A IA já corrigiu mãos, olhos e cabelos em imagens falsas. Se você não consegue mais identificar uma fraude olhando para a tela, quem decide o que é real numa eleição? 🤖🗳️🧵

Imagem indisponível

Pesquisadores da Unicamp criaram o FakeScope, um modelo para detectar imagens geradas ou manipuladas por IA. Mas a proposta vai além do rótulo “falso”: ele tenta explicar quais evidências encontrou. Por que isso importa?

Antes, os defeitos eram óbvios: anatomia estranha, texturas ruins, mãos deformadas. Agora, os rastros estão no nível do pixel — detalhes que nossos olhos simplesmente não captam. Estamos entrando numa era em que “parece real” não vale nada?

Imagem indisponível

O FakeScope procura sinais em 4 frentes: anatomia incoerente; distorções entre pessoa e ambiente; iluminação com fontes conflitantes; e textos inexistentes ou errados. Quantas imagens virais passam por esse tipo de análise antes de moldarem uma opinião?

Há também um rastro técnico: numa foto real, luz e sensor da câmera interagem de um jeito que IAs ainda não reproduzem perfeitamente. A máquina que fabrica a mentira deixa marcas — mas será que detectores conseguem evoluir tão rápido quanto os geradores?

Imagem indisponível

Um alerta isolado não deveria bastar para censurar conteúdo. Jornalistas, pesquisadores e autoridades precisam de contexto, fontes e método. Ferramentas explicáveis ajudam justamente nisso: investigar evidências, não substituir o julgamento humano.

A corrida eleitoral também virou uma corrida tecnológica: IA gera, IA detecta, conteúdos viralizam em segundos. A pergunta não é só “isso é falso?” — é: teremos ferramentas de verificação acessíveis antes que uma imagem falsa cause dano real?

Imagem indisponível