# LUCCELLO CHE NON ESISTE: foto AI perfette e la scienza che ci casca... #1574

An episode of [Ciao, Internet! con Matteo Flora](https://invisiblenetwork.ai/podcast/1046298895), 7 Aug 2026, 17 min.

Audio: https://dts.podtrac.com/redirect.mp3/api.spreaker.com/download/episode/73608370/out.mp3

Una foto perfetta di un uccello “rarissimo” finisce in un gruppo di birdwatching, prende stelline, e poi scivola dentro i database usati dai ricercatori per capire dove vivono davvero le specie. Peccato che quell’uccello non esista: è generato con IA. Il risultato non è solo una figuraccia online, ma un dato sporco che può spostare mappe di distribuzione, alterare serie storiche e confondere chi studia migrazioni, presenze e scomparse. Il problema è doppio: da un lato ci sono immagini interamente sintetiche (il “tucano in Siberia”), dall’altro ritocchi più subdoli su foto reali fatti con strumenti generativi (rimuovere rami, ricostruire parti, cambiare cielo). In un contesto di ricerca, anche una piccola modifica può cambiare dettagli diagnostici: piumaggi, penne, colori, differenze tra specie o tra maschio e femmina. Qui la tech policy incontra un paradosso economico e filosofico: la verifica costa molto più della falsificazione (e spesso la fanno volontari) e l’inquinamento dei dati può far collassare la fiducia, come nel “mercato dei bidoni” di George Akerlof. E c’è un rischio ulteriore: non è (solo) menzogna, è indifferenza verso il vero—la distinzione di Harry Frankfurt tra mentire e produrre “stronzate”. Quando la verità smette di essere un obiettivo, un archivio scientifico non dice “cose sbagliate”: smette proprio di dire cose. 00:00 L’uccello che non esiste 00:00:47 Database e scienza dal basso 00:02:35 Foto IA e casi assurdi 00:03:35 Ritocchi generativi subdoli 00:05:49 Perché quei dati servono 00:06:45 Moderazione e costi di verifica 00:07:36 Akerlof e collasso fiducia 00:10:20 Frankfurt: vero vs plausibile #iNaturalist #eBird #citizenscience NOTA: Quello che stai per vedere è un ''video delle ferie'', registrato in anticipo nell'ultima settimana di Luglio. Se qualcosa nel frattempo si è evoluto... non lo vedrai qui, temo! ~~~ Ciao Internet! - Il primo e più seguito canale di TECH POLICY in italia, con Matteo Flora INFO E AZIENDE: https://matteoflora.com Il CORSO di AI: https://zero.matteoflora.com Newsletter: https://link.mgpf.it/nl Social: https://io.matteoflora.com English: https://www.youtube.com/@CiaoInternet Privacy » https://privacy.matteoflora.com AI Policy » https://privacy.matteoflora.com/ai Mail #adv: sales (at) matteoflora.com

## Transcript

[0:00] Speaker 2: La fotografia di un uccell... Siete delle persone orribili, parliamo
[0:04] Speaker 2: di ornitologia. Smette, siete delle persone orribili, è il motivo
[0:08] Speaker 2: per cui siete qui, probabilmente. Diamo alla follia. Dicevo, la
[0:13] Speaker 2: fotografia di un uccello che nessun ornitologo ha mai visto,
[0:16] Speaker 2: anche così non è bellissima, però sì, parliamo di un pennuto.
[0:20] Speaker 2: Perché nessun ornitologo l'ha mai visto? Perché quell'uccello non esiste.
[0:26] Speaker 2: La fotografia l'ha caricata un signore, che voleva fare il
[0:31] Speaker 2: figo in un gruppo di birdwatcher, di un gruppo di
[0:35] Speaker 2: persone che fotografano uccelli. E adesso quella foto finisce all'interno
[0:40] Speaker 2: di un database che gli scienziati di mezzo mondo usano
[0:44] Speaker 2: per capire dove vivono gli uccelli veri. Ora, nella parte
[0:50] Speaker 2: di birdwatching, ma in tante altre cose, dove ci sono
[0:53] Speaker 2: delle comunità di appassionati che vanno in giro a fare fotografie,
[0:57] Speaker 2: a riprendere, eccetera, esiste Tutto un concetto di scienza dal basso.
[1:04] Speaker 2: Ad esempio c'è iNaturalist, la McColkey Library del Cornwall Lab
[1:11] Speaker 2: di Ornitologia, eBird. Ci sono tutta una serie di archivi
[1:14] Speaker 2: usati nel mondo per sapere quale specie sta dove in
[1:19] Speaker 2: tempo reale, con che magari varianti in ogni angolo del pianeta,
[1:22] Speaker 2: che è basata principalmente dall'andare a vedere cosa i vari...
[1:28] Speaker 2: i vari fotografi, i vari appassionati, pubblicano. Io scopro che
[1:32] Speaker 2: il fringuello del Madagascar lo fotografo in mezzo a Milano
[1:37] Speaker 2: e qualcuno dice, aspetta, o si sono mossi, sono cambiate
[1:41] Speaker 2: le rotte migratorie, o c'è un problema di qualche tipo, eccetera.
[1:45] Speaker 2: Il problema è che questi database stanno scoprendo di avere
[1:48] Speaker 2: dentro centinaia di foto generate con l'intelligenza artificiale perché il
[1:54] Speaker 2: fotografo vuole fare il figo con gli amici. e che
[1:59] Speaker 2: nessuno aveva messo in conto questa cosa quando quei database
[2:03] Speaker 2: erano stati costruiti, principalmente perché sono costruiti da prima che
[2:06] Speaker 2: ci fosse intelligenza artificiale generativa. È bellissimo, un video che
[2:12] Speaker 2: parla di uccelli e AI, secondo me, è fantastico, ma
[2:16] Speaker 2: prima di tutto, io sono Matteo Flora, mi occupo di
[2:18] Speaker 2: tech policy, dove la tecnologia incontra la società e le norme,
[2:22] Speaker 2: e questo è proprio il caso preciso, e questo beh,
[2:24] Speaker 2: questo è ciao internet. Ciao internet, io non voglio sapere
[2:29] Speaker 2: le clip che usciranno di Matteo che grida uccelli, va bene,
[2:32] Speaker 2: lo stesso. Partiamo dall'articolo, dai. L'allarme lo hanno lanciato i ricercatori,
[2:38] Speaker 2: come vi dicevo, che usano i dati fatti da amatori
[2:41] Speaker 2: in giro per il mondo per lavoro. Si sono accorti
[2:44] Speaker 2: che tra le osservazioni caricate stavano comparendo un botto di foto,
[2:50] Speaker 2: tra l'altro il Tucano in Siberia è stupendo, è generato
[2:54] Speaker 2: ovviamente quello, dicevo stavano comparendo tutta una serie di foto Incredibili, perfette, meravigliose,
[3:03] Speaker 2: cioè a livello proprio fotografico delle foto della Madonna, in
[3:08] Speaker 2: degli abitati in cui quelle specie non c'entrano una fava.
[3:13] Speaker 2: Alcune sono immagini completamente inventate, bene tra l'altro, generate da
[3:17] Speaker 2: zero da un modello, cioè uccelli che le ali non
[3:20] Speaker 2: le hanno mai battute. ritratti con la luce da studio
[3:25] Speaker 2: appoggiata sui rami di piante bellissime e spettacolari che però
[3:31] Speaker 2: non crescono dove vivono quegli uccelli. Altre foto sono molto
[3:37] Speaker 2: più subdole, perché è una cosa che faccio anch'io spesso
[3:41] Speaker 2: nel ritoccare le foto, sono foto vere. ok? Ma sono
[3:45] Speaker 2: magari passate in Photoshop o in qualunque altro sistema che
[3:49] Speaker 2: adesso usa l'intelligenza artificiale generativa per magari levare un ramo
[3:55] Speaker 2: davanti al soggetto, ok? Per rimettere a posto l'ala mossa,
[3:58] Speaker 2: perché magari la fotografia è fatta perfetta, ma c'è una
[4:01] Speaker 2: parte che, che ne so, c'era un altro uccello davanti
[4:03] Speaker 2: e tu la vuoi separata. Per cambiare un attimo il
[4:06] Speaker 2: cielo di sfondo, ok? Perché magari nella collezione delle fotografie
[4:12] Speaker 2: che hai tu lo sai, perché... Chi come me fa fotografie,
[4:16] Speaker 2: le mette in Lightroom e le ripulisce, spesso succede una cosa.
[4:19] Speaker 2: Vi faccio un esempio scemo. La foto di gruppo che
[4:22] Speaker 2: ho pubblicato qualche settimana fa del nostro retreat. L'unico posto
[4:26] Speaker 2: in cui ci stavamo più o meno tutti e riuscivamo
[4:28] Speaker 2: a metterci lì aveva un'enorme panchina pesante davanti. Ora, non
[4:33] Speaker 2: è che stai lì in otto, esposti la panchina e
[4:35] Speaker 2: butti via tutta la disposizione all'aperto del resort dove siamo
[4:40] Speaker 2: andati tutti assieme per fare una fotografia, ok? Fai la foto, elimini,
[4:46] Speaker 2: io se mai nella vita vorrò la foto originale, ho
[4:50] Speaker 2: la foto originale e le modifiche e posso ritornare, però
[4:54] Speaker 2: se io la pubblico, pensano ad esempio, le persone che
[4:57] Speaker 2: vedono quella fotografia pensano che quella persona aveva i pantaloni
[5:00] Speaker 2: blu In realtà, nella realtà aveva dei pantaloni neri, solo
[5:03] Speaker 2: che non fregandomene assolutamente niente del colore. I pantaloni li
[5:07] Speaker 2: ho lasciati. Questo va bene, va bene, quando però poi
[5:12] Speaker 2: non ci fai ricerca su questa cosa. Perché se no,
[5:15] Speaker 2: se tu hai un uccello che ha un'ala diversa dal solito,
[5:22] Speaker 2: magari anche solo quel paio di penne che dividono una
[5:26] Speaker 2: specie dall'altra, quel paio di colori che dividono un maschio
[5:29] Speaker 2: da una femmina, eccetera, Beh, questa cosa inizia ad avere
[5:32] Speaker 2: un impatto, perché, e questo non lo sapevo io, magari
[5:35] Speaker 2: non lo sapete nemmeno voi, è la cosa che ho
[5:37] Speaker 2: trovato interessantissima e il motivo per cui ci ho fatto
[5:39] Speaker 2: un video sopra, oltre al fatto che questo video uscirà
[5:42] Speaker 2: mentre io probabilmente sono in ferie, quindi sono quegli argomenti
[5:45] Speaker 2: un po' evergreen che possiamo dire. La cosa che non
[5:50] Speaker 2: sapevo è che i ricercatori usano tantissimo gli archivi di
[5:53] Speaker 2: amatori per una cosa precisa, per seguire dove le specie
[5:58] Speaker 2: vivono dove si spostano, e dove ad esempio vivono e scompaiono.
[6:03] Speaker 2: È il modo in cui oggi capiamo se un tordo... Bottaccio,
[6:09] Speaker 2: che è l'unico tordo di cui so il nome, sta
[6:12] Speaker 2: migrando 100 km più a nord o più a sud, perché
[6:15] Speaker 2: magari l'estate a sud è diventata troppo secca e si
[6:18] Speaker 2: è spostato più a nord. iNaturalist ha detto chiaramente che
[6:23] Speaker 2: sul proprio sito le immagini generate dall'intelligenza artificiale non sono ammesse, ok?
[6:27] Speaker 2: perché è una piattaforma che è basata principalmente sulle prove,
[6:30] Speaker 2: e una prova generata da un modello non è una prova.
[6:33] Speaker 2: Un conto però è dirlo. Un conto è invece l'utente
[6:36] Speaker 2: che vuol fare il figo e vuole che la sua
[6:38] Speaker 2: foto prenda più stelline dell'altra, e una foto fatta meglio,
[6:42] Speaker 2: più nitida, eccetera, prende più stelline. eBird ha una difesa
[6:46] Speaker 2: in più, una segnalazione che non passa dal controllo umano
[6:50] Speaker 2: e non finisce nei dati pubblici, e resta in una
[6:52] Speaker 2: zona di attesa dove nessun ricercatore almeno sa di usarla,
[6:56] Speaker 2: almeno sa che se la usa è una cosa, è
[7:04] Speaker 2: una evidenza da non usare per scopi scientifici. Ma il
[7:08] Speaker 2: controllo lo devono fare le persone, e le persone hanno
[7:11] Speaker 2: un tempo limitato e un fiuto limitato per capire cosa
[7:15] Speaker 2: è uno o cosa è l'altro. E questo è il
[7:20] Speaker 2: problema che monta. Produrre la foto falsa costa 30 secondi, verificarla
[7:26] Speaker 2: costa minuti, alle volte ore, e anche i verificatori sono
[7:30] Speaker 2: volontari e quindi il carico di lavoro per i verificatori
[7:33] Speaker 2: volontari è aumentato ed è impennato. Tra l'altro è bellissimo
[7:40] Speaker 2: perché mi ricorda tantissimo, questo l'ho segnato perché mi ricordavo
[7:44] Speaker 2: lo studio e non mi ricordavo chi era, lo studioso
[7:46] Speaker 2: è George Akerlof e che si mise a studiare una
[7:52] Speaker 2: domanda apparentemente banale cioè perché nel mercato delle auto usate
[7:58] Speaker 2: finiscono per restare in vendita quasi solo le auto scarse
[8:05] Speaker 2: la risposta è diventata uno dei paper più famosi dell'economia
[8:08] Speaker 2: contemporanea il ragionamento più o meno è questo quando il
[8:12] Speaker 2: compratore non riesce a distinguere l'auto buona dal bidone non
[8:16] Speaker 2: può che offrire il prezzo medio a quel prezzo, chi
[8:19] Speaker 2: ha un'auto davvero buona la ritira e la vende a
[8:22] Speaker 2: un privato, ok? E restano nel mercato solo i bidoni.
[8:26] Speaker 2: E il prezzo su quei bidoni si abbassa ancora. E
[8:28] Speaker 2: alla fine il mercato collassa oppure si riempie solo di
[8:32] Speaker 2: roba a scadenza. La scienza dal basso, questa proprio che
[8:36] Speaker 2: prende quello che la gente usa e pubblica e su
[8:40] Speaker 2: di quello costruisce le teorie, è un mercato di osservazioni,
[8:44] Speaker 2: non di auto. Il ricercatore non paga in soldi. paga
[8:48] Speaker 2: più o meno in fiducia, cioè si usa il dato
[8:51] Speaker 2: dando per scontato che l'osservazione sia davvero un'osservazione e non
[8:54] Speaker 2: un'invenzione di un signore annoiato con una macchina fotografica molto bella.
[8:59] Speaker 2: Quando questa distinzione salta, il ricercatore razionale smette di usare
[9:04] Speaker 2: quel dato. Gli utenti onesti smettono di caricare perché sanno
[9:09] Speaker 2: che il loro segnale non conta più niente e quello
[9:11] Speaker 2: che resta è un archivio pieno di roba che di
[9:13] Speaker 2: base non serve a nessuno. È una delle cose più
[9:18] Speaker 2: belle e improbabili che internet in realtà nella sua storia
[9:21] Speaker 2: ha mai partorito. La citizen science, la scienza dei cittadini,
[9:26] Speaker 2: milioni di persone senza laurea e senza uno stipendio che
[9:30] Speaker 2: nei fine settimana con un binocolo, uno smartphone o un
[9:33] Speaker 2: obiettivo particolarmente buono hanno costruito uno strumento di osservazione di
[9:39] Speaker 2: tutto il pianeta che gli scienziati tra l'altro da soli
[9:43] Speaker 2: non si sarebbero mai potuti permettere. Perché Nessuno scienziato ha
[9:49] Speaker 2: abbastanza soldi per mandare in giro centinaia di migliaia di
[9:53] Speaker 2: persone che fotografano fringuelli, ma un sito web strutturato bene
[9:58] Speaker 2: che ti dice che quell'uccello è un fringuello e che
[10:00] Speaker 2: prende le informazioni della fotografia per tracciare dove, come, quando,
[10:06] Speaker 2: è un patrimonio enorme. Ora, è... Quello strumento sta scoprendo
[10:14] Speaker 2: in questi mesi, come diceva Akerlof, come l'aveva descritto per
[10:18] Speaker 2: le auto, un problema di bidoni. E c'è una seconda lettura, bella,
[10:23] Speaker 2: che a questa storia secondo me manca, cioè che il
[10:26] Speaker 2: modello che genera l'uccello finto non sta mentendo. Un filosofo americano, Frankfurt,
[10:34] Speaker 2: ha dedicato a questa distinzione un libricino, anche quello diventato famosissimo.
[10:38] Speaker 2: dove separa in modo più o meno chirurgico due gesti
[10:42] Speaker 2: che noi tendiamo a uniformare e a mettere insieme. Mentire,
[10:47] Speaker 2: spiega Frankfurt, significa conoscere la verità e scegliere consapevolmente di negarla.
[10:53] Speaker 2: Il bugiardo la rispetta abbastanza da doverla combattere, cioè da
[10:58] Speaker 2: dover prendere impegnarsi e fare qualcosa che sia una menzogna passabile.
[11:06] Speaker 2: Produra stronzata, invece, Significa essere più o meno indifferenti dal vero.
[11:11] Speaker 2: Non importa se la cosa che si dice sia vera
[11:13] Speaker 2: o falsa, importa solo che funzioni, che sembra credibile, che
[11:16] Speaker 2: vada bene per lo scopo, e lo scopo è prendere
[11:18] Speaker 2: un sacco di like. Il modello che genera l'uccello inesistente
[11:22] Speaker 2: non sa e non gli interessa se quella specie esiste
[11:26] Speaker 2: al polo o all'equatore, se abbia mai avuto quel piumaggio specifico,
[11:31] Speaker 2: se possa mai posarsi su quel ramo di quella pianta
[11:34] Speaker 2: o no. Ottimizza la plausibilità. non la realtà, e la
[11:39] Speaker 2: sua funzione obiettivo non contempla proprio la verità, non c'è
[11:44] Speaker 2: tra i suoi obiettivi. E Frankfurt aggiungeva un pensiero che
[11:48] Speaker 2: tira una linea retta sotto questa storia, ok? La stronzata
[11:54] Speaker 2: più pericolosa è più pericolosa della menzogna, perché la menzogna
[12:00] Speaker 2: attacca una singola verità, mentre l'indifferenza verso il vero attacca
[12:05] Speaker 2: l'idea stessa che la verità conti qualcosa. Un archivio scientifico
[12:09] Speaker 2: contaminato dall'intelligenza artificiale non è un archivio che dice una
[12:12] Speaker 2: cosa sbagliata, è un archivio che ha smesso di dire
[12:17] Speaker 2: proprio cose. Quindi il signore che si è vantato di
[12:21] Speaker 2: aver fotografato l'uccello che non c'era probabilmente pensava di prendere
[12:26] Speaker 2: in giro qualche appassionato del forum. di guadagnare due o
[12:30] Speaker 2: tre stelline, e invece ha spostato di qualche pixel la
[12:32] Speaker 2: mappa che serviva a tutta l'umanità a capire dove vive
[12:35] Speaker 2: quella specie davvero. E moltiplicate quel gesto per centinaia, migliaia
[12:40] Speaker 2: di volte e avete un pianeta osservato peggio, con dieci
[12:44] Speaker 2: anni di ritardo, magari, rispetto a quel dato che ti serve,
[12:48] Speaker 2: ad esempio, per tutelare una specie. Il vero danno, alla fine,
[12:53] Speaker 2: non è la foto, è il verificatore che comincia a
[12:56] Speaker 2: dubilitare della foto autentica. Il ricercatore che comincia a dubitare
[13:00] Speaker 2: del verificatore. E la dottoranda del prossimo anno che decide
[13:04] Speaker 2: che il database non è più pulito per farci sopra
[13:07] Speaker 2: la sua tesi. È la maglia più sottile che il
[13:10] Speaker 2: web ha mai, mai, mai creato. Quella di binocoli e
[13:15] Speaker 2: dei fine settimana, dei teleobiettivi, la stiamo bucando in silenzio
[13:21] Speaker 2: un uccello inesistente alla volta. Quindi... La prossima volta che
[13:27] Speaker 2: scaricate una app che riconosce i fiori, riconosce le piante,
[13:30] Speaker 2: io c'ho una app che riconosce che pianta è, giusto
[13:34] Speaker 2: per capire quant'acqua devo mettergli, una app che etichetta gli
[13:38] Speaker 2: animali che avete visto nei vostri viaggi, ogni volta che
[13:41] Speaker 2: vi verrà in mente di caricare quella foto un po'
[13:44] Speaker 2: aggiustata di un tramonto, un po' troppo bello per essere vero,
[13:48] Speaker 2: fermatevi un secondo, chiedetevi se non stia bene a voi, solo,
[13:53] Speaker 2: ma se quella foto moltiplicata per un milione lascia magari
[13:56] Speaker 2: a piedi la possibilità che qualcuno tra dieci anni capisca
[13:59] Speaker 2: ancora com'era il mondo quando noi abbiamo fatto quella foto.
[14:03] Speaker 2: Perché la conoscenza condivisa che ha abilitato tanto internet non
[14:08] Speaker 2: muore in un colpo solo, con una menzogna clamorosa dell'uccello,
[14:13] Speaker 2: del tucano in Siberia, ok? Muore con decine di migliaia
[14:18] Speaker 2: di piccoli gesti a cui semplicemente non importa se sono
[14:23] Speaker 2: veri o no. E anche stavolta siamo partiti dalla tecnica
[14:27] Speaker 2: per arrivare alla filosofia. Tu guarda. Ne parliamo spesso qui,
[14:30] Speaker 2: sulla newsletter e sul canale. Se non siete ancora iscritti
[14:33] Speaker 2: potete iscrivervi adesso. E come sempre, e anche questa volta,
[14:38] Speaker 2: grazie mille per avermi ascoltato. Ed estate parati. Senti anche
[14:43] Speaker 2: tu l'impressione di perderti la rivoluzione dell'intelligenza artificiale, vero? Di
[14:47] Speaker 2: volerla utilizzare per migliorare il tuo lavoro, sei bombardato di notizie,
[14:52] Speaker 2: ma non sai dove iniziare davvero. Se la risposta è sì,
[14:56] Speaker 2: ho creato qualcosa per te. Ho distillato due anni di
[14:59] Speaker 2: formazione che ho fatto a grandi aziende internazionali, dalla difesa
[15:03] Speaker 2: alla finanza, dal food all'automotive, per creare un corso che
[15:07] Speaker 2: ho chiamato Zero to AI, una introduzione gentile per capire
[15:12] Speaker 2: l'intelligenza artificiale partendo da zero. E non è solo un'introduzione leggera,
[15:17] Speaker 2: è un vero e proprio percorso strategico di 5 ore e
[15:20] Speaker 2: mezza di contenuto e video per darti la consapevolezza e
[15:24] Speaker 2: gli strumenti per non subire questa rivoluzione ma per guidarla,
[15:29] Speaker 2: per partire da zero, senza prerequisiti, ma per diventare quelli
[15:33] Speaker 2: che io chiamo i pastori dell'intelligenza artificiale. video slide un
[15:39] Speaker 2: sacco di pratica davvero da zero per affrontare tutti gli
[15:44] Speaker 2: argomenti dalla teoria ai design pattern alle tecniche avanzate di
[15:48] Speaker 2: prompting fino a progetti seguiti step by step passetto a
[15:52] Speaker 2: passetto per imparare la maestria nei modelli linguistici. Se stai
[15:58] Speaker 2: vedendo questo video probabilmente fai ancora in tempo a iscriverti
[16:01] Speaker 2: con un prezzo scontato di 100 euro e con la trasparenza
[16:04] Speaker 2: che ho sempre avuto. 30 giorni per provarlo e se
[16:07] Speaker 2: non fa per te rimborso completo senza farti domande. Trovi
[16:11] Speaker 2: tutto a zero. matteoflora. com e qui sotto in descrizione, perché non
[16:18] Speaker 2: è tardi per sfruttare l'intelligenza artificiale. E se il momento
[16:21] Speaker 2: migliore era comunque ieri, beh, il secondo momento migliore è
[16:26] Speaker 2: esattamente ora. Quindi zero. matteoflora. com e state parati.

Shows are listed from Apple Podcasts' charts and directory, and Podcast Index where it is used. Every show and episode belongs to its publisher and plays from the publisher's own feed; this site hosts none of them.