Una delle opere più perspicaci e perturbanti di Fiódor Dostoevskij è *Il doppio*, dove il protagonista si confronta con l'apparizione di un sosia identico nell'aspetto, ma radicalmente diverso nel carattere. Questo gioco di identità serve come metafora perfetta per comprendere il fenomeno attuale della fotografia generativa: un'immagine che, pur assomigliando alla fotografia tradizionale, è essenzialmente qualcosa di completamente diverso. Per decenni, abbiamo convissuto con immagini che imitano la fotografia senza essere realmente tali. La fotografia ha sostituito la pittura come principale mezzo di rappresentazione realistica, ma la manipolazione e la finzione si sono presto infiltrate nel suo territorio. Un esempio precoce si trova sulla copertina di *L'Illustration* del 1891, dove una presunta fotografia era in realtà un collage di ritagli e disegni, anticipando i montaggi digitali che oggi circolano sui social media. In quella copertina, una donna ritagliata si sovrappone a uno sfondo illustrato, con dettagli come ombre disegnate per ottenere coerenza visiva. La bassa risoluzione delle stampe dell'epoca rendeva difficile rilevare l'inganno, qualcosa di simile a quanto accade oggi con immagini false di bassa qualità che circolano su WhatsApp. Creare questi collage richiedeva abilità tecniche e risorse poco accessibili. Ciò che ha rivoluzionato l'intelligenza artificiale è la velocità e l'accessibilità: ora, chiunque può generare immagini in pochi secondi, anche se è comunque necessario un profondo conoscenza per ottenere risultati convincenti. Il regista Carlo Padial ha paragonato l'irruzione di TikTok agli zombi veloci del cinema moderno: l'accelerazione della produzione audiovisiva è vertiginosa. Piattaforme come TikTok e strumenti come CapCut, con funzioni di IA generativa, hanno moltiplicato la creazione di immagini senza riferimenti reali, generate a partire da semplici istruzioni di testo. Tuttavia, la facilità apparente di questi strumenti è anche il loro tallone d'Achille. La sovrastima dell'IA porta a risultati mediocri e errori evidenti. Per questo, è fondamentale analizzare come si possano creare immagini fotorealistiche che sfidino anche i sistemi di rilevamento più avanzati. Un caso illustrativo: nel 2014, sono stati fotografati tutti i numeri della rivista sperimentale *Lalata*. Per il suo 25° anniversario, si è voluto aggiornare l'immagine aggiungendo i numeri pubblicati dopo. Ripetere la sessione era inviable, quindi si è optato per un montaggio digitale. Descrivere con precisione ogni esemplare in un prompt si è rivelato inutile; la soluzione è stata combinare fotografie reali dei nuovi numeri con l'immagine originale, utilizzando Photoshop e la sua IA generativa per regolare colori e texture. Il successo di questi montaggi non dipende solo dalla generazione di immagini, ma dall'integrazione di strumenti come Content-Aware, che da anni consente di rimuovere o aggiungere elementi in modo realistico. Oggi, Photoshop incorpora funzioni di IA generativa che, a volte, risultano meno convincenti delle tecniche tradizionali. La chiave è sovrapporre metodi e sfruttare il meglio di ciascuno. Così, si è ottenuta un'immagine di famiglia di *Lalata* così credibile che nemmeno Vericta, un rilevatore spagnolo di immagini generate da IA, è riuscito a identificare la manipolazione. Questo ci porta al concetto di prompting: generare immagini realistiche non è solo questione di chiedere qualcosa all'IA, ma di comprendere e simulare il processo fotografico reale, specificando dettagli come l'ottica, la luce o la composizione. Un buon prompt descrive le condizioni di cattura, non solo la scena. Ad esempio, nel ricreare una fotografia di un distributore di benzina abbandonato, sono stati inclusi dati tecnici del telefono Vivo X300 Pro, come l'apertura, la distanza focale e la velocità dell'otturatore. L'IA non comprende la realtà, ma riconosce schemi associati a questi parametri. L'imperfezione è un altro fattore cruciale: le immagini più credibili tendono a essere le meno perfette. Aggiungere sfocature, inquadrature storte o elementi tagliati riduce la probabilità che l'IA abbellisca eccessivamente la scena. Più si cerca la perfezione estetica, più facile è rilevare artefatti o anomalie. Questo si collega ai limiti dei sistemi di rilevamento. Come spiega Georgina Viaplana, CEO di Lawwwing e responsabile di Vericta, il sistema analizza l'immagine globalmente e può trascurare piccole aree modificate. L'analisi granulare aumenta il rischio di falsi positivi, quindi gli scenari ibridi — dove solo una parte dell'immagine è generata da IA — sono particolarmente difficili da rilevare. Nella pratica, queste tecnologie vengono utilizzate per rilevare frodi in assicurazioni, commercio elettronico, gestione delle spese o fact-checking, con tassi di successo superiori al 95%. Il segreto non sta nei metadati, facilmente manipolabili, ma nei modelli invisibili che l'IA lascia a livello di pixel. In definitiva, la vera sfida non è l'esistenza di immagini generate da IA, ma la loro integrazione sottile nei flussi di lavoro tradizionali, rendendo sempre più sfumata la frontiera tra il reale e l'artificiale. Come in *Il doppio*, il problema sorge quando l'originale e la copia si confondono. Oggi, un intervento discreto è sufficiente per cancellare quella linea, e l'illusione di accessibilità che offrono questi strumenti ricorda l'arrivo delle prime fotocamere digitali: sembrava che fare buone foto fosse semplice, ma la realtà è molto più complessa.