Estudo comprova que retratos gerados por IA já se confundem com fotos reais

Um levantamento conduzido por universidades do Reino Unido e de Israel demonstra que a inteligência artificial atingiu um patamar em que retratos sintéticos de pessoas reais se tornam praticamente indistinguíveis de fotografias autênticas. A conclusão, extraída de quatro experimentos independentes, expõe a crescente dificuldade de verificar a veracidade de registros visuais e amplia a preocupação com o uso de deepfakes em campanhas de desinformação.

Quem liderou e por que investigou a nova fronteira dos retratos artificiais

A investigação foi realizada pela Universidade de Swansea, pela Universidade de Lincoln e pela Universidade Ariel. O objetivo era testar se ferramentas de última geração, como ChatGPT e DALL-E, conseguem enganar observadores humanos mesmo quando estes estão familiarizados com os rostos mostrados. Ao perceber que falsificações anteriores limitavam-se a personagens fictícios, o grupo decidiu avançar produzindo imagens de figuras públicas reais, ampliando o grau de dificuldade do reconhecimento.

Como os cientistas produziram e selecionaram as imagens avaliadas

Para elaborar o conjunto de amostras, os pesquisadores utilizaram os modelos da OpenAI para gerar retratos inéditos de pessoas famosas e de personagens inventados. Cada criação sintética foi pareada com uma fotografia verídica correspondente. Na sequência, o material foi organizado em blocos que mesclavam originais e composições digitais, evitando pistas de ordem ou repetição que pudessem influenciar o julgamento dos participantes.

Metodologia dos quatro experimentos realizados

O estudo dividiu-se em quatro etapas, todas baseadas na tarefa central de diferenciar imagens genuínas das produzidas por IA.

Primeira etapa – teste geral de reconhecimento
Voluntários de Estados Unidos, Canadá, Reino Unido, Austrália e Nova Zelândia receberam lotes aleatórios de fotografias e precisaram classificar cada item como real ou sintético. Mesmo com diversidade cultural e de formação, a maior parte dos participantes errou em grande número de tentativas, sinalizando que a confusão não se limita a um grupo específico.

Segunda etapa – celebridades de Hollywood
Outra rodada concentrou-se em rostos de grande exposição midiática, entre eles Paul Rudd e Olivia Wilde. O raciocínio por trás desse recorte era verificar se a alta familiaridade do público com figuras constantemente presentes em filmes, séries e entrevistas facilitaria a detecção de falsificações. O resultado mostrou que a notoriedade dos atores não garantiu acerto: a taxa de confusão permaneceu elevada.

Terceira etapa – auxílio visual por imagens de referência
Buscando compreender se o acesso simultâneo a uma foto original ajudaria na comparação, os pesquisadores disponibilizaram retratos reais como material de apoio. Ainda assim, os acertos mal se deslocaram de patamares aleatórios, indicando que a proximidade de um modelo autêntico não basta para descobrir as sutis diferenças inseridas pelos algoritmos.

Quarta etapa – familiaridade declarada
Por fim, os voluntários informaram seu grau de conhecimento prévio sobre cada rosto mostrado. A correlação entre familiaridade e desempenho, porém, revelou-se mínima. Mesmo quem declarou conhecer muito bem determinada celebridade errou frequentemente ao sinalizar a procedência da imagem exibida.

Por que os erros persistem mesmo com pistas adicionais

Segundo os coordenadores da pesquisa, as redes neurais responsáveis pelos retratos sintéticos replicam texturas, volumes e nuances de iluminação em níveis microscópicos, reduzindo as imperfeições que outrora denunciavam manipulações digitais. Quando confrontado com esse refinamento visual, o cérebro humano tende a confiar em sinais globais, como simetria do rosto ou nitidez do olhar, elementos que o software consegue reproduzir com precisão quase fotográfica.

Consequências imediatas para a confiança pública em imagens digitais

A constatação de que até observadores experientes podem se enganar gera impacto direto em várias esferas:

Credibilidade da mídia
Veículos jornalísticos dependem de registros visuais para comprovar fatos. A ascensão de retratos falsos ameaça comprometer a confiança do leitor, obrigando redações a adotar filtros de verificação mais complexos.

Campanhas de desinformação
A facilidade de produzir deepfakes torna viável criar fotografias de celebridades endossando produtos ou políticos, recurso citado pelos pesquisadores como um dos usos mais preocupantes.

Investigação criminal e jurídica
Fotografias costumam servir como evidência em processos. A possibilidade de falsificação indistinguível complica perícias técnicas e decisões baseadas em imagens.

Exemplos recentes que ilustram o alcance dos deepfakes

Alguns episódios já amplificaram o debate público sobre o tema. No início de 2023, circulou nas redes sociais uma imagem do Papa Francisco vestindo um casaco de grife, caso rapidamente identificado como montagem. Outro exemplo citado no material de referência menciona a suspensão de deepfakes envolvendo Martin Luther King Jr. após intervenção da família, enquanto reclamações de um ator da série Breaking Bad levaram a iniciativas para conter falsificações em uma ferramenta de vídeo chamada Sora. Esses casos, apesar de distintos, convergem na mesma preocupação: a reprodução verossímil de figuras conhecidas sem autorização.

Riscos adicionais apontados pelos autores

Entre as ameaças listadas, destacam-se a reutilização de retratos falsos para fraudes financeiras, a manipulação de opinião pública em períodos eleitorais e o enfraquecimento de provas fotográficas em reportagens investigativas. Embora o estudo se concentre em rostos, a mesma tecnologia pode ser aplicada a cenários, documentos ou objetos, ampliando ainda mais o espectro de potenciais danos.

Detecção automática segue em desenvolvimento

Sistemas capazes de identificar padrões artificiais já estão em teste, mas ainda não oferecem cobertura abrangente. Enquanto a tecnologia de verificação não chega a usuários finais, a responsabilidade de desconfiar de imagens “perfeitas demais” recai sobre o público. A equipe envolvida no projeto enfatiza a urgência de métodos complementares, como marcas d’água algorítmicas vinculadas ao processo de criação ou protocolos de autenticação na origem do arquivo.

Medidas recomendadas diante do cenário de incerteza

Os pesquisadores sugerem adotar uma postura crítica na análise de conteúdo visual, principalmente quando a fotografia sustenta afirmações controversas ou de alto impacto. Verificar fontes múltiplas, comparar com registros anteriores e desconfiar de detalhes excessivamente uniformes são estratégias provisórias enquanto ferramentas automatizadas não se popularizam.

Panorama futuro apontado pelo estudo

Até que modelos de detecção acompanhem o ritmo de evolução dos geradores de imagem, a fronteira entre realidade e artifício continuará tênue. A pesquisa britânico-israelense acrescenta evidências concretas de que a familiaridade com o objeto retratado já não oferece garantia. O desafio agora é desenvolver métodos técnicos, educacionais e legais que preservem a integridade da informação visual em um ambiente cada vez mais propenso a manipulações sofisticadas.