← Todos os guias Jornalismo

Imagens de IA na desinformação eleitoral

A maioria das imagens políticas enganosas são fotografias reais com legendas falsas. Onde a detecção ajuda, onde ela induz ativamente ao erro e o que fazer nas horas que importam.

· 10 min de leitura · Best AI Image Detector

Verifique a legenda antes dos pixels. A forma dominante de desinformação com imagens políticas é uma fotografia autêntica e não editada apresentada com uma data, local ou contexto falsos, e ela passa por todos os detetores porque nada nela é sintético.

As três categorias, por ordem de frequência

Classificá-las primeiro evita o erro analítico mais comum, que é executar um detetor em algo que nenhum detetor consegue resolver e tomar o resultado limpo como um veredito.

  1. Fotografia real, contexto falso. A categoria dominante por margem ampla. Uma imagem genuína de outro país ou de outro ano, legendada como sendo de hoje.
  2. Fotografia real, alterada. Uma multidão aumentada, um cartaz modificado, uma pessoa removida ou adicionada. Detectável, e o mapa de regiões é o que o revela.
  3. Totalmente gerada. Uma cena que nunca aconteceu. A mais comentada e a menos comum, embora esteja a crescer.

A primeira categoria é invisível à análise de pixels por definição. A fotografia é genuína, foi tirada por uma câmara e carrega todas as propriedades estatísticas de uma fotografia, porque é exatamente isso que ela é.

Esta é a coisa mais importante para qualquer pessoa que faça verificação eleitoral interiorizar. Um resultado de detecção limpo numa imagem política enganosa é o resultado esperado, e relatá-lo como evidência de autenticidade é o que faz com que um verificador se torne parte do problema.

Busca reversa Verificação de pixels Mapa de regiões
Foto real, legenda falsa Yes Encontra a original No Lê-se como genuína No
Multidão ou cartaz alterados Partly Pode encontrar a não alterada Partly A pontuação permanece baixa Yes Calor localizado
Pessoa inserida ou removida Partly Às vezes No Diluído pelo enquadramento Yes Este é o seu caso
Cena totalmente gerada Partly Sem cópias anteriores Yes O seu melhor caso Yes Plana e quente
Que ferramenta alcança qual categoria. A mais comum encontra-se na coluna da esquerda.

Trabalhar nas horas que importam

As alegações sobre imagens políticas circulam mais rapidamente no período em que a verificação é mais difícil: os dias finais de uma campanha, a noite de uma votação e as horas após uma contagem. A pressão da velocidade faz parte do design.

Uma sequência ajuda mais do que qualquer ferramenta isolada, porque prioriza as verificações que são rápidas e conclusivas e deixa as lentas e ambíguas para o fim.

  1. Busca reversa de imagem primeiro

    Dez segundos, e resolve a categoria maior de imediato ao encontrar uma cópia anterior com a legenda verdadeira.

  2. Verifique o que está no enquadramento

    Sinalização, idioma, matrículas de veículos, estação do ano, arquitetura. Uma fotografia legendada como sendo de um país que mostra as marcações rodoviárias de outro já respondeu por si mesma.

  3. Execute uma verificação de pixels e leia o mapa

    É aqui que surge uma multidão alterada ou um cartaz modificado, e onde a pontuação principal o subestimará.

  4. Encontre a publicação mais antiga

    Quem a publicou primeiro, quando, e o que disseram que era. A proveniência supera a análise sempre que estiver disponível.

  5. Publique a incerteza

    Quando a resposta não está resolvida, dizê-lo é melhor do que um veredito implícito em qualquer direção.

O quinto passo é o que separa a verificação da advocacia. Um resultado inconclusivo honesto é mais útil para um leitor do que uma resposta errada confiante, e consideravelmente mais fácil de corrigir mais tarde.

Porque é arriscado publicar o resultado de um detetor

Um número carrega uma autoridade que a sua taxa de erro não suporta. Publicar que uma imagem obteve 71 convida os leitores a tratá-la como uma medição da verdade, e as ressalvas perdem-se na partilha.

Também é assimetricamente perigoso em contextos políticos. Chamar erroneamente de falsa uma fotografia genuína entrega uma queixa real a quem a publicou, e uma correção nunca alcança o público que a original alcançou.

A regra prática em que a maioria das redações se fixou é usar a detecção como um sinal de triagem interno e publicar apenas descobertas que uma pessoa possa explicar independentemente da pontuação: a cópia anterior, a sinalização incompatível, a região alterada visível quando apontada.

O que as redações estão a fazer de diferente agora

A resposta prática na maioria das mesas de verificação tem sido colocar a detecção mais tarde no processo, em vez de mais cedo. O trabalho de proveniência vem primeiro, porque produz descobertas que podem ser publicadas, e a análise vem por último, porque produz números que não podem.

Essa inversão importa. Um verificador que executa um detetor primeiro apoia-se na sua resposta, depois procura evidências que a apoiem. Um verificador que pesquisa primeiro chega ao detetor já sabendo o que a imagem alega ser, que é o único contexto em que uma pontuação significa alguma coisa.

Várias redações também deixaram de publicar pontuações por completo, embora continuem a usá-las internamente. O raciocínio é que um número convida o leitor a tratar a verificação como uma medição, e as ressalvas que a tornam honesta não sobrevivem à partilha.

O que fazer quando não consegue resolver o caso

Uma parte significativa das imagens políticas não pode ser resolvida dentro de um prazo útil. A fotografia está degradada, a cópia mais antiga é impossível de encontrar, a pontuação situa-se no meio e o prazo é agora.

Dizê-lo é um resultado legítimo. Uma nota a explicar o que foi verificado, o que foi encontrado e o que permanece desconhecido é mais útil para um leitor do que um veredito implícito, e é muito mais fácil de atualizar quando chega melhor informação.

Também protege contra o tipo de falha que causa o dano mais duradouro na cobertura política, que é um chamado confiante na direção errada. Uma correção nunca alcança o público que a alegação original alcançou, e o erro torna-se evidência para o próximo argumento.

Quando uma alegação não pode ser resolvida e está a espalhar-se, a atitude mais produtiva é geralmente reportar sobre a alegação em vez de adjudicar a imagem: quem a está a circular, quando apareceu e para que argumentar está a ser usada.

Um hábito vale a pena ser adotado, independentemente do seu prazo. Anote o que a imagem alega mostrar antes de executar qualquer verificação, depois verifique essa alegação em vez da imagem. É uma disciplina pequena e evita o erro analítico mais comum neste campo.

Perguntas que as pessoas fazem

As imagens de IA são o principal problema de desinformação eleitoral?
Não. As fotografias genuínas com legendas falsas continuam a ser muito mais comuns, mais partilháveis e mais difíceis de desmistificar, porque não há nada de sintético para encontrar. Um detetor devolve um resultado limpo nelas, corretamente, e é por isso que a busca reversa de imagem tem de vir primeiro.
O que é que um detetor realmente apanha aqui?
Duas coisas bem: cenas totalmente geradas e alterações localizadas, como uma multidão aumentada, um cartaz modificado ou uma figura inserida. A segunda aparece no mapa de regiões em vez da pontuação, que permanece baixa porque a maior parte do enquadramento é uma fotografia real.
Posso publicar uma pontuação de detecção numa verificação de factos?
É imprudente por si só. Um número implica uma precisão que a taxa de erro não suporta, e um erro de avaliação em imagens políticas entrega uma queixa a quem a publicou. Publique descobertas que um leitor possa verificar de forma independente e use a pontuação para direcionar onde olha.
Como verifico uma foto rapidamente durante um evento ao vivo?
Busca reversa de imagem primeiro, depois leia o que está no enquadramento: sinalização, idioma, matrículas, estação do ano, arquitetura. Ambas são mais rápidas do que qualquer análise e ambas alcançam a categoria maior. Execute a verificação de pixels em terceiro lugar, para os casos alterados e gerados.
O que é o dividendo do mentiroso?
O efeito em que evidências genuínas são descartadas como sintéticas simplesmente porque existem meios sintéticos. É o dano de segunda ordem de todo este campo, e significa que um detetor que rotula erroneamente fotografias reais com confiança causa danos muito além do caso individual.
As plataformas devem rotular imagens políticas automaticamente?
A rotulagem baseada em marcadores dentro de um ficheiro é fiável quando é acionada e silenciosa no resto do tempo, porque a maioria das imagens não traz nenhum marcador. A rotulagem baseada na pontuação de um detetor à escala aplicaria uma taxa de erro publicada a milhões de imagens, o que é uma proposta totalmente diferente.