{"id":104149,"date":"2025-09-12T15:20:17","date_gmt":"2025-09-12T15:20:17","guid":{"rendered":"https:\/\/www.europesays.com\/it\/104149\/"},"modified":"2025-09-12T15:20:17","modified_gmt":"2025-09-12T15:20:17","slug":"che-cose-una-foto-perche-gli-smartphone-non-sono-macchine-fotografiche","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/it\/104149\/","title":{"rendered":"Che cos’\u00e8 una foto? (Perch\u00e9 gli smartphone non sono macchine fotografiche)"},"content":{"rendered":"

Immaginate la scena: una strada poco illuminata, nel cuore della notte. In lontananza, la sagoma di un campanile si staglia a malapena contro un cielo inquinato dalla luce cittadina. L’orologio sulla torre \u00e8 un puntino indistinto, illeggibile a occhio nudo. Prendete dalla tasca il vostro nuovo smartphone, lo puntate verso quella macchia scura e, con un semplice tocco sullo schermo, accade l’impossibile. L’immagine che appare sul display \u00e8 luminosa, nitida e ricca di dettagli. <\/strong>Il campanile \u00e8 perfettamente visibile, le lancette dell’orologio sono cristalline e segnano l’ora esatta. \u00c8 uno scatto magnifico, pronto per essere condiviso. Ma non \u00e8 una registrazione fedele di ci\u00f2 che l’occhio umano<\/strong>, o qualsiasi macchina fotografica tradizionale, avrebbe potuto vedere<\/strong> in quel momento.<\/p>\n

Questo “scatto impossibile” rappresenta il paradosso centrale della nostra era visiva. \u00c8 un’immagine sbalorditiva, eppure la sua stessa esistenza ci costringe a porci una domanda fondamentale. Il dispositivo che ha catturato questa scena \u00e8 davvero una macchina fotografica<\/strong>, nel senso in cui abbiamo inteso questo termine per oltre un secolo? La risposta, sempre pi\u00f9 evidente, \u00e8 no<\/strong>.<\/p>\n

\u00c8 un potente motore di sintesi della realt\u00e0. Le immagini che produce non sono fotografie – tracce dirette di luce catturate in un istante – ma creazioni computazionali, facsimili della realt\u00e0 generati algoritmicamente<\/strong>. Sebbene questa tecnologia sia una meraviglia dell’ingegneria, ci ha spinto oltre una soglia critica, cambiando radicalmente la definizione stessa di “foto” e creando sfide profonde per la nostra percezione della verit\u00e0.<\/p>\n

L’ascesa della fotografia computazionale<\/p>\n

Per comprendere la portata di questa trasformazione, \u00e8 necessario partire dalle fondamenta tecniche e storiche che hanno portato il software a dominare l’imaging degli smartphone. La rivoluzione non \u00e8 nata da una scelta, ma da una necessit\u00e0 imposta dalle leggi della fisica<\/a>.<\/p>\n

La tirannia della fisica e la nascita di una nuova scienza<\/p>\n

Il cuore del problema risiede nelle ineludibili limitazioni fisiche dei sistemi di fotocamere per smartphone. La richiesta del mercato di dispositivi sempre pi\u00f9 sottili e leggeri impone che sensori e obiettivi siano incredibilmente piccoli. Queste dimensioni ridotte hanno conseguenze dirette e inevitabili sulla qualit\u00e0 dell’immagine.<\/p>\n

I sensori piccoli catturano meno luce<\/strong>, il che si traduce in un elevato rumore digitale (la “grana”) in condizioni di scarsa illuminazione. I pixel minuscoli hanno una gamma dinamica limitata, faticando a gestire scene con forti contrasti, come un cielo luminoso e un primo piano in ombra, spesso “bruciando” le alte luci o perdendo dettagli nelle zone scure. Infine, gli obiettivi piccoli e con apertura fissa non possono produrre un bokeh ottico naturale, ovvero quello sfocato morbido e piacevole dello sfondo che isola il soggetto, tipico delle fotocamere professionali.<\/p>\n

<\/p>\n

\"Immagine<\/p>\n

<\/a><\/p>\n

Per decenni, queste limitazioni sembravano un muro invalicabile. Nessun miglioramento incrementale dell’hardware avrebbe potuto eguagliare la qualit\u00e0 ottica di una fotocamera DSLR o mirrorless con un sensore di grandi dimensioni. La soluzione, quindi, non poteva venire dall’ottica, ma dal calcolo. \u00c8 qui che nasce la fotografia computazionale<\/strong>: la pratica di utilizzare la computazione digitale al posto di processi puramente ottici per superare i vincoli fisici.<\/p>\n

Si tratta di un cambio di paradigma radicale: l’obiettivo non \u00e8 pi\u00f9 catturare un singolo fotogramma perfetto, ma raccogliere ed elaborare enormi quantit\u00e0 di dati visivi per costruire un’immagine finale superiore a qualsiasi singolo scatto. Tecniche come l’unione di pi\u00f9 immagini per creare panorami, la combinazione di esposizioni diverse per l’High Dynamic Range (HDR) e l’uso di algoritmi per simulare la profondit\u00e0 di campo sono diventate la norma.<\/p>\n

Come Google ha ridefinito il campo di battaglia<\/p>\n

Questa rivoluzione ha un epicentro ben preciso: Google<\/strong>. La sua storia inizia con Marc Levoy, un illustre professore di Stanford ed esperto di fotografia computazionale, e il suo team Google Camera presso il laboratorio di ricerca Google X. La loro missione iniziale, nel 2011, era risolvere un problema apparentemente impossibile: dotare i Google Glass di una fotocamera di alta qualit\u00e0. Con un sensore ancora pi\u00f9 piccolo e una potenza di calcolo inferiore a quella di uno smartphone, l’hardware era un vicolo cieco. La risposta doveva essere il software.<\/p>\n

La svolta arriv\u00f2 con una tecnica chiamata “image fusion”<\/strong> (fusione di immagini). Invece di un singolo scatto lungo, che avrebbe prodotto immagini mosse e piene di rumore, il team svilupp\u00f2 un sistema per catturare rapidamente una raffica di fotogrammi a breve esposizione e poi fonderli insieme. Questo processo, battezzato HDR+<\/strong>, permetteva di mediare il rumore, preservare i dettagli nelle alte luci (grazie alle esposizioni brevi) e recuperare informazioni dalle ombre, creando un’immagine finale con una gamma dinamica sbalorditiva che nessun singolo scatto avrebbe potuto raggiungere.<\/p>\n

<\/p>\n

\"Immagine<\/p>\n

<\/a><\/p>\n

Il lancio del primo Google Pixel nel 2016 \u00e8 stato un momento di svolta per l’intero settore. Google dimostr\u00f2 al mondo che un telefono con un hardware fotografico considerato mediocre poteva produrre le migliori immagini sul mercato, superando i concorrenti grazie al suo “ingrediente segreto” software. Consapevole di non poter competere con giganti come Sony nel campo dei sensori o con la tradizione ottica di altri produttori, Google cambi\u00f2 le regole del gioco<\/strong>.<\/p>\n

Spost\u00f2 il campo di battaglia dal mondo fisico degli obiettivi e dei sensori (un problema hardware) al mondo digitale degli algoritmi e del machine learning (un problema software), un’arena in cui era il leader mondiale indiscusso. Il successo critico del Pixel costrinse l’intera industria<\/strong>, inclusi Apple e Samsung, a inseguire<\/strong>, investendo massicciamente in team di intelligenza artificiale e software. La corsa agli armamenti hardware si trasform\u00f2 in una corsa agli armamenti algoritmici.<\/p>\n

Sulla scia di HDR+, Google continu\u00f2 a innovare con la sua Pixel Camera. Night Sight port\u00f2 la fusione di immagini all’estremo, utilizzando un “motion metering” per misurare il tremolio della mano e il movimento della scena, e combinando fino a 15 fotogrammi per creare foto notturne luminose e dettagliate in condizioni di buio quasi totale. La Modalit\u00e0 Ritratto utilizz\u00f2 i dati dei sensori dual-pixel e il machine learning per creare una mappa di profondit\u00e0 della scena e applicare uno sfocato artificiale convincente.<\/p>\n

Super-Res Zoom sfrutt\u00f2 il tremolio naturale della mano dell’utente per catturare una serie di fotogrammi leggermente sfalsati, che venivano poi fusi per ricostruire un’immagine zoomata con un dettaglio superiore a quello di un semplice ritaglio digitale. Ognuna di queste funzioni rafforzava lo stesso principio: la fotografia non era pi\u00f9 una questione di ottica<\/strong>, ma di dati.<\/p>\n

L’IA come creatrice di dettagli<\/p>\n

Se la prima ondata della fotografia computazionale mirava a compensare le carenze dell’hardware per ricostruire una versione pi\u00f9 fedele della realt\u00e0, la seconda ondata, quella che stiamo vivendo ora, sta facendo un passo ulteriore e molto pi\u00f9 radicale. L’intelligenza artificiale non si limita pi\u00f9 a ricostruire<\/strong>, ma inizia a creare.<\/p>\n

Oltre la super-risoluzione: il salto generativo<\/p>\n

L’ultima evoluzione dello zoom sugli smartphone rappresenta la nuova frontiera, dove il confine tra ricostruzione e fabbricazione si dissolve completamente. I moderni smartphone di punta, come Honor Magic7 Pro, OnePlus 13 e i nuovi Google Pixel 10 Pro e Pro XL, stanno spingendo questa tecnologia al limite. Quando si zooma oltre le capacit\u00e0 ottiche dei loro teleobiettivi, non si limitano pi\u00f9 a unire fotogrammi<\/strong> come nel Super-Res Zoom. Attivano invece modelli di intelligenza artificiale generativa<\/strong>, spesso modelli a diffusione simili a quelli che alimentano generatori di immagini, per “riempire” i dettagli mancanti.<\/p>\n

<\/p>\n

\"Immagine<\/p>\n

<\/a><\/p>\n

Il processo \u00e8 tanto affascinante quanto inquietante. L’IA non si limita a rendere pi\u00f9 nitidi i pixel esistenti. Analizza il contesto della scena (ad esempio, riconosce che sta guardando un animale) e, basandosi sui milioni di immagini su cui \u00e8 stata addestrata, genera nuove texture che prevede dovrebbero essere l\u00ec<\/strong>: il pelo di un gatto, i mattoni su un edificio lontano, le venature di una foglia. Il risultato immediato \u00e8 spesso sbalorditivo. Questi “AI Zoom” possono produrre immagini apparentemente chiare a ingrandimenti estremi (30x, 100x o pi\u00f9) che con il tradizionale zoom digitale sarebbero solo una macchia di pixel illeggibile. Per l’utente medio che condivide una foto sui social media, l’effetto \u00e8 magico<\/strong>, un’impresa tecnologica che sembra sfidare la logica.<\/p>\n

I pasticci dell’IA<\/p>\n

Tuttavia, un’analisi pi\u00f9 attenta di questi risultati rivela una verit\u00e0 pi\u00f9 complessa. I critici hanno coniato il termine “AI slop” (pasticcio IA) per descrivere l’output spesso imperfetto e artificiale di questi sistemi. Ci sono segnali inconfondibili che tradiscono la mano dell’algoritmo<\/strong>. Le texture possono apparire innaturali, quasi pittoriche o simili alla plastica, prive della casualit\u00e0 organica della realt\u00e0. I bordi degli oggetti sono spesso troppo netidi, con un’acutezza artificiale che nessun obiettivo potrebbe produrre. A volte, l’IA crea “allucinazioni”, inventando dettagli che sono plausibili ma palesemente errati<\/strong>, come motivi geometrici ripetitivi su una superficie naturale o dettagli architettonici che non esistono nell’edificio reale.<\/p>\n

Questa non \u00e8 pi\u00f9 fotografia. Si tratta di un “compromesso splendidamente mascherato”, un modo per “travestire trucchi software da autentico progresso fotografico”. Il risultato \u00e8 pi\u00f9 un’illustrazione che un documento. <\/strong>Questo slittamento tecnologico riflette un cambiamento semantico e filosofico fondamentale. Le prime tecniche di fotografia computazionale, come HDR+, miravano a\u00a0catturare meglio la scena cos\u00ec com’era, superando i limiti del sensore per ottenere una rappresentazione pi\u00f9 fedele. L’obiettivo dello zoom generativo, invece, \u00e8 creare un’immagine plausibile laddove non esistono dati reali sufficienti. Utilizza un modello addestrato per prevedere come dovrebbe apparire la scena.<\/p>\n

L’immagine finale, quindi, non \u00e8 pi\u00f9 un prodotto della luce che colpisce il sensore<\/strong>, ma una sintesi di due elementi: i pochi dati reali raccolti e la vasta “conoscenza” enciclopedica del modello IA. Spesso, il secondo elemento contribuisce ai dettagli finali molto pi\u00f9 del primo. Il processo \u00e8 quindi analogo a quello di un artista 3D che renderizza una scena basandosi su un prompt, non a quello di un fotografo che cattura una scena con la luce. La stessa parola “zoom” diventa un eufemismo di marketing per “sintesi di immagine potenziata dall’IA a un ingrandimento specificato”.<\/p>\n

Il punto di rottura: dove finisce una fotografia e inizia un’immagine?<\/p>\n

Siamo giunti al cuore filosofico della questione. Le realt\u00e0 tecniche che abbiamo esplorato ci costringono a confrontarci con una definizione pi\u00f9 profonda di cosa sia una fotografia, e a riconoscere il momento in cui abbiamo superato un confine invisibile ma cruciale.<\/p>\n

Il fantasma nella macchina: Barthes e il “\u00e7a a \u00e9t\u00e9”<\/p>\n

Per comprendere appieno la posta in gioco, dobbiamo rivolgerci al pensiero del teorico francese Roland Barthes e al suo saggio seminale, La camera chiara (Camera Lucida). In questo testo, Barthes identifica la caratteristica che rende la fotografia un mezzo di rappresentazione unico e irriducibile: la sua natura indessicale<\/strong>.<\/p>\n

A differenza di un dipinto o di un disegno, che sono segni iconici (assomigliano al loro soggetto), una fotografia \u00e8 un segno indessicale. Ci\u00f2 significa che\u00a0esiste un legame fisico, diretto e causale tra l’immagine e il suo referente nel mondo reale<\/strong>. \u00c8 una traccia, un’impronta lasciata dalla luce che \u00e8 emanata da quell’oggetto, in quel luogo, in quel preciso istante.<\/p>\n

Questo legame inscindibile \u00e8 ci\u00f2 che Barthes chiama il noema della fotografia<\/strong>: l’affermazione inconfutabile che “ci\u00f2 \u00e8 stato” (\u00e7a a \u00e9t\u00e9). Una fotografia non \u00e8 solo un’immagine di qualcosa; \u00e8 la prova che qualcosa \u00e8 stato. \u00c8 questa garanzia di esistenza passata, questo “raggio ritardato di una stella”, che conferisce alla fotografia il suo potere unico, la sua malinconia e la sua magia. \u00c8 un frammento del reale, strappato al flusso del tempo.<\/p>\n

La rottura del legame indessicale<\/p>\n

Questa connessione fondamentale con il reale \u00e8 esattamente ci\u00f2 che la moderna fotografia computazionale ha prima indebolito e poi, con l’avvento dell’IA generativa, definitivamente spezzato. Il processo \u00e8 stato graduale.<\/strong> Il passaggio dalla pellicola al digitale ha gi\u00e0 iniziato a erodere questo legame, dematerializzando la luce in dati astratti (1 e 0). Tuttavia, il principio di una singola cattura da un singolo istante \u00e8 rimasto in gran parte intatto.<\/p>\n

La fotografia computazionale ha ulteriormente astratto il processo. Un’immagine HDR+ o Night Sight non \u00e8 pi\u00f9 la registrazione di un singolo istante, ma un composito statistico di pi\u00f9 momenti, mediati e fusi da un algoritmo. Il legame con un singolare “ci\u00f2 \u00e8 stato” diventa pi\u00f9 tenue, pi\u00f9 concettuale. Infine, l’IA generativa, come quella utilizzata nello zoom o in funzioni come Magic Editor di Google, porta a compimento la rottura. L’immagine finale non \u00e8 pi\u00f9 causata dalla realt\u00e0 di fronte all’obiettivo<\/strong>, ma \u00e8 un output probabilistico generato da un modello. Le texture, i dettagli, persino gli oggetti possono essere interamente sintetizzati. L’immagine che ne risulta \u00e8 un segno puramente iconico: assomiglia al suo soggetto, a volte in modo impeccabile, ma non \u00e8 pi\u00f9 un segno indessicale, perch\u00e9 non \u00e8 stata causata da esso.<\/p>\n

Questo ci porta a una distinzione critica che \u00e8 necessario fare: quella tra una fotografia e un’immagine fotorealistica. Uno smartphone moderno non produce pi\u00f9 sempre la prima; produce spesso la seconda.<\/strong> Non si tratta di un gioco semantico, ma di una ricategorizzazione fondamentale del medium. Una fotografia, per la sua definizione indessicale, fa un’affermazione sulla realt\u00e0. Asserisce: “Questo \u00e8 esistito, e questa \u00e8 la luce che ne \u00e8 provenuta”. Un’immagine computazionale o generata dall’IA, invece, fa un’affermazione sulla plausibilit\u00e0. Asserisce: “Questa \u00e8 una rappresentazione statisticamente probabile e visivamente coerente di ci\u00f2 che avrebbe potuto esserci, basata sui dati che abbiamo raccolto e sulla vasta libreria di immagini su cui siamo stati addestrati”.<\/p>\n

La prima \u00e8 un documento (per quanto imperfetto o interpretato). La seconda \u00e8 una sintesi. La prima \u00e8 una registrazione; la seconda \u00e8 un rendering. Offusca il profondo cambiamento nel modo in cui l’immagine \u00e8 stata creata e in ci\u00f2 che rappresenta, portando a un pericoloso fraintendimento della sua relazione con la verit\u00e0<\/strong>.<\/p>\n

I pericoli di un mondo post-fotografico<\/p>\n

Questo spostamento tecnologico e filosofico non \u00e8 un esercizio accademico. Ha conseguenze profonde e tangibili sul modo in cui interagiamo con il mondo e con la verit\u00e0. Le stesse tecnologie che ci permettono di scattare “foto” perfette stanno anche erodendo le fondamenta della nostra fiducia visiva.<\/p>\n

Il cavallo di Troia nelle nostre tasche<\/p>\n

Funzioni come Magic Eraser o Best Take di Google, commercializzate come strumenti comodi e divertenti, svolgono un ruolo pi\u00f9 insidioso: normalizzano l’idea che la realt\u00e0 sia modificabile<\/strong>. Insegnano a milioni di utenti, con un semplice gesto, che un’immagine non \u00e8 una registrazione fissa, ma una tela malleabile. Questa manipolazione costante e disinvolta delle nostre storie personali ci desensibilizza al concetto di verit\u00e0 fotografica<\/strong>. Se possiamo rimuovere un ex partner da una foto di famiglia con un tocco, o creare un sorriso perfetto su un volto che non sorrideva, diventiamo psicologicamente predisposti ad accettare che qualsiasi immagine possa essere alterata<\/strong>. Questo processo erode l’alfabetizzazione visiva e il pensiero critico necessari per navigare in un panorama mediatico sempre pi\u00f9 sintetico.<\/p>\n

Il pi\u00f9 grande pericolo della fotografia computazionale degli smartphone non \u00e8 la tecnologia in s\u00e9, ma il suo ruolo nel condizionare culturalmente la societ\u00e0 per un’era post-verit\u00e0. Rendendo la manipolazione della realt\u00e0 un atto quotidiano, ludico e senza sforzo per miliardi di persone, smantella la comprensione culturale condivisa di una fotografia come prova. La fotocamera dello smartphone \u00e8, a tutti gli effetti, un campo di addestramento per il pensiero post-verit\u00e0.<\/p>\n

<\/p>\n

\"deepfake<\/p>\n

<\/a><\/p>\n

Storicamente, il potere della fotografia derivava dalla sua percepita oggettivit\u00e0. Le funzioni degli smartphone, commercializzate come creative, astraggono l’utente dal fatto che sta fabbricando o alterando una registrazione della realt\u00e0. Questa pratica quotidiana normalizza l’idea che la “verit\u00e0” visiva non sia qualcosa da registrare, ma da costruire per adattarsi ai nostri desideri. Ci\u00f2 crea una popolazione meno scioccata e pi\u00f9 cinica di fronte ai deepfake malevoli<\/strong>. La fiducia fondamentale nell’integrit\u00e0 dei media visivi \u00e8 gi\u00e0 stata indebolita, non da attori stranieri, ma dai dispositivi che usiamo per documentare le nostre vite.<\/p>\n

Un mondo di (deep)fake<\/p>\n

Esiste una linea diretta che collega l’IA “benigna” nelle fotocamere dei nostri telefoni all’uso malevolo della tecnologia deepfake. La tecnologia di base – l’intelligenza artificiale generativa – \u00e8 la stessa; cambia solo l’intento. E i danni causati dai deepfake<\/strong> non sono una minaccia futura, ma una crisi attuale<\/strong>, con esempi recenti che dimostrano la loro devastante efficacia.<\/p>\n

Nel campo della frode finanziaria, un caso emblematico del 2024 ha visto un dipendente di una multinazionale trasferire 25 milioni di dollari dopo essere stato ingannato da una videoconferenza in cui il direttore finanziario e altri colleghi erano deepfake iperrealistici. Nella disinformazione politica, una robocall con la voce clonata del presidente Joe Biden ha esortato gli elettori a non votare durante le primarie, un chiaro tentativo di sabotaggio elettorale.<\/p>\n

Ma l’impatto pi\u00f9 personale e crudele si vede nell’abuso e nella molestia. La diffusione virale di immagini deepfake esplicite e non consensuali della cantante Taylor Swift all’inizio del 2024 ha messo in luce come questa tecnologia venga usata come arma per la violazione personale<\/strong> e l’umiliazione su scala di massa. Questi strumenti, spesso chiamati app “nudify”, sono facilmente accessibili e possono trasformare qualsiasi foto, anche una foto scolastica, in materiale di abuso, causando danni psicologici incalcolabili.<\/p>\n

Il problema pi\u00f9 ampio \u00e8 l’erosione della fiducia nelle istituzioni. La semplice esistenza di questa tecnologia crea quello che gli analisti chiamano il “dividendo del bugiardo”: in un mondo in cui tutto pu\u00f2 essere falsificato, anche le prove autentiche possono essere liquidate come false<\/strong>. Questo mina il giornalismo, la giustizia e il discorso pubblico, creando un ambiente in cui la verit\u00e0 oggettiva diventa irraggiungibile.<\/p>\n

Reinventare la fiducia: il watermark di autenticit\u00e0<\/p>\n

Di fronte a questa crisi di autenticit\u00e0, l’industria tecnologica sta iniziando a reagire. La consapevolezza che la fiducia nel contenuto digitale \u00e8 a un punto di rottura ha spinto alla creazione di iniziative volte a ripristinare una parvenza di ordine. Una delle pi\u00f9 significative \u00e8 la Coalition for Content Provenance and Authenticity<\/strong> (C2PA), un consorzio che include giganti come Adobe, Microsoft, Intel e BBC.<\/p>\n

La missione principale della C2PA \u00e8 sviluppare uno standard tecnico aperto per tracciare l’origine e le modifiche dei contenuti digitali<\/strong>. La loro soluzione, chiamata Content Credentials, funziona come un'”etichetta nutrizionale” per i media digitali. Questo sistema incorpora metadati sicuri e verificabili direttamente nel file al momento della creazione, creando una traccia di provenienza che documenta chi ha creato il contenuto, con quale strumento e quali modifiche sono state apportate successivamente.<\/p>\n

<\/p>\n

\"Immagine<\/p>\n

<\/a><\/p>\n

In linea con questo approccio, anche Google, con i suoi nuovi Pixel 10, ha introdotto un sistema<\/a> per creare un watermark digitale permanente e invisibile<\/strong> per le immagini catturate e modificate con l’IA sul dispositivo. Questa tecnologia \u00e8 simile a sistemi come SynthID di Google DeepMind, che incorpora un watermark direttamente nei pixel di un’immagine in un modo che \u00e8 impercettibile all’occhio umano ma rilevabile da un algoritmo. Questo watermark \u00e8 progettato per essere robusto e resistere a modifiche comuni come ritaglio, compressione o l’applicazione di filtri, fornendo un segnale persistente dell’origine artificiale del contenuto.<\/p>\n

Queste soluzioni sono un passo avanti vitale e necessario verso la trasparenza. Tuttavia, non sono una panacea. La creazione di watermark dar\u00e0 il via a una corsa agli armamenti con chi cerca di rimuoverli o aggirarli. Inoltre, l’assenza di un watermark non prova l’autenticit\u00e0 di un’immagine<\/strong>; un attore malintenzionato pu\u00f2 semplicemente utilizzare un software open-source o un dispositivo pi\u00f9 vecchio che non implementa lo standard. Si tratta di soluzioni tecnologiche a un problema che \u00e8 diventato profondamente culturale e filosofico. Possono dirci se un’immagine \u00e8 stata creata da un’IA, ma non possono ripristinare la fiducia fondamentale che un tempo riponevamo nel medium fotografico.<\/p>\n

Questo ci porta a un paradosso finale. Nel tentativo di salvare il legame della fotografia con la realt\u00e0, stiamo aggiungendo un altro strato di dati computazionali astratti. La fiducia non \u00e8 pi\u00f9 insita nell’immagine stessa, nel suo legame indessicale con il mondo, ma deve essere verificata da un’autorit\u00e0 algoritmica esterna. Non possiamo pi\u00f9 fidarci dei nostri occhi<\/strong>, dobbiamo fidarci dell’algoritmo che legge il watermark. Abbiamo sostituito la semplice fiducia fisica della traccia indessicale con una complessa fiducia crittografica in un sistema. Questa \u00e8 la vittoria definitiva del modello computazionale<\/strong> su quello fotografico.<\/p>\n

Torniamo quindi alla domanda iniziale: “Che cos’\u00e8 una foto?”. La risposta \u00e8 ora pi\u00f9 complessa che mai.<\/strong> Siamo a un punto di inflessione in cui dobbiamo scegliere: o esigere trasparenza e sviluppare una nuova e pi\u00f9 critica forma di alfabetizzazione visiva, o scivolare in un futuro in cui ogni immagine \u00e8 sospetta e il concetto di una realt\u00e0 condivisa e verificabile diventa una reliquia di un’epoca passata. Il futuro della fotografia, e forse della verit\u00e0 stessa, dipende dalla nostra capacit\u00e0 di comprendere che il dispositivo magico che teniamo in tasca non \u00e8 pi\u00f9 solo una macchina fotografica. \u00c8 un cantastorie, e dobbiamo imparare a mettere in discussione le storie che racconta.<\/p>\n","protected":false},"excerpt":{"rendered":"Immaginate la scena: una strada poco illuminata, nel cuore della notte. In lontananza, la sagoma di un campanile…\n","protected":false},"author":3,"featured_media":104150,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1446],"tags":[1615,1613,1614,1611,1610,1612,203,204,1537,90,89],"class_list":{"0":"post-104149","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-arte-e-design","8":"tag-arte","9":"tag-arte-e-design","10":"tag-arteedesign","11":"tag-arts","12":"tag-arts-and-design","13":"tag-design","14":"tag-entertainment","15":"tag-intrattenimento","16":"tag-it","17":"tag-italia","18":"tag-italy"},"share_on_mastodon":{"url":"","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts\/104149","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/comments?post=104149"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts\/104149\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/media\/104150"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/media?parent=104149"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/categories?post=104149"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/tags?post=104149"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}