Come le immagini generate dall'intelligenza artificiale vengono utilizzate nelle campagne di disinformazione

La fotografia virale di un politico a una protesta a cui non ha mai partecipato. L'immagine con il timbro di un'agenzia di stampa che ritrae un evento catastrofico mai accaduto. La foto "testimone oculare" di una celebrità mentre commette un reato, condivisa decine di migliaia di volte prima di essere identificata come sintetica. Le immagini generate dall'IA sono diventate uno strumento standard nelle operazioni di disinformazione, usate da attori statali, gruppi politici e singoli malintenzionati per costruire "prove" a sostegno di affermazioni del tutto false. Capire come funzionano queste operazioni, e come riconoscere le immagini fabbricate, è ormai una competenza fondamentale di alfabetizzazione mediatica.

Come vengono costruite le campagne di disinformazione per immagini

Una campagna di disinformazione per immagini matura è composta da diversi elementi che lavorano insieme. Generazione: gli strumenti di generazione di immagini IA producono le fotografie sintetiche. Midjourney, DALL-E, Stable Diffusion e strumenti costruiti appositamente per la disinformazione (alcuni non disponibili pubblicamente) possono generare su richiesta immagini fotorealistiche di persone specifiche in situazioni specifiche. Il prompt engineering è diventato una competenza vera e propria nelle comunità di disinformazione: costruire prompt che eludano i filtri di sicurezza e producano immagini in stile documentaristico convincente è un'abilità che si può imparare.

Invecchiamento e degrado: le immagini IA grezze spesso appaiono troppo curate. Chi opera campagne di disinformazione applica spesso una post-elaborazione per far sembrare le immagini più simili a fotografie autentiche, aggiungendo grana, artefatti di compressione, metadati EXIF di fotocamere reali e correzioni cromatiche che imitano dispositivi o piattaforme specifiche. Questo rende il rilevamento più difficile sia per gli strumenti automatici sia per gli osservatori umani.

Distribuzione in rete: le immagini vengono pubblicate per prime su piattaforme con una moderazione permissiva, poi condivise nella rete per accumulare visualizzazioni. Spesso un post "seme" su una piattaforma di nicchia viene catturato con uno screenshot e ricondiviso sulle piattaforme mainstream, così che la diffusione principale mostri uno screenshot anziché l'immagine originale, rendendo più difficile il rilevamento basato sull'hash dell'immagine. Account coordinati amplificano il contenuto, portandolo in tendenza prima che la moderazione possa intervenire.

Riciclo del contesto: le immagini di disinformazione più efficaci sono accompagnate da un falso contesto piuttosto che essere completamente inventate. Immagini reali usate fuori contesto, o immagini reali con didascalie fabbricate, sono spesso più efficaci delle immagini interamente sintetiche perché sono più difficili da smentire in modo definitivo. L'immagine sintetica è più potente quando "conferma" un'affermazione già seminata attraverso altri mezzi.

Casi documentati rilevanti

L'esplosione al Pentagono del 2023: un'immagine sintetica che raffigurava una grande esplosione vicino al Pentagono è diventata virale nel maggio 2023, causando una breve volatilità dei mercati azionari prima di essere smentita. L'immagine era stata generata da uno strumento IA e non presentava nessuno dei dettagli contestuali che l'avrebbero collocata nel luogo reale, un dettaglio che è sfuggito a molti di coloro che l'hanno condivisa.

Deepfake politici in diverse elezioni del 2024: in diverse elezioni nazionali del 2024, immagini generate dall'IA che ritraevano candidati in contesti compromettenti o criminali hanno circolato ampiamente sui social media. Le analisi successive alle elezioni hanno identificato campagne coordinate di immagini sintetiche in almeno otto elezioni nazionali.

Immagini umanitarie sintetiche: immagini generate dall'IA di zone di conflitto e disastro sono state usate sia per gonfiare sia per sopprimere l'attenzione verso eventi reali: generando immagini sintetiche di sofferenza per stimolare donazioni verso associazioni benefiche fraudolente, e creando immagini sintetiche che sostengono di mostrare conflitti meno gravi di quanto riportato.

Come identificare le immagini di disinformazione generate dall'IA

Il rilevamento inizia con l'attenzione critica prima della condivisione. L'abitudine più importante è fermarsi prima di diffondere un'immagine che provoca una forte reazione emotiva o che conferma una convinzione preesistente: sono esattamente queste le immagini che le campagne di disinformazione sono progettate per produrre.

La ricerca inversa delle immagini (Google Immagini, TinEye, Yandex) è uno strumento di prima linea. Se l'immagine non ha alcuna presenza precedente sul web, si tratta o di una vera notizia dell'ultima ora o di un contenuto appena creato. Se compare in contesti incoerenti con il contesto dichiarato, viene usata in modo fuorviante.

Esamina i dettagli. Nel 2026 la generazione di immagini IA è eccellente nella coerenza globale, cioè nel far sembrare corretta una scena a un primo sguardo, ma fatica ancora con dettagli specifici osservati da vicino. Mani e dita restano un punto debole per la maggior parte dei modelli. Il testo sullo sfondo è spesso privo di senso o leggermente sbagliato. Incongruenze nell'illuminazione emergono osservando da vicino ombre e riflessi. Loghi istituzionali, distintivi e cartellonistica sono spesso leggermente errati. Le persone sullo sfondo possono apparire sfocate o presentare anomalie anatomiche.

Controlla i metadati. Le fotografie documentarie reali portano tipicamente dati EXIF: modello della fotocamera, coordinate GPS, timestamp, informazioni sull'obiettivo. Le immagini generate dall'IA in genere non hanno dati EXIF, oppure hanno metadati che non corrispondono al contesto dichiarato. Strumenti come Jeffrey's Exif Viewer o ExifTool rendono facile questo controllo. Nota che i metadati possono essere fabbricati o rimossi: l'assenza di metadati sospetti non è prova di autenticità, ma la presenza di metadati incoerenti è un campanello d'allarme.

Usa strumenti di rilevamento IA. SUS IT e strumenti simili analizzano le proprietà spettrali e statistiche delle immagini per identificare le firme della generazione IA. Questi strumenti esaminano caratteristiche come le proprietà nel dominio delle frequenze (le immagini IA hanno pattern caratteristici nelle loro trasformate di Fourier), gli artefatti di sintesi delle texture e le impronte specifiche del modello generativo. Per le immagini che sono state compresse, ritagliate o elaborate dopo la generazione, il rilevamento è più difficile, ma un segnale di rilevamento forte resta una prova significativa.

Controlla la catena della fonte. Dove è stata pubblicata per la prima volta questa immagine? Gli screenshot di screenshot oscurano l'origine. Più ti allontani dalla fonte originale, meno puoi verificare. Per le immagini di cronaca, controlla se qualche agenzia di stampa legittima (AP, Reuters, AFP) ha pubblicato l'immagine con verifica editoriale. Se un'immagine è disponibile solo come screenshot di un post sui social media non verificabile, trattala come non verificata.

La prospettiva forense

Gli strumenti di informatica forense vanno oltre l'ispezione visiva. L'Error Level Analysis (ELA) evidenzia le aree di un'immagine che sono state compresse a livelli diversi, il che può indicare una manipolazione, anche se questa tecnica ha dei limiti con la generazione IA moderna, che produce una compressione coerente su tutta l'immagine. L'analisi nel dominio delle frequenze esamina la trasformata di Fourier di un'immagine alla ricerca di pattern associati alla generazione IA, un metodo più difficile da eludere con la post-elaborazione rispetto all'analisi a livello di pixel. L'analisi del pattern di rumore identifica il profilo di rumore specifico di diversi sensori fotografici, che può confermare o smentire le affermazioni sull'origine di un'immagine. Le organizzazioni giornalistiche professionali usano una combinazione di queste tecniche insieme ad analisti specializzati.

La risposta a livello di piattaforma

Le grandi piattaforme hanno investito in modo significativo nel rilevamento delle immagini IA, ma i loro approcci differiscono. Meta ha implementato l'etichettatura automatica "Realizzato con IA" usando i metadati C2PA (uno standard tecnico che permette di annotare crittograficamente la generazione IA nel file dell'immagine al momento della creazione) e i propri modelli di rilevamento. YouTube applica un rilevamento simile ai contenuti che includono immagini. TikTok combina il rilevamento automatico con l'obbligo di dichiarazione da parte dei creator. Lo standard C2PA, sostenuto da Adobe, Microsoft e altri, rappresenta la soluzione a lungo termine più promettente: incorpora nel file stesso un registro a prova di manomissione dell'origine e della cronologia di modifica dell'immagine. L'adozione sta accelerando ma non è ancora universale.

Cosa possono fare lettori e spettatori

L'indicazione pratica è semplice ma richiede un'applicazione costante. Fermati prima di condividere. La reazione emotiva che ti spinge a condividere immediatamente qualcosa è esattamente ciò che le campagne di disinformazione sfruttano. Controlla la fonte. Due fonti indipendenti e affidabili sono il minimo per qualsiasi affermazione straordinaria. Cerca ciò che manca. Le immagini di disinformazione in genere mancano del contesto di conferma che la fotografia documentaria genuina fornisce: nessuna fonte originale, nessuna ripresa da parte di agenzie di stampa, nessuna copertura da parte dei media locali nel luogo raffigurato. Usa gli strumenti disponibili. La ricerca inversa delle immagini, l'ispezione dei metadati e gli strumenti di rilevamento IA sono gratuiti e richiedono meno di un minuto per essere applicati. Segnala la sospetta disinformazione alla piattaforma e, se pertinente, alle organizzazioni di fact-checking. Prima viene segnalato un contenuto sintetico, meno danni causa.