Ylen verifiointitiimin toimittaja Satu Helin syötti Metan tunnistustyökaluun kuvan, jossa Uruguayn jalkapallofaneja oli tuotettu tekoälyllä. Työkalu osasi kertoa, ettei kuvaa ollut tehty Metan omilla välineillä. Sen jälkeen hän näytti saman kuvan Metan chatbotille.
Botti vastasi, että kuva on todennäköisesti aito. Se perusteli vastauksensa vakuuttavan kuuloisesti, ja perustelut olivat väärää tietoa. Helinin oma yhteenveto analyysissään on lyhyt: ”Tekoälybotit ovat surkeita tekoälykuvien tunnistamisessa.”
“Pettymys ja pelko. Niitä kahta olen tuntenut, kun olen kokeillut, miten digijättien työkalut tunnistavat tekoälykuvia.”
Puolet pois kuvasta, ja Gemini menetti jäljen
Toinen testi koski Googlea. Helin teki Nano Bananalla satelliittikuvan eduskuntatalosta ja lisäsi sen eteen nuotion. Kuvaan jäi Googlen näkymätön vesileima. Kun hän rajasi kuvasta noin puolet pois ja kysyi Geminiltä, mistä kuva on peräisin, malli ei enää tunnistanut omaa merkkiään.
Gemini ei silti julistanut kuvaa aidoksi, vaan pyysi lisävarmistusta muualta. Ero Metan chatbotin suoraan väärään vastaukseen on pieni mutta olennainen. Kolmas kokeilu jäi puolitiehen julkisuuden osalta: Google on kutsunut toimittajia testaamaan Backstory-nimistä pilottiaan, ja pilotin ehdot kielsivät kertomasta tuloksista tarkemmin. Helin ilmoitti Googlelle useista ongelmista, ja yhtiö vastasi, että kyse on vasta pilotista, jota parannetaan testaajilta saadun palautteen avulla. Meta ei vastannut Ylen kysymyksiin lainkaan.
Mikä näkymätön vesileima oikeastaan on
Kun Gemini tai Nano Banana tekee kuvan, siihen liitetään SynthID-vesileima. Se ei näy kuvassa. Vesileima on kuvan pikseleihin hajautettu hienovarainen häiriökuvio, jota ihmissilmä ei huomaa ja jota ei myöskään lue tiedoston metatiedoista. Tunnistus toimii niin, että Googlen oma malli etsii kuviota takaisin, ja jos sitä löytyy riittävästi, vastaus on kyllä.
Ongelma on siinä, mitä kuvalle ehtii matkalla tapahtua. Rajaus poistaa osan kuviosta, koon pienentäminen sotkee pikselien tarkat arvot ja voimakas jpeg-pakkaus pyyhkii juuri niitä pieniä vaihteluita, joihin merkki on kirjoitettu. Google kertoo SynthID:n olevan suunniteltu kestämään rajausta, suodattimia ja häviöllistä pakkausta. Helinin kokeilu kertoo, missä kestävyyden raja kulkee.
Somessa kuva ei koskaan liiku alkuperäisenä. Se pakataan, rajataan pystykuvaksi, kuvataan ruudulta ja ladataan uudelleen. Euroopan yleisradioiden Spotlight-verkosto tiivistää saman havainnon yhteen lauseeseen: ”Kuvan pienentäminen, muokkaaminen tai rajaaminen saattaa hämätä eri kuvantunnistuspalveluja.”
Reutersin testi: 22 kuvaa neljästäkymmenestä
Ylen kokeilut olivat yksittäistapauksia. Reuters teki heinäkuussa systemaattisemman testin, ja tulos vei samaan suuntaan. Uutistoimisto tuotti 40 kuvaa Metan omalla Muse Image -generaattorilla ja syötti ne yhtiön omaan tunnistimeen. Alkuperäiset kuvat tunnistin läpäisi kaikki.
Sitten Reuters rajasi kuvat noin kolmannekseen tai puoleen alkuperäisestä koostaan. Nyt 22 kuvaa jäi tunnistamatta, eli 55 prosenttia. Metan selitys uutistoimistolle oli, että palvelu on vasta kehitysvaiheessa. Luku perustuu Reutersin omaan testiin, jonka sekä Yle että teknologiajulkaisu ZME Science raportoivat samalla tavalla; Reutersin alkuperäinen juttu on maksumuurin takana, joten tarkistin sen kahdesta toisistaan erillisestä raportoinnista.
Laki vaatii merkinnän, mutta jättää raon
EU:n tekoälyasetuksen 50. artikla on velvoittanut 2. elokuuta 2026 lähtien merkitsemään tekoälyllä tuotetun sisällön koneluettavasti. Sama kohta vaatii, että ratkaisut ovat ”tehokkaita, yhteentoimivia, kestäviä ja luotettavia siinä määrin kuin se on teknisesti toteutettavissa”. Loppuosa on se, johon yhtiö voi nojata, kun merkintä katoaa rajauksessa.
Rahasta ei ole kysymys
Meta kertoi keväällä nostavansa tämän vuoden investointinsa 145 miljardiin dollariin, ja valtaosa summasta menee tekoälyn infrastruktuuriin. Suomen valtion koko vuoden 2026 talousarvioesityksen määrärahat ovat 90,3 miljardia euroa. Yksi yhtiö laittaa siis tekoälyyn yhdessä vuodessa enemmän kuin Suomen valtio käyttää eläkkeisiin, kouluihin, teihin ja puolustukseen yhteensä. Tunnistimen korjaamiseen siitä ei ole liiennyt.
Tässä on jutun kärki. Samat yhtiöt, joiden syötteet täyttyvät tekoälykuvista, rakentavat kuvien tekemiseen supertietokoneita ja niiden tunnistamiseen pilotteja. Reset Techin tutkimuksen mukaan merkittävä osa somesyötteiden tekoälysisällöstä on kokonaan ilman merkintää.
Lukijalle tämä tarkoittaa, että tarkistamisen vastuu siirtyy hänelle. Jos poliisin tiedotteelta näyttävä kuva kiertää Facebookissa vaalipäivänä tai sukulainen jakaa kuvan tulipalosta naapurikunnassa, chatbotilta kysyminen on huonoin käytettävissä oleva keino. Se vastaa yhtä itsevarmasti myös silloin, kun se on väärässä.
Testien kiinnostavin havainto ei koskenut epäonnistumista vaan sen tapaa. Metan tunnistin sanoi rehellisesti, ettei kuva ole sen omista työkaluista. Metan chatbot keksi perustelut. Kun sama yhtiö tarjoaa kaksi työkalua, joista toinen tietää rajansa ja toinen ei, tavallinen käyttäjä törmää lähes varmasti jälkimmäiseen. Chatbot on siellä, missä ihmiset jo ovat.
22/40↓
Rajattua tekoälykuvaa, joita Metan tunnistin ei tunnistanut
55 %↓
Osuus testikuvista, joissa tunnistus epäonnistui rajaamisen jälkeen
18
Kuvaa, jotka tunnistin löysi yhä rajaamisen jälkeen
Tiedoston sisään tallennettua taustatietoa itse sisällöstä: milloin kuva on otettu, millä laitteella ja millä ohjelmalla sitä on muokattu. Sosiaalisen median palvelut poistavat metatiedot yleensä latauksen yhteydessä.
Häviöllinen pakkaus
Tiedoston pienentämistä heittämällä pois yksityiskohtia, joita silmä ei juuri huomaa. Jpeg on tunnetuin esimerkki: joka tallennuskerralla kuvasta katoaa hieman tarkkaa tietoa, eikä sitä saa enää takaisin.
EU:n tekoälyasetus
Vuonna 2024 hyväksytty EU-laki, joka säätelee tekoälyn käyttöä riskitason mukaan. Sen velvoitteet ovat tulleet voimaan vaiheittain, ja ne koskevat myös EU:n ulkopuolisia yhtiöitä, jotka tarjoavat palveluitaan unionin alueella.
Kolme keinoa arvioida kuva ilman tekoälyä
1. Etsi kuvan alkuperä käänteisellä kuvahaulla. Google Lens ja TinEye kertovat, missä sama kuva on aiemmin julkaistu. Vanha uutiskuva uudessa yhteydessä paljastuu tässä.
2. Tarkista, onko tapahtumasta muita kuvia. Jos suuresta tapahtumasta on vain yksi kuva yhdeltä tililtä, syy on tavallisesti se, ettei tapahtumaa ollut.
3. Katso yksityiskohtia, joita mallit tekevät yhä huolimattomasti: kylttien tekstit, heijastukset, sormet, korvakorut ja taustalla olevat ihmiset. Jos kysyt chatbotilta, vaadi perustelut ja tarkista ne muualta.
Viikoittainen uutiskirje
Tule firmasi fiksuimmaksi AI-osaajaksi
Yksi uutiskirje kerrallaan. Kokoamme viikon tärkeimmät tekoälyuutiset suomeksi ja kerromme, mitä ne tarkoittavat sinun työsi kannalta. Luet sen kahvitauolla.
