Rostos falsos gerados por IA inspiram mais confiança que rostos reais, diz estudo de Lancaster

Um estudo liderado pela Universidade de Lancaster e publicado no Journal of Vision revela um paradoxo no reconhecimento humano: rostos sintéticos produzidos por inteligência artificial (IA) podem inspirar mais confiança do que fotos de pessoas reais. A análise, conduzida com rigor experimental, mostra que o avanço nas camadas de geração visual está transformando a aparência dos rostos digitais em uma espécie de infraestrutura social, capaz de alterar julgamentos rápidos e automáticos.

A primeira autora, Alexis McGuire, alerta que “as pessoas correm o risco de serem enganadas por imagens geradas por IA. Esses modelos democratizaram o espaço online e permitem a qualquer usuário, mesmo sem conhecimento técnico, criar rostos falsos que podem ser usados para fins prejudiciais”. McGuire cita potenciais abusos como desinformação, roubo de identidade e catfishing, ressaltando a necessidade de maior conscientização pública sobre a facilidade de produzir e disseminar essas imagens.

Os humanos processam rostos reais de forma extremamente eficiente — estudos anteriores mostram que um rosto pode ser avaliado em cerca de 100 milissegundos. No entanto, os modelos mais recentes de geração de imagens tornaram os rostos gerados tão convincentes que conseguem enganar observadores em uma proporção relevante: aproximadamente um terço das imagens falsas foram percebidas como autênticas pelos participantes.

No experimento principal participaram 169 voluntários. Eles avaliaram uma coleção de 96 rostos (variando em etnia, gênero e idade) apresentados em ordem aleatória, indicando se cada rosto era real ou sintetizado por IA. A taxa média de acerto foi de 58,4%, apenas ligeiramente superior ao acaso — o mesmo que jogar uma moeda — o que evidencia a degradação do sinal distintivo entre o real e o sintético no espaço visual online.

Os pesquisadores compararam duas famílias de geradores: redes adversariais generativas (GAN) e os mais recentes modelos de difusão (DM). Curiosamente, em julgamentos de realismo, os rostos criados por DM foram considerados menos realistas que os produzidos por GAN. Ainda assim, quando a pergunta foi sobre quão confiáveis os rostos pareciam, o resultado foi surpreendente: os rostos reais receberam a menor pontuação média de confiança (4,03 em uma escala de 1 a 7). Os rostos gerados por GAN marcaram 4,36, enquanto os gerados por DM tiveram a maior pontuação média, 4,70 — tornando-os os mais confiáveis apesar de serem percebidos como menos realistas.

Essa aparente contradição, observam os autores, aponta para uma diferença entre «realismo» perceptual e os sinais sutis que o cérebro usa para inferir confiabilidade. Em termos de infraestrutura social, os algoritmos como camada estão reconfigurando não apenas imagens, mas também heurísticas sociais básicas: o que parecia um rosto confiável pode ser, de fato, uma construção otimizada por modelos de IA para transmitir simpatia e neutralidade.

Do ponto de vista prático, isso tem implicações diretas para segurança digital e políticas públicas na Europa: a facilidade de criar rostos sintéticos convincentes reduz a robustez do reconhecimento social e aumenta a superfície de ataque para fraudes e campanhas de desinformação. É necessário investir em alfabetização digital, métodos de detecção e protocolos de verificação que funcionem como os alicerces digitais de confiança em plataformas online.

Em resumo, o estudo de Lancaster chama atenção para um efeito silencioso, mas estrutural: a IA não só cria imagens mais realistas, como também pode redesenhar os sinais de confiabilidade que sustentam a vida social digital. Entender e regular essas camadas é tarefa tanto de tecnólogos quanto de formuladores de políticas.