Twitter-skærmbilleder/Unsplash, Forfatter leveret

Twitter i weekenden “tagget” som manipuleret med en video, der viser den amerikanske demokratiske præsidentkandidat Joe Biden angiveligt glemmer, hvilken stat han befinder sig i, mens han henvender sig til et publikum.

Bidens "hej Minnesota"-hilsen stod i kontrast til fremtrædende skilte med "Tampa, Florida" og "Send FL til 30330".

Associated Presss faktatjek bekræftet skiltene blev tilføjet digitalt, og de originale optagelser var faktisk fra et Minnesota-rally. Men da den vildledende video blev fjernet, havde den allerede mere end en million visninger, The Guardian rapporter.

Hvis du bruger sociale medier, er chancerne for, at du ser (og videresender) nogle af de mere end 3.2 milliarder billeder og 720,000 timer af video deles dagligt. Når vi står over for sådan en overflod af indhold, hvordan kan vi så vide, hvad der er ægte, og hvad der ikke er?

Mens en del af løsningen er en øget brug af indholdsverifikationsværktøjer, er det lige så vigtigt, at vi alle booster vores digitale mediekendskab. I sidste ende er en af ​​de bedste forsvarslinjer - og den eneste, du kan kontrollere - dig.

At se burde ikke altid være at tro

Misinformation (når du ved et uheld deler falsk indhold) og desinformation (når du med vilje deler det) i ethvert medie kan udhule tilliden til civile institutioner såsom nyhedsorganisationer, koalitioner og sociale bevægelser. Dog er falske billeder og videoer ofte de mest potente.

For dem med en særlig politisk interesse kan skabelse, deling og/eller redigering af falske billeder distrahere, forvirre og manipulere seerne til at så splid og usikkerhed (især i allerede polariserede miljøer). Plakater og platforme kan også tjene penge på deling af falsk, sensationelt indhold.

Kun 11-25% af journalister over hele verden bruger værktøjer til verificering af indhold på sociale medier, ifølge International Center for Journalists.

Kunne du få øje på et behandlet billede?

Overvej dette billede af Martin Luther King Jr.

Denne ændret billede kloner en del af baggrunden over King Jrs finger, så det ser ud som om han vipper kameraet af. Den er blevet delt som ægte på Twitter, Reddit , hvide overherredømmewebsteder.

I original Foto fra 1964, King blinkede med "V for sejr"-tegnet efter at have lært, at det amerikanske senat havde vedtaget lovforslaget om borgerrettigheder.

Ud over at tilføje eller fjerne elementer er der en hel kategori af fotomanipulation, hvor billeder er smeltet sammen.

Tidligere i år a foto af en bevæbnet mand blev photoshoppet af Fox News, som overlejrede manden på andre scener uden at afsløre redigeringerne, Seattle Times rapporteret.

På samme måde er billede nedenfor blev delt tusindvis af gange på sociale medier i januar under Australiens Black Summer-bushbrande. AFP's faktatjek bekræftet det er ikke autentisk og er faktisk en kombination af flere adskille fotos.

Helt og delvist syntetisk indhold

Online finder du også sofistikerede "deepfake” videoer, der viser (normalt berømte) mennesker, der siger eller gør ting, de aldrig har gjort. Mindre avancerede versioner kan oprettes ved hjælp af apps såsom Zao , orord.

{vembed Y=yaq4sWFvnAY}
Et hold fra Massachusetts Institute of Technology skabte denne falske video, der viser USA's præsident Richard Nixon læse linjer fra en tale, der blev lavet i tilfælde af, at månelandingen i 1969 mislykkedes. (Youtube)

Eller, hvis du ikke vil bruge dit billede til et profilbillede, kan du som standard vælge et af flere websites tilbyder hundredtusindvis af AI-genererede, fotorealistiske billeder af mennesker.

Disse mennesker eksisterer ikke, de er bare billeder genereret af kunstig intelligens. Genererede fotos, CC BY

Redigering af pixelværdier og den (ikke så) simple beskæring

Beskæring kan også i høj grad ændre konteksten af ​​et billede.

Det så vi i 2017, hvor en amerikansk regeringsansat redigerede officielle billeder af Donald Trumps indsættelse for at få mængden til at virke større, iflg. The Guardian. Medarbejderen beskærede det tomme rum "hvor mængden sluttede" for et sæt billeder til Trump.

Udsigt over folkemængderne ved indsættelsen af ​​den tidligere amerikanske præsident Barack Obama i 2009 (til venstre) og præsident Donald Trump i 2017 (til højre). AP

Men hvad med redigeringer, der kun ændrer pixelværdier såsom farve, mætning eller kontrast?

Et historisk eksempel illustrerer konsekvenserne af dette. I 1994, Time magazine's dæksel af OJ Simpson "mørkede" Simpson betydeligt i sin politiets mugshot. Dette tilføjede brændstof til en sag, der allerede var plaget af racespændinger, som bladet svarede:

Ingen racemæssig implikation var tilsigtet, hverken af ​​Time eller af kunstneren.

Værktøjer til at afsløre digital forfalskning

For dem af os, der ikke ønsker at blive narret af visuel fejl/desinformation, er der tilgængelige værktøjer - selvom hver kommer med sine egne begrænsninger (noget vi diskuterer i vores seneste papir).

Invisible digital vandmærkning er foreslået som en løsning. Det er dog ikke udbredt og kræver buy-in fra både indholdsudgivere og distributører.

Omvendt billedsøgning (f.eks Googles) er ofte gratis og kan være nyttigt til at identificere tidligere, potentielt mere autentiske kopier af billeder online. Når det er sagt, er det ikke idiotsikkert, fordi det:

• er afhængig af uredigerede kopier af medierne, der allerede er online
• søger ikke Hele web
• tillader ikke altid filtrering efter udgivelsestid. Nogle omvendt billedsøgningstjenester som f.eks TinEye understøtter denne funktion, men det gør Google ikke.
• returnerer kun eksakte matches eller næsten-matches, så det er ikke grundigt. For eksempel kan redigering af et billede og derefter vende dets retning narre Google til at tro, at det er et helt andet.

De mest pålidelige værktøjer er sofistikerede

I mellemtiden fokuserer manuelle retsmedicinske detekteringsmetoder til visuel fejl/desinformation for det meste på redigeringer, der er synlige med det blotte øje, eller er afhængige af at undersøge funktioner, der ikke er inkluderet i hvert billede (såsom skygger). De er også tidskrævende, dyre og har brug for specialiseret ekspertise.

Alligevel kan du få adgang til arbejde på dette felt ved at besøge websteder som Snopes.com - som har et voksende lager af "fauxtografi".

Computer vision og machine learning tilbyder også relativt avancerede detektionsmuligheder for billeder og videoer. Men de kræver også teknisk ekspertise for at fungere og forstå.

Desuden indebærer en forbedring af dem brug af store mængder "træningsdata", men de billedarkiver, der bruges til dette, indeholder normalt ikke de virkelige billeder, der ses i nyhederne.

Hvis du bruger et billedbekræftelsesværktøj som f.eks. REVEAL-projektets billedverifikationsassistent, har du muligvis brug for en ekspert til at hjælpe med at fortolke resultaterne.

Den gode nyhed er dog, at før du vender dig til nogen af ​​ovenstående værktøjer, er der nogle simple spørgsmål, du kan stille dig selv for potentielt at finde ud af, om et billede eller en video på sociale medier er falsk. Tænke:

• var det oprindeligt lavet til sociale medier?
• hvor bredt og hvor længe blev det cirkuleret?
• hvilke svar fik den?
• hvem var de tiltænkte målgrupper?

Ganske ofte vil de logiske konklusioner fra svarene være nok til at luge ud uægte billeder. Du kan få adgang til den fulde liste over spørgsmål, sammensat af Manchester Metropolitan University-eksperter, link..

Om forfatterne

TJ Thomson, lektor i visuel kommunikation og medier, Queensland University of Technology; Daniel Angus, lektor i digital kommunikation, Queensland University of Technology, og Paula Dootson, lektor, Queensland University of Technology

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs oprindelige artikel.