Un gruppo internazionale di ricercatori coordinato da Amy Dawel dell’Australian National University, e composto da Tanya George, Eric Y. Mah, James D. Dunn, Clare A. M. Sutherland, Nick Argument e James W. Tanaka, ha sviluppato un metodo di addestramento percettivo che permette alle persone di migliorare rapidamente la capacità di distinguere i volti generati dall’intelligenza artificiale dalle fotografie di individui reali. Lo studio, realizzato con il contributo dell’Australian National University, dell’Università di Aberdeen e dell’Università di Victoria, è stato pubblicato sulla rivista scientifica Proceedings of the National Academy of Sciences.
I volti prodotti dai generatori di immagini hanno raggiunto un livello di realismo che rende sempre più difficile distinguerli dalle fotografie di persone reali, soprattutto quando l’immagine presenta una composizione semplice, un’illuminazione coerente e nessuno degli errori visivi più evidenti associati alle prime generazioni di modelli. Il programma sviluppato dal gruppo di ricerca mostra che la capacità umana di riconoscere questi contenuti può essere migliorata rapidamente, senza ricorrere a strumenti automatici di analisi e senza insegnare ai partecipanti una lista rigida di difetti da cercare.
La sperimentazione ha utilizzato migliaia di volti sintetici generati con StyleGAN3, affiancati da immagini fotografiche di persone reali, per costruire sessioni nelle quali i partecipanti dovevano classificare ripetutamente i contenuti osservati. Il sistema comunicava subito se la risposta fosse corretta, permettendo alla persona di modificare progressivamente il proprio criterio di giudizio e di apprendere regolarità difficili da descrivere attraverso una singola caratteristica anatomica.
Il metodo evita di concentrare l’attenzione su anomalie specifiche, come accessori deformati, capelli irregolari, occhi disallineati o dettagli incoerenti dello sfondo, perché questi difetti possono scomparire con l’evoluzione dei modelli e dipendono fortemente dal generatore utilizzato. L’addestramento lavora invece sull’impressione complessiva trasmessa dal volto, portando l’osservatore a riconoscere combinazioni ricorrenti di simmetria, proporzioni, espressività, individualità e memorabilità.
I volti sintetici tendono spesso a mostrare una simmetria più regolare rispetto a quella osservabile nelle persone reali, nelle quali sono comuni leggere differenze tra gli occhi, variazioni nella forma delle sopracciglia, sorrisi non perfettamente bilanciati e piccole irregolarità dei lineamenti. Queste asimmetrie naturali contribuiscono all’identità visiva della persona, mentre i generatori possono produrre configurazioni eccessivamente armoniche, costruite intorno a una distribuzione statistica media delle caratteristiche facciali.
Anche le proporzioni partecipano al giudizio, poiché i volti artificiali possono presentare rapporti molto equilibrati tra occhi, naso, bocca, orecchie e forma del viso. Un volto umano reale contiene frequentemente elementi più marcati, come un naso particolarmente lungo, orecchie prominenti, una mandibola irregolare o una distanza insolita tra gli occhi; queste caratteristiche rendono la persona riconoscibile e riducono quella sensazione di regolarità che può accompagnare le immagini sintetiche.
L’addestramento ha inoltre evidenziato una relazione tra generazione artificiale e percezione dell’attrattiva, perché i modelli possono convergere verso lineamenti giudicati gradevoli e privi di caratteristiche fortemente eccentriche. Il risultato appare spesso curato e plausibile, con una pelle uniforme, proporzioni armoniche e un’espressione controllata; questa qualità non produce necessariamente un volto più realistico, perché la riduzione delle imperfezioni e delle particolarità personali può generare un aspetto visivamente medio e meno individuale.
La distintività costituisce quindi un altro segnale importante. Le persone reali possiedono caratteristiche capaci di renderle identificabili anche dopo una breve osservazione, mentre numerosi volti generati risultano credibili nell’immediato e difficili da ricordare successivamente. La mancanza di un elemento caratterizzante può dipendere dal modo in cui il modello combina tratti frequenti nel materiale di addestramento, producendo un volto statisticamente coerente che non corrisponde a un’identità realmente esistente.
La stessa dinamica riguarda l’espressività, perché un volto umano comunica emozioni attraverso variazioni coordinate dei muscoli facciali, della postura, dello sguardo e della tensione intorno alla bocca. Le immagini sintetiche possono proporre sorrisi, espressioni neutre o atteggiamenti apparentemente naturali, mantenendo però una ridotta complessità emotiva o una coerenza troppo uniforme tra le diverse parti del volto. Durante la formazione, i partecipanti imparano a utilizzare anche questa impressione generale, senza dover identificare un errore localizzato.
La memorabilità riassume in parte l’effetto combinato di queste caratteristiche. Un volto dotato di leggere asimmetrie, proporzioni personali ed espressioni riconoscibili tende a lasciare una traccia più stabile nella memoria; un’immagine sintetica costruita intorno a caratteristiche medie può risultare gradevole e realistica, perdendo rapidamente definizione nel ricordo dell’osservatore. Questo segnale non permette di classificare ogni immagine in modo isolato, ma contribuisce a formare un criterio percettivo più ampio quando viene appreso attraverso numerosi esempi.
Prima dell’addestramento, i partecipanti riuscivano a riconoscere correttamente i volti generati dall’intelligenza artificiale in circa il 40% dei casi, una percentuale inferiore al livello ottenibile attraverso una scelta casuale tra due categorie. Dopo una sessione della durata approssimativa di un’ora, l’accuratezza media ha superato l’80%; alcuni soggetti si sono avvicinati al riconoscimento completo e hanno mostrato anche una maggiore rapidità decisionale e una fiducia più elevata nelle proprie valutazioni.
La procedura è stata replicata con un secondo gruppo di partecipanti e ha prodotto risultati simili anche in modalità online, indicando che il metodo potrebbe essere trasformato in uno strumento formativo accessibile senza la presenza di un laboratorio specializzato. La possibilità di distribuire l’addestramento attraverso piattaforme digitali rende questa impostazione interessante per il personale che gestisce verifiche di identità, profili sospetti, richieste finanziarie, selezione di contenuti e attività nelle quali una fotografia sintetica può essere utilizzata per impersonare una persona inesistente.
I risultati non dimostrano che l’occhio umano possa individuare universalmente ogni immagine artificiale. Le sessioni sono state costruite soprattutto con volti prodotti da StyleGAN3, mentre i generatori più recenti adottano architetture differenti e possono riprodurre imperfezioni, espressioni e asimmetrie con maggiore precisione. L’efficacia dell’apprendimento dovrà quindi essere verificata su immagini provenienti da più modelli, su fotografie modificate parzialmente, su contenuti compressi e sui volti inseriti all’interno di ambienti visivi complessi.
Il metodo richiede inoltre aggiornamenti periodici, perché i segnali percettivi utili in una determinata fase tecnologica possono diventare meno affidabili quando i sistemi generativi vengono addestrati a correggerli. La formazione non dovrebbe trasformare le sei caratteristiche in regole assolute, dato che esistono persone reali molto simmetriche, attraenti o poco espressive e volti sintetici dotati di lineamenti distintivi; il valore della procedura risiede nell’apprendimento statistico maturato attraverso il confronto ripetuto tra molti esempi.
L’addestramento umano può integrare i sistemi di rilevamento automatico, che analizzano artefatti, frequenze dell’immagine, metadati e tracce lasciate dal processo generativo, ma possono perdere efficacia dopo la compressione, il ridimensionamento, il ritaglio o la modifica del file. Un operatore formato aggiunge una valutazione percettiva indipendente, utile per individuare i casi da sottoporre a verifiche successive, senza sostituire i controlli documentali, l’autenticazione dell’identità e l’analisi tecnica dell’immagine.
La ricerca mostra quindi che il riconoscimento dei volti generati non dipende soltanto dall’individuazione di errori evidenti, perché il cervello umano può imparare a distinguere configurazioni visive più sottili attraverso l’esperienza guidata. Un’ora di confronto con riscontro immediato ha modificato in modo rilevante l’accuratezza dei partecipanti, trasformando un giudizio inizialmente poco affidabile in una capacità percettiva applicabile a nuovi esempi prodotti dallo stesso tipo di generatore.