VolgendeVolgende gids
India IT-regels voor deepfakes en labels voor synthetische inhoud
Samenleving
Gids voor de samenleving
AI-inhoudslabels zijn mededelingen, zoals de 'AI info'-tag van Meta of het gewijzigde of synthetische inhoudslabel van YouTube, die platforms koppelen aan berichten die zijn gemaakt of aanzienlijk zijn gewijzigd met generatieve AI.
Luister naar deze gidsAI-verteld · ~3 min
Ze worden veroorzaakt door de eigen openbaarmaking van de maker of door signalen die het platform in het bestand detecteert. Ze zijn belangrijk omdat ze de belangrijkste manier zijn waarop het publiek leert dat een realistisch beeld, video of stem misschien niet echt is, maar toch afhankelijk zijn van metadata en eerlijkheid van de maker, die beide gemakkelijk verloren gaan.
Platforms labelen AI-inhoud op twee manieren: zelfonthulling door de maker en geautomatiseerde detectie. Geautomatiseerde detectie leest vooral signalen die zijn achtergelaten door de tools die de inhoud hebben gemaakt. Eén daarvan zijn metadata, zoals C2PA Content Credentials en het IPTC digitale brontypeveld, waarmee kan worden vastgelegd dat een afbeelding door AI is gegenereerd of bewerkt. Een andere zijn onzichtbare watermerken, zoals de SynthID van Google, ingebed in de pixels of audio. Platforms vertrouwen minder op classificaties die gissen op basis van de inhoud zelf, omdat deze meer fouten maken. Meta begon in 2024 met het labelen van AI-afbeeldingen in Facebook, Instagram en Threads met de tag 'Made with AI'. Fotografen klaagden dat kleine, door AI ondersteunde bewerkingen dit op echte foto's activeerden, dus hernoemde Meta het tot 'AI info' en verplaatste het label naar een menu voor licht bewerkte inhoud. YouTube vereist dat makers realistische inhoud openbaar maken die veranderd of synthetisch is, zoals een echte persoon die iets lijkt te zeggen wat hij niet heeft gezegd. Er is geen openbaarmaking vereist voor duidelijk onrealistische inhoud, schoonheidsfilters of AI die alleen wordt gebruikt voor taken als scripting. Het label is prominenter aanwezig bij gevoelige onderwerpen als verkiezingen, gezondheid en nieuws. TikTok vereist dat makers realistische AI-inhoud labelen en in 2024 begonnen ze Content Credentials te lezen om sommige uploads automatisch te labelen. Google en Meta vereisen ook openbaarmaking in politieke advertenties die realistische synthetische inhoud bevatten. Creators die deze regels overtreden, kunnen worden geconfronteerd met verwijdering van de inhoud of sancties. De hiaten zijn ernstig. Schermafbeeldingen, hercodering en veel bewerkingsapps verwijderen metagegevens. Veel open-weight-modellen voegen geen watermerk toe. Regels verschillen van platform tot platform. Het publiek leest ook labels verkeerd. Een label op een echte foto met een kleine bewerking kan de indruk wekken dat deze nep is, en de afwezigheid van een label bewijst niet dat de inhoud echt is.
Een YouTuber die een gekloonde stem heeft gebruikt om een realistische heropvoering te vertellen, selecteert tijdens het uploaden de openbaarmaking van gewijzigde of synthetische inhoud in YouTube Studio.
Een fotograaf verwijdert een verdwaald object met een generatief vulgereedschap, en Instagram voegt automatisch een AI-infolabel toe omdat de bewerkingssoftware AI-metagegevens in het bestand heeft geschreven.
Een TikTok-maker uploadt een video vanuit een tool waaraan inhoudsreferenties zijn gekoppeld, en TikTok bestempelt deze als door AI gegenereerd zonder dat de maker iets doet.
Een ander account plaatst opnieuw een screenshot van een AI-afbeelding. De schermafbeelding heeft geen metagegevens, dus er verschijnt geen automatisch label, wat een van de belangrijkste lacunes in de handhaving laat zien.
Regelgeving zorgt voor extra druk. Artikel 50 van de EU AI Act stelt transparantieverplichtingen vast, waaronder machinaal leesbare markering van synthetische output door aanbieders en openbaarmaking van deepfakes door exploitanten, en deze verplichtingen zullen vanaf augustus 2026 van toepassing zijn, hoewel EU-wetgevers overgangsperioden voor sommige bestaande systemen hebben besproken. Verschillende rechtsgebieden hebben ook regels aangenomen over misleidende AI-inhoud bij verkiezingen. Steeds meer camera's, telefoons en bewerkingstools maken gebruik van inhoudsreferenties, waardoor de labeling consistenter zou kunnen worden. Sommigen in de branche pleiten voor het verifiëren van authentieke inhoud en het markeren van synthetische inhoud, omdat detectie nooit alles zal onderkennen. Hoe consistent platforms hun regels handhaven en of het publiek begrijpt wat labels betekenen, blijft onzeker.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
AI-inhoudslabels zijn mededelingen, zoals de 'AI info'-tag van Meta of het gewijzigde of synthetische inhoudslabel van YouTube, die platforms koppelen aan berichten die zijn gemaakt of aanzienlijk zijn gewijzigd met generatieve AI. Ze worden veroorzaakt door de eigen openbaarmaking van de maker of door signalen die het platform in het bestand detecteert. Ze zijn belangrijk omdat ze de belangrijkste manier zijn waarop het publiek leert dat een realistisch beeld, video of stem misschien niet echt is, maar toch afhankelijk zijn van metadata en eerlijkheid van de maker, die beide gemakkelijk verloren gaan.
Kleine bewerkingen met AI-tools zorgden ervoor dat echte foto's de tag 'Made with AI' kregen. De zachtere ‘AI-info’-formulering en een menuplaatsing voor lichte bewerkingen waren bedoeld om dit aan te pakken.
De regel van YouTube is gericht op realistische inhoud die kijkers zou kunnen misleiden. Onrealistische inhoud, schoonheidsfilters en AI die alleen voor productietaken worden gebruikt, zijn uitgesloten.
Geautomatiseerde labeling leest vooral de oorsprongssignalen die zijn achtergelaten door de creatietool, dat wil zeggen metagegevens en watermerken, in plaats van te vertrouwen op foutgevoelige classificaties.
Op metagegevens gebaseerde detectie is afhankelijk van het bestand dat de oorsprongsgegevens bevat. Screenshots en hercodering laten het vallen, zodat geen enkel signaal het platform bereikt.
'trainedAlgorithmicMedia' geeft volledig gegenereerde inhoud aan. 'compositeWithTrainedAlgorithmicMedia' markeert composieten die gegenereerde elementen bevatten.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
India IT-regels voor deepfakes en labels voor synthetische inhoud
Samenleving