Geliket worden, dat is wat het AI-beeld graag wil
In dit artikel:
Begin dit jaar stond soulzangeres Sienna Rose plots centraal in een discussie die verder reikt dan popmuziek: mensen vroegen zich af of ze wel echt bestaat. In een kort Instagramfilmpje reageerde Rose met de woorden „Ik vóél me echt”, maar de twijfel bleef omdat zowel haar muziek als haar uiterlijk net zo goed door AI gegenereerd kunnen zijn. Die onzekerheid illustreert een bredere ontwikkeling: levensgrote, mensachtige digitale personages die op sociale media als influencers fungeren en soms miljoenen volgers trekken.
De opmars van zulke artificiële personages begon met figuren als Lil Miquela, maar is het afgelopen jaar veel sneller en realistischer geworden. Technologieën van grote spelers en makkelijk toegankelijke tools (denk aan midjourney-achtige beeldgeneratoren en apps zoals Higgsfield) maken het mogelijk binnen enkele klikken bewegende, overtuigende ‘mensen’ te fabriceren. Daardoor vervaagt de grens tussen echte en synthetische gezichten; fouten die vroeger verrieden dat iets nep was – onjuiste pixels, onnatuurlijke glans – zijn steeds slechter te onderscheiden van gefilterde foto’s van echte mensen.
Die vermenging roept niet alleen verwondering op maar ook ongemak. Psychologen spreken van het uncanny valley-effect: aanvankelijk herkennen we een gezicht als menselijk, maar als iets net niet helemaal klopt ontstaat afkeer of argwaan. Kritische stemmen vrezen bovendien concrete maatschappelijke gevolgen: deepfakes en pornografische vervalsingen van echte personen zijn al een risico, en politieke actoren gebruiken AI-beelden strategisch — vorig jaar creëerden zowel de Nederlandse PVV als de Duitse AfD een vrijwel identieke blonde AI-vrouw als illustratie van hun ideale samenleving.
Technisch en cultureel speelt hierbij een belangrijke verklaring: AI-beeldgeneratoren reproduceren niet willekeurige individualiteit maar een ‘gemiddelde’. Volgens Suzan Verberne (NLP-hoogleraar) leggen modellen vast wat online het meest voorkomt en het meest wordt geliket; dat resulteert in een geoptimaliseerde helft-wegversie van schoonheid en herkenbaarheid. Psychologisch onderzoek naar compositiefoto’s laat zien dat samengestelde, gemiddelde gezichten vaak als het aantrekkelijkst worden beoordeeld — een mechanisme dat AI kan uitvergroten. Op sociale media leidt dat tot ‘looksmaxxing’: subtiele versterking van kenmerken (grotere ogen, straktere kaken, vergrote rondingen) die evolutionaire en esthetische triggers raken en daardoor extreem effectief zijn in het trekken van aandacht.
De invloed reikt verder: klinieken voor cosmetische chirurgie gebruiken AI om voorstellen te doen voor ‘verbeteringen’ van iemands gezicht, wat kan leiden tot meer mensen die gaan lijken op een door AI bepaald gemiddelde. Mediawetenschappers waarschuwen ook voor een ideologische bias: doordat AI vooral teruggrijpt op bestaande, vaak nostalgische beelden, kan het versterkend werken voor stereotype toekomstbeelden en zelfs politieke retoriek.
Tegelijk zijn er tegenbewegingen. Kunstenaars en activisten gebruiken AI juist om clichés te breken en alternatieve of vervreemdende mensbeelden te scheppen — maar dat vraagt bewuste inspanning en gerichte prompts. Technologisch verandert er ook veel: makers beloven meer realisme (poriën, subtiele adertjes), maar dat kan nieuwe problemen voeden, omdat AI steeds meer traint op eigen output en zo in een zelfbevestigende cirkel van stereotypering kan terechtkomen.
Uiteindelijk draait de kwestie om meer dan authenticiteit: het gaat om welke beelden onze verbeelding sturen, wie bepaalt wat we ‘mooi’ of ‘menselijk’ vinden en welke sociale en politieke gevolgen volgen als commercie en algoritmes die beelden gaan produceren en versterken.