De opkomst van deepfake-technologie heeft het steeds moeilijker gemaakt om onderscheid te maken tussen echt en gegenereerd inhoud. Deepfake-experts Theo Gevers en Zeno Geradts, beiden afkomstig van de Universiteit van Amsterdam, belichten hoe deze sluwe creaties die bijna niet te onderscheiden zijn van de werkelijkheid, gedetecteerd kunnen worden.
Bijvoorbeeld, subtiele gezichtsuitdrukkingen, die verbonden zijn aan emoties, komen mogelijk niet overeen met begeleidende gebaren of bewegingen. Kijk goed – als de rimpels of plooien in het gezicht van een persoon niet natuurlijk veranderen met hun uitdrukkingen, kan dit een aanwijzing zijn voor manipulatie.
Lichtinconsistenties kunnen ook een nepvideo verraden. Als de lichtbron in de video niet overeenkomt met de richting van de schaduwen of de hoogtepunten op het gezicht van de persoon, kan dit erop wijzen dat de beelden zijn aangepast.
Bij het overwegen van fysieke accessoires, zoals sieraden, zijn inconsistenties zoals een oorbel die aan één oor verschijnt maar niet aan de andere, duidelijke tekenen van een deepfake.
Een subtiele maar herkenbare hint zou kunnen liggen in de randen van het gezicht. Verschillen in huidskleur of slecht gemengde gezichtskenmerken suggereren dat een gezichtswisseltechniek zou kunnen zijn toegepast.
Bovendien kunnen ongebruikelijke visuele elementen zoals onnatuurlijk knipperen, haarpatronen of disproportionele verhoudingen tussen hoofd en lichaam ook wijzen op kunstmatige tussenkomst.
De harmonie tussen beeld en geluid is een ander interessant gebied. Het is moeilijk om het emotionele bereik en de toonvariaties van een menselijke stem nauwkeurig na te bootsen met algoritmen, dus tegenstrijdigheden hier kunnen wijzen op manipulatie.
Aanhoudende lip-syncfouten, waarbij de bewegingen van iemands mond niet overeenkomen met de spraak, kunnen ook onthullen dat een video een deepfake is.
Ten slotte kan het verifieren van de bron van een video door deze te vergelijken met betrouwbare bronnen duidelijkheid bieden over de authenticiteit, evenals het identificeren van eventuele discrepanties.
Door aandacht te besteden aan deze details kunnen kijkers zichzelf trainen om deepfakes te herkennen, waardoor zij een sceptische en analytische mindset ontwikkelen ten opzichte van het consumeren van digitale media.