La diffusione delle immagini generate dall’intelligenza artificiale che trasformano un normale selfie in un ritratto apparentemente scattato negli anni ’80 mette in evidenza un processo molto più complesso di un semplice filtro fotografico. I sistemi generativi non applicano soltanto una colorazione vintage o una texture simile alla pellicola, ma analizzano l’immagine caricata, individuano i tratti visivi utili a mantenere riconoscibile la persona e ricostruiscono buona parte della fotografia sulla base delle istruzioni fornite nel prompt. Acconciatura, abbigliamento, illuminazione, ambientazione, posa e caratteristiche fotografiche possono quindi essere rigenerati, mentre il volto originale viene utilizzato come riferimento per conservare l’identità del soggetto.
Questo tipo di elaborazione richiede che il selfie venga inviato all’infrastruttura del servizio utilizzato. L’immagine passa quindi dai dispositivi personali dell’utente ai server della piattaforma, dove viene elaborata dai modelli AI insieme al prompt e agli altri dati necessari alla generazione. A seconda del servizio, possono essere conservati per periodi differenti l’immagine originale, il risultato generato, le istruzioni testuali, alcuni metadati e le informazioni associate all’account o alla sessione. Per questo motivo la trasformazione di una fotografia personale attraverso l’AI implica anche una valutazione delle condizioni d’uso e delle politiche sulla privacy applicate dal singolo fornitore.
Il volto rappresenta inoltre una categoria particolarmente delicata di informazione. Una fotografia sufficientemente definita contiene infatti caratteristiche fisiche che possono essere utilizzate da sistemi di riconoscimento o analisi facciale, anche se il semplice caricamento di una foto non significa automaticamente che il servizio stia creando o utilizzando un profilo biometrico dell’utente. La distinzione dipende dal modo in cui l’immagine viene trattata, dalle finalità dichiarate dalla piattaforma e dalle normative applicabili. Proprio per questo, prima di utilizzare strumenti che richiedono l’upload di ritratti personali è importante distinguere tra il trattamento necessario per generare l’immagine richiesta e un eventuale utilizzo ulteriore dei contenuti per migliorare prodotti, modelli o servizi.
Le piattaforme di intelligenza artificiale possono infatti ottenere valore anche dalle interazioni apparentemente più semplici. Un’immagine generata per partecipare a una tendenza social produce dati sull’utilizzo del servizio, sui tipi di trasformazione richiesti, sui prompt più popolari e sui comportamenti degli utenti. In alcuni casi i contenuti e le interazioni possono inoltre essere utilizzati per migliorare i sistemi, nei limiti previsti dai termini del servizio e dalle impostazioni disponibili. Non esiste però una regola unica valida per tutti i generatori: politiche di conservazione, addestramento, revisione umana e gestione dei dati possono cambiare sensibilmente da una piattaforma all’altra.
La trasformazione di un selfie in un’immagine retro richiede anche una quantità di calcolo sensibilmente superiore rispetto all’applicazione di un normale filtro fotografico. I modelli generativi devono interpretare l’immagine originale, elaborare il prompt e produrre nuovi pixel attraverso numerosi passaggi di inferenza su GPU o altri acceleratori specializzati. Il costo di una singola generazione può apparire trascurabile, ma cambia scala quando milioni di persone partecipano contemporaneamente alla stessa tendenza e spesso producono più versioni della medesima fotografia prima di ottenere il risultato desiderato.
La popolarità di questi fenomeni ha quindi un effetto diretto sul carico dei data center. L’elaborazione delle immagini utilizza capacità computazionale, energia elettrica e infrastrutture di raffreddamento, mentre l’aumento improvviso delle richieste può tradursi in un incremento significativo delle risorse necessarie a fornire il servizio. Il problema non riguarda la singola immagine, ma l’effetto cumulativo derivante da un utilizzo su larga scala dell’AI generativa per attività che possono essere ripetute decine o centinaia di milioni di volte.
Dal punto di vista tecnico, le immagini “anni ’80” mostrano inoltre quanto siano diventati sofisticati i sistemi di image editing generativo. A differenza dei tradizionali filtri, che modificano prevalentemente colori, contrasto e texture di una fotografia esistente, i modelli multimodali possono preservare elementi come struttura del volto, occhi ed espressione e allo stesso tempo sostituire quasi integralmente tutto il resto della scena. Il risultato è quindi una nuova immagine sintetica costruita a partire dalla fotografia caricata, non semplicemente una versione modificata pixel per pixel dell’originale.
La viralità di queste trasformazioni rende così visibile uno scambio che normalmente rimane in secondo piano. L’utente ottiene rapidamente un contenuto personalizzato e facilmente condivisibile, mentre la piattaforma riceve traffico, utilizzo dei propri modelli e informazioni sulle modalità con cui le persone interagiscono con gli strumenti generativi. A questo si aggiunge il costo infrastrutturale necessario a produrre le immagini. Prima di caricare fotografie personali, soprattutto quando contengono volti propri o di altre persone, diventa quindi utile verificare quali dati vengano raccolti, quanto a lungo siano conservati, per quali finalità possano essere utilizzati e quali opzioni siano disponibili per limitarne il trattamento.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)