Beeldfabricage: hoe computers foto's en video's leren verzinnen
Beeldfabricage is het door software laten maken of bewerken van beelden die er echt uitzien, maar dat niet zijn. Denk aan een foto van een gebeurtenis die nooit heeft plaatsgevonden, of een video waarin iemand dingen zegt die hij of zij nooit heeft gezegd. De computer 'verzint' de beeldinformatie, pixel voor pixel, op basis van patronen die hij heeft geleerd uit miljoenen bestaande foto's en video's.
Een handige vergelijking is die met een heel getalenteerde forensisch tekenaar die nog nooit de dader heeft gezien, maar op basis van een beschrijving toch een overtuigend portret tekent. Moderne beeldfabricage-software werkt vergelijkbaar: geef het systeem een tekstopdracht ('een kat met een astronautenhelm') of een bestaande foto, en het levert een nieuw, vaak zeer realistisch beeld af. Het verschil met de tekenaar is de snelheid en schaal: waar een mens uren nodig heeft, doet software dit in seconden, en dat voor miljoenen beelden per dag.
Wat is het precies?
Er zijn twee technieken die de basis vormen van vrijwel alle moderne beeldfabricage: GAN's en diffusiemodellen. Daarnaast bestaat er een specifieke toepassing die veel aandacht krijgt: de deepfake.
Een GAN (Generative Adversarial Network, letterlijk 'generatief tegenstrijdig netwerk') bestaat uit twee kunstmatige neurale netwerken die tegen elkaar 'strijden'. Het eerste netwerk, de generator, probeert nepbeelden te maken. Het tweede netwerk, de discriminator, probeert te raden of een beeld echt of nep is. Beide netwerken worden steeds beter: de generator leert overtuigender vervalsen, de discriminator leert scherper doorzien. Na miljoenen rondes ontstaat een generator die beelden maakt die zelfs voor mensen niet meer van echt te onderscheiden zijn. Dit principe werd in 2014 beschreven door onderzoeker Ian Goodfellow en collega's, en vormde jarenlang de standaardtechniek.
Sinds ongeveer 2021-2022 hebben diffusiemodellen de GAN's grotendeels verdrongen als toonaangevende techniek. Een diffusiemodel leert door het omgekeerde proces te oefenen: het neemt een bestaande foto, voegt er stap voor stap steeds meer digitale 'ruis' (willekeurige pixelruis, zoals sneeuw op een ouderwetse televisie) aan toe totdat er alleen nog chaos overblijft, en leert vervolgens die ruis weer stapsgewijs te verwijderen. Eenmaal getraind kan het model dit proces omdraaien: begin met pure ruis, en 'denoise' die in stapjes naar een compleet nieuw, samenhangend beeld, gestuurd door een tekstopdracht. Deze techniek levert doorgaans stabielere en veelzijdigere resultaten op dan GAN's.
Een deepfake is een specifieke toepassing waarbij bestaand beeldmateriaal van een echt persoon wordt gebruikt om diens gezicht, stem of bewegingen te vervangen in ander materiaal. Vaak gebeurt dit met een zogeheten autoencoder: een netwerk dat een gezicht eerst comprimeert tot een soort wiskundige 'samenvatting' van gezichtskenmerken, en die samenvatting daarna weer uitpakt op het lichaam of in de video van een ander. Zo ontstaat het beeld dat persoon A precies doet wat persoon B deed.
Wat wil men ermee bereiken?
De oorspronkelijke drijfveer achter deze technieken is overwegend creatief en commercieel. Filmstudio's willen goedkoop overleden acteurs of jongere versies van bestaande acteurs 'terugbrengen' in beeld. Reclamebureaus willen snel productfoto's genereren zonder duur fotoshoot. Game-ontwikkelaars willen realistische personages en omgevingen bouwen zonder elk detail met de hand te tekenen. Voor gewone gebruikers biedt het de belofte van laagdrempelige creativiteit: iedereen kan met een paar woorden een illustratie, concept of grap-afbeelding maken zonder tekenvaardigheid.
Daarnaast speelt onderzoek een rol: wetenschappers gebruiken generatieve modellen om bijvoorbeeld medische scans te simuleren voor trainingsdoeleinden, of om ontbrekende delen van historische foto's te reconstrueren.
Tegelijk is er een keerzijde die het veld evenveel aandacht geeft: dezelfde techniek die een leuke selfie-filter mogelijk maakt, kan ook nepbewijs, wraakporno of politieke desinformatie produceren. Veel van het huidige onderzoek en beleid richt zich daarom niet alleen op betere generatie, maar ook op detectie en herkenbaarheid van gefabriceerd beeldmateriaal.
Voorbeelden uit de praktijk
In 2021 lanceerde OpenAI DALL-E, een van de eerste modellen die op grote schaal liet zien dat een tekstopdracht kon worden omgezet in een samenhangende, vaak absurdistische afbeelding. Een jaar later volgden Midjourney en Stable Diffusion van Stability AI, die de kwaliteit sterk verbeterden en, in het geval van Stable Diffusion, de onderliggende software openbaar beschikbaar maakten. Daardoor kon vrijwel iedereen met een redelijke computer zelf beelden fabriceren, zonder afhankelijk te zijn van een bedrijf.
Een bekend voorbeeld van hoe overtuigend deze beelden kunnen zijn, is de foto van paus Franciscus in een witte, gewatteerde winterjas, die in maart 2023 viral ging. De foto was gemaakt met Midjourney en werd door een groot deel van het publiek voor echt aangezien, tot de maker het zelf bevestigde.
Op het gebied van deepfakes trok het TikTok-account 'deeptomcruise' in 2021 veel aandacht: een reeks video's waarin een AI-gegenereerde versie van acteur Tom Cruise overtuigend sprak en bewoog, gemaakt door visagist en VFX-specialist Chris Umé in samenwerking met een Tom Cruise-imitator. De video's werden destijds gebruikt om te demonstreren hoe ver deepfake-technologie was gevorderd, en riepen tegelijk zorgen op over misbruik.
Ook in de journalistiek en beeldbewerking is beeldfabricage inmiddels ingebed: Adobe voegde generatieve AI-functies (Firefly) direct toe aan Photoshop, waarmee gebruikers met één klik delen van een bestaande foto kunnen laten aanvullen of vervangen door AI-gegenereerd beeldmateriaal.
Hoe ver is de techniek?
De ontwikkeling gaat snel: waar beelden uit GAN's rond 2018 nog vaak subtiele fouten vertoonden (vervormde handen, asymmetrische gezichten), zijn de nieuwste diffusiemodellen inmiddels in staat tot beelden die bij oppervlakkige beoordeling niet van foto's te onderscheiden zijn. Video en bewegend beeld lopen nog iets achter op statische beelden qua consistentie tussen frames, maar ook daar zijn de verbeteringen de afgelopen twee jaar groot geweest.
Het belangrijkste obstakel is niet langer alleen de kwaliteit van de fabricage, maar de detectie ervan. Automatische detectietools die specifieke technische sporen zoeken (bijvoorbeeld statistische patronen die typisch zijn voor een bepaald model) verouderen snel, omdat elke nieuwe generatie modellen weer andere sporen achterlaat. Dit heeft geleid tot een soort wapenwedloop tussen fabricage en detectie, waarbij geen van beide partijen structureel voorblijft.
Als aanvulling op detectie achteraf wordt gewerkt aan herkomstregistratie vooraf. De C2PA-standaard (Coalition for Content Provenance and Authenticity) is een technische specificatie waarmee camera's, bewerkingssoftware en AI-tools digitaal kunnen vastleggen hoe een beeld is ontstaan of bewerkt, vergelijkbaar met een onvervalsbaar 'paspoort' dat aan het bestand blijft plakken. De standaard wordt inmiddels door meerdere grote softwarebedrijven ondersteund, maar is nog niet overal verplicht of universeel toegepast, en werkt alleen als de metadata niet wordt verwijderd of het beeld niet simpelweg opnieuw wordt gefotografeerd van een scherm.
Op regelgevend vlak verplicht de Europese AI-verordening (AI Act) aanbieders van AI-systemen om synthetisch gegenereerd beeld-, audio- en videomateriaal herkenbaar te labelen, met verplichtingen die gefaseerd van kracht worden. Hoe streng dit in de praktijk wordt gehandhaafd, moet nog blijken.
Wie werken eraan?
Aan de kant van beeldgeneratie lopen OpenAI (DALL-E), Stability AI (Stable Diffusion), Midjourney Inc. en Google DeepMind (met modellen als Imagen) voorop, samen met Meta AI en Adobe, dat generatieve functies direct in zijn bestaande ontwerpsoftware integreert. Chipfabrikant NVIDIA speelt een minder zichtbare maar cruciale rol: naast het leveren van de rekenkracht (GPU's) waarop deze modellen draaien, heeft het bedrijf ook zelf invloedrijk GAN-onderzoek gedaan (StyleGAN).
Aan de kant van herkomst en detectie is de C2PA-coalitie relevant, opgericht door onder meer Adobe, Microsoft, Intel, de BBC en Sony, die samen technische standaarden voor contentherkomst ontwikkelen. Universiteiten en onderzoeksinstituten, waaronder groepen die zich specifiek richten op deepfake-detectie, publiceren voortdurend nieuwe methoden, al blijft dit een academisch veld zonder één dominante marktleider.
Op beleidsniveau is de Europese Unie met de AI Act momenteel de meest concrete overheidsactor die transparantie-eisen aan beeldfabricage stelt. In de Verenigde Staten bestaat vooralsnog geen vergelijkbare federale wet, al hebben individuele staten en techbedrijven eigen richtlijnen ingevoerd.