Cinquantamila.it La storia raccontata da Giorgio Dell'Arti

Per qualche ora, una “Ninfea” di Claude Monet è stata scambiata per il mediocre prodotto di un generatore di immagini. Questa volta, però, ad allucinare non è stata l’Intelligenza artificiale generativa. Siamo stati noi, finiti dentro un esperimento che ha rivelato quanta confusione e pregiudizi condizionino il nostro sguardo sull’IA.
Tutto è nato da un post pubblicato su X dall’utente @SHL0MS. Nell’immagine c’era un dipinto impressionista: una delle Ninfee realizzate dal celebre artista francese Claude Monet. Solo che il quadro veniva presentato in tutt’altro modo: “Ho appena generato un’immagine nello stile di Monet usando l’IA. Descrivete, nel maggior dettaglio possibile, che cosa la rende inferiore a un vero Monet”.
Quando “Realizzato con IA” diventa una gogna estetica
A rendere più credibile l’inganno c’è l’etichetta “Realizzato con IA”, applicata al post come certificazione dell’origine artificiale e algoritmica dell’opera. Gli ingredienti per accendere la discussione c’erano tutti: l’arte, l’Intelligenza artificiale, il conflitto mai davvero risolto tra la sacralità della tradizione e l’irriverenza dell’innovazione. Il tutto amplificato dai social media, dove basta una provocazione per trasformare i dubbi in certezze collettive.
La tempesta perfetta non ha tardato a produrre i suoi effetti. Se la piattaforma dice che è AI, allora quell’immagine va guardata e giudicata come AI. E così è stato. Il post, che nel frattempo è diventato virale su X raggiungendo 6,7 milioni di visualizzazioni e oltre 11mila interazioni, è diventato in poche ore una gogna estetica. Molti utenti hanno cominciato a smontare l’immagine come si fa con un prodotto difettoso: poca profondità, colori incoerenti, riflessi sbagliati, nessuna emozione. Un’immagine fredda, senz’anima, inferiore. Un utente ha scritto che “non c’è coesione nella profondità e nelle scelte cromatiche” e che il riflesso “si mescola alle ninfee senza alcun riguardo per profondità spaziale o contrasto”. Qualcun altro ha spostato il giudizio sul piano emotivo: l’immagine “non evoca emozione, pensiero o meraviglia”, sarebbe “solo una carta da parati colorata”. Un altro ancora ha liquidato i riflessi come rumore, ricordando che Monet, al contrario, “capiva davvero come si comporta la luce sull’acqua”.
Il cortocircuito è arrivato poche ore dopo, quando l’utente ha rivelato che l’immagine non era una creazione dell’Intelligenza artificiale generativa, ma un autentico Monet. Chi aveva criticato riflessi, colori e profondità non stava smontando un output algoritmico: stava contrapponendo Monet a Monet stesso. Quei presunti errori dell’AI erano, in realtà, tratti di un vero dipinto impressionista.
Ora, deridere chi ha sbagliato sarebbe una lettura troppo superficiale e ingenerosa. Il caso, semmai, dice qualcosa di più profondo sul modo in cui oggi giudichiamo le immagini, l’arte e più in generale tutto ciò che viene associato all’Intelligenza artificiale.
È la cornice a cambiare il quadro
Nell’esperimento di @SHL0MS, molti utenti non hanno guardato il quadro per poi formulare un giudizio, ma hanno fatto esattamente il contrario, leggendo prima l’etichetta e cercando nell’immagine le prove che la confermassero.
La reazione al finto Monet generato dall’IA è un chiaro esempio di framing effect, cioè del modo in cui la cornice con cui ci viene presentata un’informazione influenza il giudizio che formuliamo. Non partiamo mai da uno sguardo completamente neutro: ciò che sappiamo, o crediamo di sapere, orienta ciò che vediamo. La stessa immagine, proposta come opera di Monet, avrebbe probabilmente attivato un certo tipo di lettura: luce, gesto, vibrazione, Impressionismo, dissoluzione delle forme. Presentata invece come immagine generata dall’Intelligenza artificiale, ha attivato un vocabolario opposto: artefatto, rumore, superficialità, imitazione, mancanza di intenzione. Nel primo caso guardiamo un’opera dentro una storia. Nel secondo guardiamo un’immagine dentro un sospetto.
L’etichetta “Made with AI” ha finito così per istruire lo sguardo. Prima ancora di osservare con attenzione il quadro, molti utenti avevano già ricevuto un’indicazione: questa immagine è stata fatta con l’Intelligenza artificiale. Da quel momento, tutto è stato letto in quella direzione. Un riflesso diventava un errore, una pennellata irregolare diventava un difetto tecnico, una scelta cromatica diventava la prova che l’immagine fosse artificiale.
È qui che entra in gioco il “confirmation bias”, il meccanismo che ci porta a cercare conferme a un’idea già accettata. Una volta stabilito che l’immagine era AI, molti non si sono più chiesti che cosa avessero davanti, ma hanno iniziato a selezionare solo gli indizi compatibili con quella premessa. Non guardavano più il quadro: cercavano nel quadro le prove di ciò che credevano già di sapere.
L’etichetta IA e il pregiudizio: la conferma dello studio di de Rooij
Il valore di un’opera d’arte non dipende mai soltanto da ciò che vediamo sulla superficie. A pesare sono anche la sua origine, la mano che l’ha prodotta, la biografia dell’autore, il contesto storico, il tempo impiegato, le recensioni e il luogo in cui è esposta. Una copia perfetta di un capolavoro non vale quanto il capolavoro, anche se l’occhio, da solo, potrebbe faticare a distinguerli.
In questo caso si può parlare dell’“essentialism bias”, cioè la tendenza ad attribuire agli oggetti una sorta di essenza nascosta. Nell’arte questa essenza coincide spesso con l’autenticità; sapere che dietro un quadro ci sono Monet, il suo giardino, il suo sguardo, cambia il modo in cui lo osserviamo. Nel caso dell’esperimento su X, però, il meccanismo si è rovesciato. Poiché si pensava che l’immagine fosse stata generata da una macchina, molti le hanno negato in partenza proprio quell’essenza: niente mano, niente storia, niente anima.
E non è solo una dinamica da social. La letteratura scientifica mostra che questo tipo di distorsione può incidere in profondità sul modo in cui percepiamo e valutiamo un’opera. Una meta-analisi di Alwin de Rooij, pubblicata su Psychology of Aesthetics, Creativity, and the Arts, ha analizzato diversi studi sull’effetto dell’attribuzione IA nell’arte visiva, raccogliendo 191 effect size. Il risultato va nella stessa direzione dell’esperimento di @SHL0MS: sapere, o anche solo credere, che un’opera sia stata generata dall’IA tende a peggiorare il modo in cui gli spettatori la percepiscono e la valutano. La trovano meno bella, meno interessante, meno creativa, meno coinvolgente. Il bias può arrivare a influenzare anche aspetti percettivi più basilari, come colore e luminosità.
Sui social l’impressione diventa una sentenza
C’è poi l’eccesso di sicurezza. Il caso Monet richiama l’effetto Dunning-Kruger: chi ha competenze limitate in un determinato ambito tende a sovrastimare la propria capacità di giudizio. Non necessariamente per arroganza, ma perché non possiede gli strumenti per riconoscere i limiti della propria competenza. Sui social questo meccanismo si amplifica: le piattaforme riducono gli effetti positivi del contraddittorio e rendono molto più facile trasformare un’impressione in una sentenza. Non serve conoscere davvero Monet, l’Impressionismo o la storia dell’arte per scrivere una critica che sembri plausibile.
Quando poi entra in gioco l’Intelligenza artificiale la dinamica si fa ancora più evidente. Uno studio della Aalto University, pubblicato su Computers in Human Behavior, ha analizzato il comportamento di circa 500 partecipanti impegnati in compiti di ragionamento logico, con e senza ChatGPT. I ricercatori hanno osservato che l’uso dell’IA può portare le persone a sovrastimare le proprie prestazioni cognitive. In molti casi, i partecipanti si fermavano a un solo prompt, accettavano la risposta senza ulteriori verifiche e finivano per attribuirsi una padronanza superiore a quella reale.
Il punto, allora, non è soltanto che possiamo sbagliare, ma che spesso non ci accorgiamo del momento in cui stiamo sbagliando. Non sappiamo più bene quanto sappiamo, quanto stiamo osservando davvero e quanto, invece, stiamo solo confermando una cornice già data.
Che cosa ci insegna l’esperimento sul dipinto di Monet?
L’esperimento di @SHL0MS ci insegna che il problema non è solo distinguere ciò che è umano da ciò che è generato dall’Intelligenza artificiale. Il problema, più profondo, è capire quanto il nostro giudizio sia influenzato da ciò che crediamo di avere davanti. Una stessa immagine può sembrarci arte o imitazione, gesto umano o prodotto artificiale, emozione o rumore, a seconda della cornice in cui viene presentata. Il caso Monet mostra che l’etichetta “IA” non descrive soltanto un’origine tecnica, ma può diventare una lente culturale. Attiva sospetto, difesa, fastidio, a volte paura. E così il giudizio rischia di arrivare prima dello sguardo.
L’intelligenza artificiale generativa pone problemi reali e molto complessi, dal diritto d’autore al lavoro creativo, dalla saturazione visiva alla standardizzazione estetica, fino all’uso dei dataset, al riconoscimento degli autori e al valore economico delle professioni creative. Ma proprio perché questi problemi sono reali, il nostro giudizio dovrebbe diventare più rigoroso, attento, mediato, e meno automatico. Il caso Monet mostra invece quanto sia facile passare dall’analisi alla reazione, dallo sguardo alla tifoseria, dalla critica alla caccia all’indizio.

MASSIMO FELLINI