Leggi in app
Per alcune ore, una “Ninfea” di Claude Monet è stata erroneamente identificata come un mediocre prodotto di un generatore di immagini. Questa volta, tuttavia, a creare confusione non è stata l’Intelligenza artificiale generativa. Siamo stati noi, coinvolti in un esperimento che ha messo in luce quanto pregiudizi e confusione influenzino il nostro approccio all’IA.
Il tutto ha avuto inizio da un post pubblicato su X dall’utente @SHL0MS. Nell’immagine era presente un dipinto impressionista: una delle Ninfee create dal noto artista francese Claude Monet. Tuttavia, il quadro era presentato in un contesto completamente diverso: “Ho appena generato un’immagine nello stile di Monet utilizzando l’IA. Descrivete, nel modo più dettagliato possibile, cosa la rende inferiore a un autentico Monet”.
Quando “Realizzato con IA” diventa una condanna estetica
A rendere l’inganno più credibile c’era l’etichetta “Realizzato con IA”, applicata al post come garanzia dell’origine artificiale e algoritmica dell’opera. Gli elementi per innescare la discussione erano tutti presenti: l’arte, l’Intelligenza artificiale, il conflitto mai risolto tra la sacralità della tradizione e l’irriverenza dell’innovazione. Il tutto amplificato dai social media, dove basta una provocazione per trasformare i dubbi in certezze collettive.
La tempesta perfetta non ha tardato a manifestarsi. Se la piattaforma afferma che è AI, allora quell’immagine deve essere osservata e valutata come tale. E così è avvenuto. Il post, che nel frattempo è diventato virale su X raggiungendo 6,7 milioni di visualizzazioni e oltre 11mila interazioni, è rapidamente diventato una condanna estetica. Molti utenti hanno iniziato a smontare l’immagine come si fa con un prodotto difettoso: scarsa profondità, colori incoerenti, riflessi errati, assenza di emozione. Un’immagine fredda, priva di anima, inferiore. Un utente ha commentato che “non c’è coesione nella profondità e nelle scelte cromatiche” e che il riflesso “si mescola alle ninfee senza alcun riguardo per la profondità spaziale o il contrasto”. Un altro ha spostato il giudizio sul piano emotivo: l’immagine “non suscita emozione, pensiero o meraviglia”, sarebbe “soltanto una carta da parati colorata”. Un ulteriore commento ha liquidato i riflessi come rumore, sottolineando che Monet, al contrario, “comprendeva davvero come si comporta la luce sull’acqua”.
Il cortocircuito è emerso poche ore dopo, quando l’utente ha rivelato che l’immagine non era una creazione dell’Intelligenza artificiale generativa, ma un autentico Monet. Coloro che avevano criticato riflessi, colori e profondità non stavano smontando un output algoritmico: stavano confrontando Monet con Monet stesso. Quei presunti errori dell’IA erano, in realtà, caratteristiche di un vero dipinto impressionista.
Ora, deridere chi ha commesso errori sarebbe una lettura troppo superficiale e ingenerosa. Il caso, piuttosto, offre spunti più profondi sul modo in cui oggi valutiamo le immagini, l’arte e, più in generale, tutto ciò che viene associato all’Intelligenza artificiale.
È la cornice a modificare il quadro
Nell’esperimento di @SHL0MS, molti utenti non hanno esaminato il quadro per poi esprimere un giudizio, ma hanno fatto esattamente il contrario, leggendo prima l’etichetta e cercando nell’immagine le prove che la confermassero.
La reazione al falso Monet generato dall’IA è un chiaro esempio di framing effect, ovvero il modo in cui la cornice con cui ci viene presentata un’informazione influenza il giudizio che formuliamo. Non partiamo mai da uno sguardo completamente neutro: ciò che sappiamo, o crediamo di sapere, orienta ciò che vediamo. La stessa immagine, proposta come opera di Monet, avrebbe probabilmente attivato un certo tipo di lettura: luce, gesto, vibrazione, Impressionismo, dissoluzione delle forme. Presentata invece come immagine generata dall’Intelligenza artificiale, ha attivato un vocabolario opposto: artefatto, rumore, superficialità, imitazione, mancanza di intenzione. Nel primo caso osserviamo un’opera all’interno di una storia. Nel secondo guardiamo un’immagine attraverso un sospetto.
L’etichetta “Made with AI” ha finito per guidare lo sguardo. Prima ancora di esaminare attentamente il quadro, molti utenti avevano già ricevuto un’indicazione: questa immagine è stata realizzata con l’Intelligenza artificiale. Da quel momento, tutto è stato interpretato in quella direzione. Un riflesso diventava un errore, una pennellata irregolare un difetto tecnico, una scelta cromatica la prova che l’immagine fosse artificiale.
È qui che entra in gioco il “confirmation bias”, il meccanismo che ci porta a cercare conferme a un’idea già accettata. Una volta stabilito che l’immagine era AI, molti non si sono più chiesti cosa avessero davanti, ma hanno iniziato a selezionare solo gli indizi compatibili con quella premessa. Non osservavano più il quadro: cercavano nel quadro le prove di ciò che credevano già di sapere.
L’etichetta IA e il pregiudizio: la conferma dello studio di de Rooij
Il valore di un’opera d’arte non dipende mai esclusivamente da ciò che vediamo in superficie. A influenzare sono anche la sua origine, la mano che l’ha creata, la biografia dell’autore, il contesto storico, il tempo impiegato, le recensioni e il luogo in cui è esposta. Una copia perfetta di un capolavoro non ha lo stesso valore del capolavoro, anche se l’occhio, da solo, potrebbe faticare a distinguerli.
In questo caso si può parlare dell’“essentialism bias”, ovvero la tendenza ad attribuire agli oggetti una sorta di essenza nascosta. Nell’arte, questa essenza coincide spesso con l’autenticità; sapere che dietro un quadro ci sono Monet, il suo giardino, il suo sguardo, cambia il modo in cui lo osserviamo. Nel caso dell’esperimento su X, però, il meccanismo si è invertito. Poiché si pensava che l’immagine fosse stata generata da una macchina, molti le hanno negato in partenza proprio quell’essenza: niente mano, niente storia, niente anima.
E non si tratta solo di una dinamica da social. La letteratura scientifica dimostra che questo tipo di distorsione può influenzare profondamente il modo in cui percepiamo e valutiamo un’opera. Una meta-analisi di Alwin de Rooij, pubblicata su Psychology of Aesthetics, Creativity, and the Arts, ha esaminato diversi studi sull’effetto dell’attribuzione IA nell’arte visiva, raccogliendo 191 effect size. Il risultato conferma quanto emerso nell’esperimento di @SHL0MS: sapere, o anche solo credere, che un’opera sia stata generata dall’IA tende a peggiorare il modo in cui gli spettatori la percepiscono e la valutano. La trovano meno bella, meno interessante, meno creativa, meno coinvolgente. Il bias può arrivare a influenzare anche aspetti percettivi più basilari, come colore e luminosità.
Sui social l’impressione diventa una sentenza
C’è poi l’eccesso di sicurezza. Il caso Monet richiama l’effetto Dunning-Kruger: chi ha competenze limitate in un determinato ambito tende a sovrastimare la propria capacità di giudizio. Non necessariamente per arroganza, ma perché non possiede gli strumenti per riconoscere i limiti della propria competenza. Sui social questo meccanismo si amplifica: le piattaforme riducono gli effetti positivi del contraddittorio e rendono molto più facile trasformare un’impressione in una sentenza. Non è necessario conoscere davvero Monet, l’Impressionismo o la storia dell’arte per scrivere una critica che sembri plausibile.
Quando poi entra in gioco l’Intelligenza artificiale, la dinamica diventa ancora più evidente. Uno studio della Aalto University, pubblicato su Computers in Human Behavior, ha analizzato il comportamento di circa 500 partecipanti impegnati in compiti di ragionamento logico, con e senza ChatGPT. I ricercatori hanno osservato che l’uso dell’IA può portare le persone a sovrastimare le proprie prestazioni cognitive. In molti casi, i partecipanti si fermavano a un solo prompt, accettavano la risposta senza ulteriori verifiche e finivano per attribuirsi una padronanza superiore a quella reale.
Il punto, quindi, non è solo che possiamo commettere errori, ma che spesso non ci rendiamo conto del momento in cui stiamo sbagliando. Non sappiamo più bene quanto sappiamo, quanto stiamo osservando davvero e quanto, invece, stiamo solo confermando una cornice già stabilita.
Che cosa ci insegna l’esperimento sul dipinto di Monet?
L’esperimento di @SHL0MS ci insegna che il problema non è solo distinguere ciò che è umano da ciò che è generato dall’Intelligenza artificiale. Il problema, più profondo, è comprendere quanto il nostro giudizio sia influenzato da ciò che crediamo di avere davanti. Una stessa immagine può apparirci arte o imitazione, gesto umano o prodotto artificiale, emozione o rumore, a seconda della cornice in cui viene presentata. Il caso Monet dimostra che l’etichetta “IA” non descrive soltanto un’origine tecnica, ma può diventare una lente culturale. Attiva sospetto, difesa, fastidio, a volte paura. E così il giudizio rischia di precedere lo sguardo.
L’intelligenza artificiale generativa solleva questioni reali e molto complesse, dal diritto d’autore al lavoro creativo, dalla saturazione visiva alla standardizzazione estetica, fino all’uso dei dataset, al riconoscimento degli autori e al valore economico delle professioni creative. Ma proprio perché questi problemi sono concreti, il nostro giudizio dovrebbe diventare più rigoroso, attento, mediato, e meno automatico. Il caso Monet evidenzia invece quanto sia facile passare dall’analisi alla reazione, dallo sguardo alla tifoseria, dalla critica alla caccia all’indizio.
I commenti sono chiusi.