AI versus echte foto's: een complete gids voor het herkennen van door AI gegenereerde afbeeldingen
Roxy · SUS IT-redactieteam
Roxy behandelt door AI gegenereerde media, sociale platforms en digitale authenticiteit voor SUS IT.
Hoe u afbeeldingen kunt identificeren die zijn gegenereerd door Midjourney, DALL-E, Stable Diffusion en Flux – van visuele informatie tot forensische pixelanalyse.
In 2026 is het onderscheiden van een echte foto en een door AI gegenereerde afbeelding een van de praktisch belangrijkere vaardigheden op het gebied van visuele geletterdheid geworden die je kunt ontwikkelen. Midjourney v6, DALL-E 3, Stable Diffusion XL en Flux kunnen allemaal beelden produceren die de gewone inspectie doorstaan. De afbeeldingen verschijnen in nieuwsverhalen, sociale media, juridische documenten en marketingmateriaal. Weten hoe je ze moet evalueren – zowel visueel als forensisch – is niet langer optioneel voor iedereen die met digitale inhoud werkt.
Waarom visuele detectie steeds moeilijker wordt
Eerdere AI-beeldgeneratoren hadden consistente, bekende zwakke punten: handen met te veel vingers, onleesbare tekst, tranende ogen en een onnatuurlijke huidtextuur. De generatie-op-generatie verbeteringen in modellen als Midjourney en Flux hebben deze oppervlakte-informatie grotendeels aangepakt. Nieuwere modellen zijn getraind op veel grotere datasets, gebruiken geavanceerdere aandachtsmechanismen en hebben specifieke trainingsprocedures om bekende faalmodi te corrigeren. Het resultaat zijn beelden die bij nauwkeurige visuele inspectie stand houden op manieren die twee jaar geleden eenvoudigweg niet mogelijk waren. Dit is de reden waarom forensische analyse – het onderzoeken van eigenschappen die onzichtbaar zijn voor het menselijk oog – steeds belangrijker is geworden.
Handen, tanden en lichamen
Ondanks verbeteringen blijft de menselijke vorm een gebied van relatieve zwakte voor AI-generatoren. Kijk goed naar de handen in elk door AI gegenereerd beeld, vooral waar vingers in aanraking komen met objecten, samenvloeien bij de knokkels of achter andere elementen verschijnen. Hoewel het probleem van de "zes vingers" grotendeels is opgelost, blijven er subtiele problemen bestaan: ongebruikelijke vingerverhoudingen, vingernagels in vreemde hoeken of gewrichten die niet goed buigen. Tanden zijn eveneens een uitdaging: door AI gegenereerde glimlachen laten soms te veel tanden zien, tanden die niet in één lijn liggen met de kaakstructuur of een ongebruikelijke geometrie van de tandvleesrand. Lichamen die vanuit ongebruikelijke hoeken of in ongebruikelijke posities worden bekeken, zullen eerder vervorming vertonen.
Tekst en cijfers
Leesbare tekst in door AI gegenereerde afbeeldingen is nog steeds een van de meest betrouwbare detectiesignalen. Letters kunnen subtiel misvormd zijn: een kleine letter 'a' die er enigszins verkeerd uitziet, een 's' die ongebruikelijk gebogen is, cijfers op een wijzerplaat of scorebord die niet helemaal logisch zijn. Zelfs als individuele karakters er correct uitzien, kunnen woorden en zinsneden onzinnig, verkeerd gespeld of grammaticaal onjuist zijn. Borden, labels, logo’s en krantenkoppen in AI-afbeeldingen mislukken vaak bij nauwkeurig lezen. Dit is vooral handig voor het detecteren van door AI gegenereerde ‘nieuwsfoto’s’ of beelden in documentairestijl.
Achtergrond en omgevingscoherentie
AI-generatoren zijn getraind om afbeeldingen te maken die er op de voorgrond correct uitzien, maar vaak de samenhang verliezen naar de randen en de achtergrond toe. Zoek naar: gebouwen met ramen die niet op één lijn liggen of zich niet aan het perspectief houden; trappen die naar onmogelijke plaatsen leiden; natuurlijke texturen die zich herhalen of herhalen in onnatuurlijke patronen; vegetatie die er afzonderlijk organisch uitziet, maar onmogelijke configuraties vormt aan de randen van het frame. Wateroppervlakken vormen een bijzondere uitdaging: reflecties moeten overeenkomen met de scène erboven, en golfpatronen moeten de natuurkunde gehoorzamen. AI genereert vaak water dat lokaal plausibel lijkt, maar niet correct integreert met de rest van de omgeving.
Verlichting, schaduwen en reflecties
Consistente verlichting is een van de moeilijkste dingen voor AI-generatoren om een volledig beeld goed weer te geven. Zoek naar: schaduwen die in inconsistente richtingen vallen, wat verschillende lichtbronnen voor verschillende elementen suggereert; spiegelende highlights op objecten die niet overeenkomen met de schijnbare lichtbron; reflecties in ogen, glazen of ramen die niet reflecteren wat logischerwijs zou moeten worden weerspiegeld; huidverlichting die uit een andere richting lijkt te komen dan de achtergrondverlichting. Deze inconsistenties zijn vaak subtiel, maar worden zichtbaar zodra je weet waar je naar moet zoeken.
De geluidssignatuur
Echte foto's bevatten ruis: willekeurige variatie in pixelwaarden van de camerasensor. Deze ruis heeft specifieke statistische eigenschappen die variëren per sensortype, ISO-instelling en verwerking. Door AI gegenereerde beelden hebben een fundamenteel andere ruisstructuur. GAN-gebaseerde generatoren (oudere modellen) produceren gestructureerde ruispatronen in gebieden die vlak moeten zijn, zichtbaar als textuur in gladde oppervlakken zoals lucht of huid. Op diffusie gebaseerde generatoren (Midjourney, Stable Diffusion, DALL-E) produceren verschillende artefacten: karakteristieke patronen in hoe details worden weergegeven op verschillende ruimtelijke frequenties. Forensische analysetools onderzoeken deze ruissignaturen op een statistisch niveau dat onzichtbaar is voor het menselijk oog, maar wel betrouwbaar onderscheid maakt tussen fotografische en synthetische oorsprong.
Metagegevens en herkomst
Echte foto's bevatten EXIF-metagegevens: cameramodel, lens, sluitertijd, diafragma, GPS-coördinaten en tijdstempel. Bij AI-gegenereerde afbeeldingen ontbreken deze gegevens doorgaans, of zijn deze verwijderd. Het ontbreken van metadata is geen definitief bewijs van AI-generatie – om privacyredenen worden foto’s routinematig ontdaan van metadata voordat ze worden gepubliceerd – maar de aanwezigheid ervan is een positief signaal van fotografische oorsprong. Bovendien kan omgekeerd zoeken naar afbeeldingen soms de bron van het genereren van AI aan het licht brengen: gegenereerde afbeeldingen worden soms naast de aanwijzingen geïndexeerd of kunnen overeenkomen met patronen van bekende opslagplaatsen voor synthetische afbeeldingen.
Wanneer visuele inspectie niet genoeg is
Voor verificatie waarbij veel op het spel staat – journalistiek, juridische contexten, contentmoderatie – is visuele inspectie niet voldoende. Forensische analyse op pixelniveau onderzoekt: de inhoud van het frequentiedomein van het beeld (AI-generatoren hebben karakteristieke vermogensspectra), de verdeling van ruis over kleurkanalen, compressie-artefactpatronen en de statistische eigenschappen van randen en texturen. De beeldanalysepijplijn van SUS IT past deze technieken toe om een detectieresultaat te bieden met een bijbehorend betrouwbaarheidsniveau, waardoor AI-generatie wordt geïdentificeerd, zelfs in beelden die visueel onberispelijk lijken. Als er veel op het spel staat, moet forensische verificatie de visuele beoordeling aanvullen en niet vervangen.