi brevi. Rimane comunque in qualche modo utile per paragrafi fitti e caratteri insoliti.<\/td><\/tr> Sembra troppo rifinito<\/strong><\/td> I primi prodotti presentavano una lucentezza uniforme e una superficie impossibile<\/td> Inversione di tendenza. Su richiesta, i modelli ora imitano la fotografia amatoriale, la grana e l'illuminazione scadente.<\/td><\/tr> Controlla i denti e le orecchie<\/strong><\/td> Le sottili strutture ripetitive hanno confuso i primi modelli<\/td> \u00c8 stato risolto in gran parte e si concentra sui volti, ambito in cui dai gi\u00e0 il meglio di te.<\/td><\/tr> Filigrana nell'angolo<\/strong><\/td> Alcuni generatori presentavano segni visibili impressi<\/td> Ritagliati in modo banale o del tutto assenti. La loro assenza non significa nulla.<\/td><\/tr> La ricerca per immagini non trova nulla<\/strong><\/td> Le foto autentiche di solito lasciano tracce online<\/td> Non \u00e8 un granch\u00e9. Anche le vere foto private non lasciano tracce, e ora vengono indicizzate anche le immagini generate.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n L'elemento comune a tutti e sei \u00e8 che descrivono errori di funzionalit\u00e0<\/em> piuttosto che di natura strutturale. Un\u2019incapacit\u00e0 \u00e8 qualcosa in cui il modello era carente e che poteva essere corretta con l\u2019addestramento, e ognuna di queste \u00e8 stata effettivamente corretta.<\/p>\n\n\n\n
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 parler\u00f2 tra poco.<\/p>\n\n\n\n
Il punto cieco di cui nessuno parla<\/strong><\/h2>\n\n\n\n
Questa \u00e8 la parte che mi ha sorpreso di pi\u00f9, e cambia ci\u00f2 di cui dovresti effettivamente diffidare.<\/p>\n\n\n\n
Quando i ricercatori suddividono la precisione di riconoscimento umano per argomento, emerge un andamento costante. In un\u2019analisi di circa 287.000 valutazioni di immagini effettuate da oltre 12.500 partecipanti, la precisione complessiva si \u00e8 attestata intorno al 62 per cento, ma le prestazioni erano ottimo nei ritratti, ma decisamente meno efficace nei paesaggi e nelle scene urbane<\/strong>.<\/p>\n\n\n\n
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.<\/p>\n\n\n\n
La spiegazione non \u00e8 affatto misteriosa. Gli esseri umani dispongono di un meccanismo neurale specifico per l\u2019elaborazione dei volti e hanno anni di esperienza nel suo utilizzo. Ci si accorge quando c\u2019\u00e8 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.<\/p>\n\n\n\n
Ora mettilo a confronto con i consigli che danno tutti. Conta le dita. Controlla gli occhi. Guarda i denti, le orecchie e l\u2019attaccatura dei capelli.<\/p>\n\n\n\n
Ognuno di quei punti in cui ti trovi \u00e8 proprio la categoria in cui il tuo giudizio autonomo \u00e8 gi\u00e0 pi\u00f9 solido e in cui il miglioramento del modello \u00e8 stato pi\u00f9 incisivo. Al contrario, le categorie in cui sei praticamente all\u2019oscuro non vengono prese in considerazione affatto.<\/p>\n\n\n\n
Il che significa che le immagini di cui dovresti diffidare di pi\u00f9 sono proprio quelle meno spettacolari:<\/p>\n\n\n\n
- \n
- Foto dei prodotti. Un singolo oggetto su uno sfondo neutro non offre quasi alcun punto di riferimento per la valutazione ed \u00e8 facilissimo da realizzare.<\/li>\n\n\n\n
- 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.<\/li>\n\n\n\n
- Strade e paesaggi. Proprio la categoria in cui, secondo gli studi, le persone hanno pi\u00f9 difficolt\u00e0, e proprio quella che viene utilizzata per le false indicazioni di luogo e le scene di cronaca inventate.<\/li>\n\n\n\n
- Documenti e schermate. Ricevute, fatture, dashboard, cronologie delle chat. Questi vengono esaminati attentamente per verificarne il contenuto e quasi mai per verificarne l\u2019autenticit\u00e0.<\/li>\n\n\n\n
- Folle e scatti da lontano. Volti troppo piccoli per attivare l'elaborazione dei volti, quindi il tuo strumento migliore non si attiva mai.<\/li>\n<\/ul>\n\n\n\n
Un ritratto generato di una persona inesistente \u00e8 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 citt\u00e0 \u00e8 invece quella che ti sfugge, ed \u00e8 anche quella che rischia di causare danni reali.<\/p>\n\n\n\n
Primo livello: controlla la provenienza prima di controllare i pixel<\/strong><\/h2>\n\n\n\n
Quasi nessuno lo fa, e ora questa \u00e8 la risposta pi\u00f9 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 ci\u00f2 che si incontra.<\/p>\n\n\n\n
In cosa consistono i due sistemi<\/strong><\/h3>\n\n\n\n
Esistono due meccanismi diversi che vengono costantemente confusi l\u2019uno con l\u2019altro.<\/p>\n\n\n\n
Le \u201cContent Credentials\u201d, basate sullo standard C2PA, sono metadati firmati crittograficamente e associati a un file. Registrano la provenienza di un\u2019immagine, 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.<\/p>\n\n\n\n
La specifica ha raggiunto la versione 2.3 nel gennaio 2026 e non \u00e8 destinata solo all\u2019intelligenza artificiale. I produttori di fotocamere e le agenzie di stampa utilizzano lo stesso standard per certificare l\u2019autenticit\u00e0 di una fotografia, il che \u00e8 probabilmente l\u2019uso pi\u00f9 importante.<\/p>\n\n\n\n
SynthID \u00e8 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 qualit\u00e0.<\/p>\n\n\n\n
Google riferisce che oltre 100 miliardi di file multimediali sono stati contrassegnati con questa filigrana. Il rovescio della medaglia \u00e8 che non fornisce praticamente alcuna informazione oltre al fatto che il contenuto sia di origine AI, e per rilevarla \u00e8 necessaria l'infrastruttura di Google stessa, anzich\u00e9 una specifica aperta.<\/p>\n\n\n\n
Cosa \u00e8 cambiato nel 2026<\/strong><\/h3>\n\n\n\n
La novit\u00e0 significativa \u00e8 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\u2019API di OpenAI riportano entrambi<\/em> una credenziale C2PA e una filigrana SynthID.<\/p>\n\n\n\n
Considerando che ChatGPT \u00e8 il pi\u00f9 grande generatore di immagini per il grande pubblico in termini di numero di utenti, gran parte delle immagini generate dall\u2019IA ogni giorno presenta ora due segnali di provenienza indipendenti. Kakao, ElevenLabs e Nvidia ne hanno annunciato l\u2019adozione lo stesso giorno, mentre Google ha dichiarato che il rilevamento di C2PA e SynthID sar\u00e0 integrato direttamente in Search e Chrome.<\/p>\n\n\n\n
Regulation is moving in the same direction. The EU AI Act\u2019s Article 50 transparency and labeling obligations became binding on 2 August 2026, with penalties reaching into the tens of millions of euros. <\/p>\n\n\n\n
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.<\/p>\n\n\n\n
Come verificare effettivamente<\/strong><\/h3>\n\n\n\n
- \n
- 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 \u00e8 fatto.<\/li>\n\n\n\n
- Leggi cosa dice effettivamente il manifesto. Una credenziale pu\u00f2 indicare che un\u2019immagine \u00e8 stata generata, oppure che \u00e8 stata scattata con una fotocamera e successivamente modificata, oppure che \u00e8 stata elaborata con uno specifico strumento di editing. I casi interessanti si trovano solitamente nella cronologia delle modifiche piuttosto che nel campo \u201corigine\u201d.<\/li>\n\n\n\n
- Considerare una credenziale mancante come se non ci fossero informazioni. Questa \u00e8 la parte che la gente sbaglia continuamente.<\/li>\n<\/ol>\n\n\n\n
Quest'ultimo punto merita di essere sottolineato, perch\u00e9 \u00e8 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.<\/p>\n\n\n\n
La maggior parte delle immagini che circolano online non riporta n\u00e9 credenziali n\u00e9 filigrane, e questa \u00e8 la norma piuttosto che l\u2019eccezione. SynthID \u00e8 presente solo nei risultati prodotti dai generatori che lo hanno adottato, il che esclude comunque gran parte degli strumenti attualmente in uso.<\/p>\n\n\n\n
Quindi un risultato chiaro sulla provenienza costituisce una prova forte. Uno vuoto non significa nulla. Chiunque ti dica che l\u2019assenza di credenziali sia indice di sospetto ha invertito la logica.<\/p>\n\n\n\n
Livello due: le leggi della fisica che funzionano ancora<\/strong><\/h2>\n\n\n\n
Quando la provenienza risulta vuota, \u00e8 qui che bisogna cercare. Il motivo per cui questi segni durano pi\u00f9 a lungo di quelli anatomici \u00e8 di natura strutturale.<\/p>\n\n\n\n
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 \u00e8 per lui davvero difficile, a differenza di quanto lo sia mai stato disegnare correttamente una mano.<\/p>\n\n\n\n
Segui la luce<\/strong><\/h3>\n\n\n\n
Seleziona ogni oggetto nell'inquadratura che proietta un'ombra e verifica se le ombre concordano sulla posizione della fonte di luce. All'aperto c'\u00e8 un solo sole, quindi le ombre dovrebbero essere pi\u00f9 o meno parallele e avere una lunghezza coerente rispetto all'altezza degli oggetti. Al chiuso la situazione \u00e8 pi\u00f9 complessa, ma comunque gestibile.<\/p>\n\n\n\n
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\u2019ombra la cui forma non corrisponde all\u2019oggetto che presumibilmente la proietta.<\/p>\n\n\n\n
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 \u00e8 illuminato da destra, rappresenta uno degli errori pi\u00f9 comuni nella creazione di immagini in stile composito, e una volta che iniziate a cercarlo, lo trovate ovunque.<\/p>\n\n\n\n
Esamina attentamente ogni superficie riflettente<\/strong><\/h3>\n\n\n\n
Per un modello, la rappresentazione dei riflessi \u00e8 complessa da realizzare correttamente, poich\u00e9 richiede la comprensione della geometria dell'intera scena da un secondo punto di vista.<\/p>\n\n\n\n
Osserva specchi, finestre, pavimenti lucidi, la carrozzeria delle auto, l\u2019acqua, gli occhiali da sole e gli schermi dei telefoni. Chiediti se ci\u00f2 che si riflette corrisponde a ci\u00f2 che \u00e8 effettivamente presente nella scena, nella posizione corretta, nella giusta scala e capovolto correttamente.<\/p>\n\n\n\n
Il test dei riflessi negli occhi \u00e8 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, poich\u00e9 entrambi gli occhi sono rivolti verso le stesse luci.<\/p>\n\n\n\n
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.<\/p>\n\n\n\n
Controllare il piano focale<\/strong><\/h3>\n\n\n\n
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.<\/p>\n\n\n\n
Le immagini generate risultano spesso sfocate a causa di importanza dell'oggetto<\/em> piuttosto che in base alla distanza, per cui si pu\u00f2 notare un elemento sullo sfondo nitidamente definito mentre qualcosa accanto ad esso, alla stessa profondit\u00e0, risulta sfocato, oppure un soggetto nitido dal naso all\u2019orecchio in uno scatto in cui la sfocatura dello sfondo suggerisce una profondit\u00e0 di campo molto ridotta. La forma del bokeh \u00e8 un altro aspetto.<\/p>\n\n\n\n
Le vere sfocature assumono la forma dell'apertura dell'obiettivo e rimangono uniformi in tutto l'inquadratura.<\/p>\n\n\n\n
Verifica delle relazioni tra le scale<\/strong><\/h3>\n\n\n\n
I modelli non sono affidabili nel rappresentare le proporzioni relative tra gli oggetti, e gli errori passano facilmente inosservati perch\u00e9 l'occhio percepisce la composizione come un tutt'uno.<\/p>\n\n\n\n
Cerca una porta leggermente troppo piccola per la persona che la attraversa, una tazza da caff\u00e8 che possa contenere un litro, un\u2019auto le cui ruote non si abbinino alla carrozzeria, mobili di dimensioni tali da non poter ospitare un essere umano. Questo approccio \u00e8 particolarmente efficace proprio nelle immagini di interni e di strade, dove il tuo istinto \u00e8 pi\u00f9 debole.<\/p>\n\n\n\n
Cerca una trama che si ripeta<\/strong><\/h3>\n\n\n\n
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.<\/p>\n\n\n\n
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\u2019interno di una folla. Ingrandisci lo sfondo piuttosto che il soggetto, poich\u00e9 \u00e8 l\u00ec che il modello ha dedicato meno attenzione.<\/p>\n\n\n\n
Osserva i bordi e i punti di giunzione<\/strong><\/h3>\n\n\n\n
\u00c8 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.<\/p>\n\n\n\n
Segui qualsiasi oggetto lineare che passi dietro a qualcos\u2019altro 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.<\/p>\n\n\n\n
Terzo livello: farlo passare attraverso un rilevatore<\/strong><\/h2>\n\n\n\n
La verit\u00e0 \u00e8 che il primo e il secondo livello ti lasceranno spesso nell\u2019incertezza, e l\u2019incertezza che si risolve fissando con maggiore attenzione tende a confermare ci\u00f2 in cui gi\u00e0 credevi. \u00c8 proprio a questo che serve il software.<\/p>\n\n\n\n
Il Rilevatore di immagini AI<\/a> analizza l'immagine alla ricerca di caratteristiche distintive a livello di pixel e di frequenza, anzich\u00e9 a livello di contenuto visibile, ed \u00e8 proprio per questo che non presenta il tuo punto debole. Non ha alcuna attitudine particolare per i volti n\u00e9 alcuna debolezza specifica nei confronti dei paesaggi.<\/p>\n\n\n\n
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.<\/p>\n\n\n\n
Indicazioni pratiche per un corretto utilizzo di qualsiasi pozzetto per rilevatori:<\/p>\n\n\n\n
- \n
- Forniscigli la versione della massima qualit\u00e0 che riesci a trovare. Una compressione eccessiva distrugge le informazioni sulle frequenze pi\u00f9 sottili su cui si basano i rilevatori, quindi uno screenshot di uno screenshot \u00e8 il peggior input possibile.<\/li>\n\n\n\n
- 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 \u00e8 indicativo. Un punteggio vicino al valore medio significa che occorre approfondire l\u2019analisi, non tirare a sorte.<\/li>\n\n\n\n
- Analizza i livelli nel loro insieme. L\u2019assenza di credenziali di provenienza, un\u2019incongruenza nell\u2019ombra e un punteggio elevato del rilevatore costituiscono una conclusione. Ciascuno dei tre elementi, preso singolarmente, rappresenta un sospetto.<\/li>\n\n\n\n
- Ricordate che un ritocco intenso di una foto reale pu\u00f2 migliorare l\u2019immagine originale, proprio come un\u2019elaborazione eccessiva complica il rilevamento audio. La fotografia commerciale ritoccata rappresenta il rischio pi\u00f9 comune di falsi positivi.<\/li>\n<\/ul>\n\n\n\n
![\"ai-video-detector-1024x424\"](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2026\/08\/ai-video-detector-1024x424-3.webp\" "\\"\\"")
<\/figure>\n<\/div>\n\n\nSe l'immagine proviene da un video, estrai un fotogramma pulito oppure usa il Rilevatore video AI<\/a> al contrario, poich\u00e9 \u00e8 in grado di rilevare i segnali di movimento e di coerenza temporale che un singolo fotogramma tralascia.<\/p>\n\n\n
- Quando l'esame della vista non \u00e8 conclusivo, cosa che capita spesso, il Rilevatore di immagini AI<\/a> ti fornisce una lettura in pochi secondi e non fa distinzione tra un volto e un parcheggio.<\/li>\n<\/ul>\n\n\n\n
- Gli indizi che funzionano ancora riguardano la fisica, non l\u2019anatomia. La direzione delle ombre, i riflessi, la profondit\u00e0 di campo e i rapporti di scala sono elementi molto pi\u00f9 difficili da mantenere coerenti per un modello rispetto a una mano.<\/li>\n<\/ul>\n\n\n\n
- 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 n\u00e9 in un senso n\u00e9 nell'altro.<\/li>\n<\/ul>\n\n\n\n
- Verificate la provenienza prima di controllare i pixel. A partire da maggio 2026, ogni immagine generata da ChatGPT riporter\u00e0 sia una credenziale C2PA che una filigrana SynthID, e Google sta integrando funzionalit\u00e0 di rilevamento in Search e Chrome.<\/li>\n<\/ul>\n\n\n\n
- Sei bravissimo a individuare i volti falsi e pessimo nel riconoscere paesaggi, oggetti e scene di strada falsi. Quasi tutti i consigli pi\u00f9 diffusi riguardano i volti, che \u00e8 proprio la categoria in cui sei gi\u00e0 bravo.<\/li>\n<\/ul>\n\n\n\n
![\"indetectable-ais-ai-voice-detector-1024x459\"](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2026\/08\/undetectable-ais-ai-voice-detector-1024x459-3.webp\" "\\"\\"")
<\/figure>\n<\/div>\n\n\n