Hoe herken je een deepfake?

Door de snelle ontwikkeling van generatieve kunstmatige intelligentie is het steeds eenvoudiger geworden om geloofwaardige audio, foto’s en video’s te manipuleren of geheel te fabriceren. Dergelijke gemanipuleerde media worden vaak ‘deepfakes’ genoemd. Wie beelden op sociale media of in berichtenapps voorbij ziet komen, vraagt zich steeds vaker af: is dit echt gebeurd?

Het herkennen van een deepfake vraagt om een combinatie van visuele oplettendheid, technisch inzicht en vooral journalistiek brondonderzoek.

Mogelijke visuele en auditieve aanwijzingen

Vroege generaties deepfakes vielen op door grove beeldfouten, zoals ontbrekende oogknipperingen of wazige overgangen rond het gezicht. Moderne AI-modellen zijn aanzienlijk geavanceerder, maar er zijn soms nog subtiele onregelmatigheden zichtbaar:

• Ogen, blikrichting en reflecties: In echte opnamen weerspiegelen beide ogen exact dezelfde lichtbronnen in de omgeving. Bij synthetische gezichten ontbreekt deze symmetrie soms, of wijkt de pupilvorm licht af.
• Mondbewegingen en synchronisatie: Let op de congruentie tussen lippen en klanken. Soms beweegt de mond fracties van een seconde vóór of na het geluid, of sluiten de lippen niet natuurlijk bij klanken zoals ‘p’, ‘b’ en ‘m’.
• Randcontouren en haren: De overgang tussen de kaaklijn en de achtergrond, evenals individuele haarlokken of brillenglazen, kan bij snelle hoofdbewegingen tijdelijk vervagen of digitaal flikkeren.
• Belichting en perspectief: Schaduwen die niet overeenkomen met de richting van de lichtbron, of een onscherpe hals onder een haarscherp gezicht.
• Audio-onregelmatigheden: Bij gekloonde stemmen (stemnabootsing) ontbreekt vaak een natuurlijke ademhaling, klinkt de intonatie soms monotoon of zijn er lichte metalige bijgeluiden hoorbaar.

Waarom één afwijking nooit het bewijs levert

Een cruciale vuistregel bij media-analyse luidt: geen enkel visueel of auditief detail levert op zichzelf sluitend bewijs dat een video nep is.

Moderne videocompressie, slechte webcambeelden, compressie-artefacten op chatapps en ongunstige belichting veroorzaken regelmatig haperingen en vervagingen die verdacht lijken, maar volkomen natuurlijk zijn. Omgekeerd worden geavanceerde deepfakes inmiddels geproduceerd zonder dat er met het blote oog nog duidelijke fouten waarneembaar zijn. Wie uitsluitend vaart op subjectieve visuele indrukken, loopt het risico echte beelden onterecht als nep te bestempelen (de zogeheten ‘liar’s dividend’) of geraffineerde vervalsingen voor waar aan te zien.

De beperkingen van geautomatiseerde detectietools

Het idee dat een softwarefilter of app automatisch kan bepalen of een bestand door AI is gegenereerd, blijkt in de praktijk een illusie. Veel detectietools kampen met ernstige beperkingen:

1. De wapenwedloop in modellen: Generatieve modellen werken veelal met technieken waarin een generator continu concurreert met een discriminator (zoals bij generatieve netwerken). Zodra een detector leert waarop gelet moet worden, wordt die kennis direct ingezet om de generator te verfijnen.
2. Compressieverlies: Detectietools zoeken vaak naar minuscule wiskundige patronen in pixels. Zodra een video wordt geüpload naar YouTube, TikTok of WhatsApp, herschrijft het platform de compressie. Hierdoor verdwijnen de subtiele kenmerken waarop detectietools vertrouwen.
3. Valse positieven: Testen tonen regelmatig aan dat legitieme foto’s met harde filters door detectietools als AI worden aangemerkt, terwijl pasgemaakte AI-beelden erdoor glippen.

Europese regels en watermerken

Om manipulatie tegen te gaan, verplicht de Europese AI-verordening aanbieders van AI-systemen om synthetische media te voorzien van duidelijke aanduidingen en machineleesbare markeringen, zoals cryptografische metadata en digitale watermerken. De Europese Commissie heeft daarnaast gedragscodes opgesteld met tientallen ondertekenaars uit de techsector.

Hoewel standaarden zoals C2PA (digitale echtheidscertificaten) waardevol zijn, bieden ze geen waterdichte garantie: kwaadwillenden kunnen open-source modellen gebruiken waarin deze watermerken bewust worden weggelaten of gestript.

De belangrijkste stap: controleer de oorspronkelijke bron

Omdat visuele controle en software niet onfeilbaar zijn, blijft klassieke bronverificatie de meest betrouwbare methode:

• Herleid de oorsprong: Waar dook het materiaal voor het eerst op? Is het gedeeld door een geverifieerde instelling, een erkend persbureau of een anoniem account?
• Zoek met omgekeerde beeldzoekopdrachten: Maak een schermafbeelding van een representatief frame en zoek deze op via zoekmachines. Vaak blijkt het beeld afkomstig uit een oudere context of een ander evenement.
• Controleer secundaire berichtgeving: Als een politicus of bekend persoon werkelijk een schokkende uitspraak heeft gedaan, berichten gerenommeerde media daar gelijktijdig over. Ontbreekt elke onafhankelijke bevestiging, wees dan uiterst terughoudend.
• Raadpleeg de betrokkene via een ander kanaal: Bij verdachte verzoeken of oproepen — bijvoorbeeld telefonische stemfraude of directieverzoeken — is direct terugbellen via een officieel bekend nummer de enige zekere controle.