Όταν η Big Tech αγνοεί την πλαστογραφία AI

Στο τέλος του 2025 ο επικεφαλής του Instagram, ο Adam Mosseri, έκανε μια δραματική παρέμβαση: η αυθεντικότητα γίνεται «άπειρα αναπαραγώγιμη» και αυτό απειλεί την αξία της ανθρώπινης δημιουργίας. Η πρόταση του; να βρούμε έναν τρόπο να επισημαίνουμε τι είναι «αληθινό» — ιδανικά με κρυπτογραφικές υπογραφές στα αρχεία της κάμερας. Η τεχνική λύση υπάρχει ήδη και λέγεται C2PA. Το πρόβλημα δεν είναι ότι δεν υπάρχει τεχνολογία: είναι ότι οι εταιρείες που κηρύττουν την ανάγκη για πιστοποίηση ταυτόχρονα παράγουν και διαχέουν τεράστιο όγκο συνθετικού περιεχομένου.

Τι είναι στην πράξη το C2PA

Το C2PA (Coalition for Content Provenance and Authenticity) είναι ένα πρότυπο προέλευσης ψηφιακού περιεχομένου, δημιουργημένο από εταιρείες όπως η Adobe, η Intel, η Microsoft και άλλες. Η βασική ιδέα είναι να ενσωματωθεί αόρατο metadata — υπογραφές, πληροφορίες συσκευής, αλυσίδα επεξεργασίας — σε εικόνες, βίντεο και ήχο κατά τη λήψη ή την επεξεργασία. Με αυτόν τον τρόπο μπορούμε να ελέγχουμε ποιος δημιούργησε κάτι, πότε και αν έχει παρεμβληθεί AI στη διαδικασία.

Σε τεχνικό επίπεδο, η προσέγγιση βασίζεται σε κρυπτογραφικές υπογραφές που συνοδεύουν το αρχείο και σε περιγραφικά πεδία που καταγράφουν τα βήματα επεξεργασίας. Αυτό διαφέρει από λύσεις που «σκανάρουν» ένα αρχείο για σημάδια τεχνητής παραγωγής (inference-based detection): το C2PA δηλώνει προέλευση, δεν λέει «αυτό είναι deepfake» με απόλυτο τρόπο.

Ποιος το υιοθετεί — και γιατί δεν αρκεί

Στην επιφάνεια, το C2PA έχει εντυπωσιακή υποστήριξη: Meta μπήκε στο steering committee, συμμετέχουν επίσης Google, OpenAI, TikTok, μεγάλες εταιρείες chip όπως η Qualcomm, και παραδοσιακά μέσα. Υπάρχουν και ανταγωνιστικές ή συμπληρωματικές λύσεις, όπως το watermarking της Google (SynthID) και εργαλεία ανίχνευσης όπως η Reality Defender.

Κι όμως, η εξάπλωση και η αποτελεσματικότητα είναι περιορισμένες. Πολλοί κατασκευαστές καμερών υποστηρίζουν το πρωτόκολλο μόνο σε «νέα» μοντέλα, άρα εκατομμύρια παλιές και φτηνές συσκευές παραμένουν εκτός. Τα metadata μπορούν να αφαιρεθούν είτε κατά λάθος είτε σκόπιμα. Πλατφόρμες που υποτίθεται πως πρέπει να δείχνουν αυτές τις πληροφορίες — Instagram, TikTok, YouTube — το κάνουν με ακανόνιστο, συγκεκαλυμμένο τρόπο ή καθόλου. Στην πράξη, ο μέσος χρήστης δεν γνωρίζει ότι υπάρχει καν τέτοιο σύστημα για να το αναζητήσει.

Provenance vs. inference: δύο προσεγγίσεις, διαφορετικά όρια

Υπάρχουν δυο μεγάλες φιλοσοφίες για την αντιμετώπιση των deepfakes. Η πρώτη (provenance) λέει: καταγράψτε την προέλευση και την αλυσίδα επεξεργασίας, ώστε να ξέρουμε πότε κάτι είναι πιθανόν ανθρώπινο. Η δεύτερη (inference) προσπαθεί να ανιχνεύσει ίχνη σύνθεσης με AI σε ένα τελικό αρχείο, ακόμα κι αν δεν έχει metadata.

Και οι δύο προσεγγίσεις έχουν αδυναμίες. Το provenance προϋποθέτει συνεργασία σε κάθε στάδιο — κατασκευαστές hardware, λογισμικό επεξεργασίας, πλατφόρμες φιλοξενίας — κάτι εξαιρετικά δύσκολο σε παγκόσμιο επίπεδο. Η inference προσέγγιση δίνει μόνο πιθανότητες και μπορεί να έχει false positives/negatives, ειδικά καθώς τα μοντέλα βελτιώνονται και «μαθαίνουν» να κρύβουν τα ίχνη τους.

Πώς το υλοποιεί το Instagram — και γιατί θυμίζει «κοινωνική αποποίηση ευθύνης»

Στην πράξη, το Instagram επέλεξε να δείχνει ένα διακριτικό «AI info» σε μικρό κείμενο κάτω από το όνομα του χρήστη ή να το κρύβει μέσα στο μενού των τριών κουκκίδων. Αρχικά, όταν η πλατφόρμα σήμαινε φωτογραφίες με «Made by AI», φωτογράφοι εξοργίστηκαν, οπότε οι ετικέτες έγιναν πιο συγκεχυμένες και συχνά εξαφανίζονται στην έκδοση για desktop.

Ακόμα κι όταν εμφανίζονται, οι ετικέτες δεν επιλύουν το θεμελιώδες πρόβλημα: οι εταιρείες συνεχίζουν να αναπτύσσουν και να προωθούν εργαλεία generative AI που παράγουν το ίδιο περιεχόμενο που δήθεν θέλουν να σηματοδοτήσουν. Η αντίφαση είναι ξεκάθαρη — από τη μία επενδύσεις σε πιστοποίηση, από την άλλη εργαλεία που τροφοδοτούν το πρόβλημα.

Ρεαλιστικές συνέπειες: παραπληροφόρηση και επιπτώσεις στην κοινωνία

Όταν τα deepfakes αναμειγνύονται με πραγματικά γεγονότα, το αποτέλεσμα μπορεί να είναι επικίνδυνο. Υπάρχουν καταγεγραμμένα παραδείγματα που σχετίζονται με τις διαδηλώσεις του ICE στη Minnesota και τραγικά περιστατικά όπως οι δολοφονίες της Renee Nicole Good και του Alex Pretti, όπου συνθετικό υλικό διέρρευσε και δυσκόλεψε την αλήθεια. Σε περιόδους κρίσης η ταχύτητα διάδοσης μιας εικόνας ή ενός βίντεο μπορεί να έχει πολιτικό και κοινωνικό κόστος.

Ταυτόχρονα, ο τεράστιος όγκος «slop» — μαζικά, χαμηλής ποιότητας AI βίντεο και εικόνες — πλημμυρίζει πλατφόρμες, μειώνει την ορατότητα ποιοτικού δημιουργικού έργου και αλλάζει το μοντέλο εισοδήματος για δημιουργούς, που αναγκάζονται να ανταγωνιστούν χιλιάδες αυτοματοποιημένα κλώνους του ίδιου αισθητικού μοτίβου.

Ποια είναι τα πολιτικά και επιχειρηματικά κίνητρα;

Οι εταιρείες που επενδύουν σε AI έχουν σύγκρουση συμφερόντων όταν καλούνται να περιορίσουν τα προϊόντα τους. Το OpenAI βγάζει έσοδα από συνδρομές που αυξάνουν τη χρήση γενετικών μοντέλων· το Meta προτείνει να μπουν premium εργαλεία AI σε πληρωμένα πακέτα. Η λογική είναι απλή: όσο περισσότερο περιεχόμενο δημιουργείται, τόσο περισσότερος χρόνος χρήστη ξοδεύεται στην πλατφόρμα και τόσο μεγαλύτερα τα έσοδα από διαφημίσεις και συνδρομές.

Αποτέλεσμα; Τα πρότυπα πιστοποίησης συχνά λειτουργούν ως «πλασματική» απάντηση — παρουσιάζουν πρόοδο χωρίς να αλλάζουν δραστικά τη ροή δημιουργίας και διανομής περιεχομένου. Όταν η ίδια εταιρεία προωθεί εργαλεία που πολλαπλασιάζουν το πρόβλημα, το μέτρο μοιάζει περισσότερο με δημόσιες σχέσεις παρά με ουσιαστική πολιτική αποτροπής.

Προκλήσεις υλοποίησης και τεχνικά όρια

Υπάρχουν πρακτικά εμπόδια που δεν λύνονται με καλές προθέσεις. Τα metadata αφαιρούνται εύκολα. Πολλές εφαρμογές αναπαράγουν εικόνες και βίντεο μετατρέποντάς τα σε νέα αρχεία χωρίς να μεταφέρουν τα C2PA πεδία. Επιπλέον, η διεθνής ψηφιακή αλυσίδα περιλαμβάνει ανεξάρτητα apps, ιστότοπους, συσκευές και μεσολαβητές στους οποίους δεν υπάρχει ενιαία υποχρέωση συμμόρφωσης.

Επίσης, το C2PA δεν δίνει απάντηση στο κατά πόσο κάποιο περιεχόμενο που περιέχει συνθετικά στοιχεία (π.χ. μικρές διορθώσεις με AI) πρέπει να θεωρείται ανεπιθύμητο ή επικίνδυνο. Η «γραμμή» ανάμεσα σε εργαλείο διόρθωσης και σε πλαστογράφηση είναι συχνά ασαφής και απαιτεί ανθρώπινη αξιολόγηση.

Εναλλακτικές και συμπληρωματικές λύσεις

Για να μειωθεί η διάδοση παραπλανητικού υλικού χρειάζεται πολυεπίπεδη στρατηγική: τεχνικά εργαλεία (provenance + inference), πλατφορμική συμμόρφωση, νομικά πλαίσια και εκπαιδευτική ενημέρωση των χρηστών. Κάποιοι προτείνουν επιβολή υποχρεωτικής υπογραφής αρχείων σε συσκευές, άλλοι ζητούν αυστηρότερη εποπτεία στις πλατφόρμες που εξαγοράζουν ή ενσωματώνουν generative AI μοντέλα.

Στο πεδίο της τεχνολογίας, λύσεις που συνδυάζουν watermarking σε pixel/απόδοση με metadata προέλευσης προσπαθούν να καλύψουν τα κενά. Στο κανονιστικό πεδίο, oρισμένα μέρη της Ευρώπης προωθούν ρυθμίσεις που θα υποχρεώσουν διαφάνεια και εποπτεία στις υπηρεσίες διαμοιρασμού περιεχομένου.

Ελληνικό και ευρωπαϊκό πλαίσιο

Η Ευρωπαϊκή Ένωση προχωρά με τον AI Act και άλλες πρωτοβουλίες που στοχεύουν στη διαφάνεια και τη λογοδοσία. Στην Ελλάδα, όπως και σε άλλα κράτη-μέλη, το ζητούμενο είναι πώς θα εφαρμοστούν αυτοί οι κανόνες στην πράξη: ποιος ελέγχει, πώς επαληθεύεται η συμμόρφωση και τι κυρώσεις προβλέπονται για πλατφόρμες που δεν παίρνουν μέτρα.

Η πρόκληση για τις ευρωπαϊκές ρυθμιστικές αρχές είναι να ισορροπήσουν μεταξύ καινοτομίας και προστασίας του κοινού. Αν οι κανόνες είναι υπερβολικά βαρείς, θα πέσει φρένο στην ανάπτυξη. Αν είναι πολύ ελαστικοί, οι χρήστες θα παραμένουν εκτεθειμένοι σε παραπληροφόρηση και καταχρήσεις.

Γιατί έχει σημασία

Το ζήτημα δεν είναι τεχνολογικό μόνο. Η εμπιστοσύνη στην ψηφιακή πληροφορία αποτελεί θεμέλιο της δημοκρατίας, της δημόσιας συζήτησης και των δημιουργικών επαγγελμάτων. Όταν κάθε εικόνα ή βίντεο μπορεί να είναι προϊόν AI, ορίζονται νέοι κανόνες για την αξιοπιστία της είδησης, την ευθύνη των πλατφορμών και την αξιοπρέπεια των δημιουργών. Οι συνέπειες αφορούν την πολιτική, την ασφάλεια, την αγορά εργασίας των δημιουργών και την ποιότητα του δημόσιου λόγου.

Τι μπορούν να κάνουν οι χρήστες

Μέχρι να υπάρξουν πιο στιβαρές λύσεις, οι χρήστες πρέπει να ενσωματώσουν απλούς κανόνες υγιούς ψηφιακής συμπεριφοράς: να ελέγχουν την πηγή μιας δημοσίευσης, να προτιμούν αξιόπιστα μέσα, να αμφισβητούν εντυπωσιακό οπτικό υλικό χωρίς τεκμήρια και να μάχονται υπέρ της διατήρησης metadata όταν δημοσιεύουν το δικό τους υλικό. Εργαλεία τρίτων που ελέγχουν προέλευση μπορούν να βοηθήσουν, αλλά δεν αντικαθιστούν την κρίση.

Συμπέρασμα: η λύση δεν είναι μόνο τεχνική

Το C2PA και τα συγγενή πρότυπα προσφέρουν χρήσιμα εργαλεία, αλλά δεν είναι «μαγική σφαίρα». Χρειάζεται συνδυασμός τεχνικής υλοποίησης, πλατφορμικής δέσμευσης, νομικού πλαισίου και εκπαιδευμένης κοινότητας. Χωρίς αυτό, η Big Tech μπορεί να δηλώνει ότι υποστηρίζει την αυθεντικότητα ενώ ταυτόχρονα επενδύει σε τεχνολογίες που την υπονομεύουν. Όσο οι οικονομικές επιβραβεύσεις για μαζική παραγωγή περιεχομένου παραμένουν υψηλές, τόσο θα έχουμε «AI slop» να σκεπάζει την ψηφιακή σφαίρα.

Η απάντηση απαιτεί πολιτική βούληση και ευθυγράμμιση συμφερόντων: αν οι πλατφόρμες θέλουν πραγματικά να μειώσουν την παραπληροφόρηση, θα πρέπει να περιορίσουν τη διάδοση εργαλείων που την παράγουν, να επιβάλουν συνεπή πρότυπα προέλευσης και να συνεργαστούν με ανεξάρτητους φορείς επαλήθευσης. Μέχρι τότε, η μάχη για την αυθεντικότητα θα συνεχίσει να είναι περισσότερο πολιτική και επιχειρηματική παρά καθαρά τεχνική.