Generatieve AI maakt valse onderwaterfoto's ononderscheidbaar van echte. Risico's voor mariene conservatie, fotowedstrijden en visuele geloofwaardigheid in 2026.
Generatieve AI kan nu onderwaterbeelden produceren die niet meer van echte duikfoto's te onderscheiden zijn. Een fluorescerend koraalrif in perfecte gezondheid in kristalhelder water, een mantarog in ideaal silhouet tegen het oppervlak, een school blauwvintonijn in de Middellandse Zee: beelden die nooit hebben bestaan, die circuleren als authentiek visueel getuigenis. Voor onderwaterfotografie, waarvan de documentaire waarde centraal staat in mariene conservatie, is dit een structurele bedreiging die weinig fotografen volledig hebben gemeten.
Eind 2022 waren de eerste onderwaterbeelden gegenereerd door modellen zoals DALL-E 2 of Stable Diffusion gemakkelijk te herkennen: vreemde anatomie, repetitieve texturen, incoherente belichting. Een duikfotograaf met zes maanden ervaring identificeerde ze in seconden.
In 2025 produceren nieuwe-generatiebeeldmodellen onderwaterscènes die zelfs ervaren fotografen niet systematisch van authentieke beelden kunnen onderscheiden. Ik heb vergelijkingstests uitgevoerd tijdens workshops in Brussel: uit gemengde batches van 20 beelden (echte foto's en door AI gegenereerde beelden) maakten mijn studenten gemiddeld 4 tot 6 fouten. Ervaren fotografen die ik respecteer scoorden vergelijkbaar.
Dit is geen oordeel over hun competentie. Het is een meting van hoe snel de technologie is geëvolueerd.
Onderwaterfotografie heeft altijd een deel van zijn autoriteit ontleend aan het feit dat het een fysieke aanwezigheid in een vijandige omgeving impliceert. Een murene fotograferen in de Middellandse Zee vereist duiken, benaderen, wachten. De foto was het bewijs van die aanwezigheid.
Dat bewijs werkt niet meer als iedereen een beeld van een murene in de Middellandse Zee kan genereren zonder ooit een duikmasker te hebben aangeraakt.
Praktische gevolgen: duikers die foto's delen op sociale media verliezen hun automatische geloofwaardigheid als getuigen. Het rapporteren van een invasieve soort, het documenteren van een blekingslocatie, of het vastleggen van ongewoon diergedrag vereist nu aanvullende verificatie die een foto alleen niet langer kan garanderen.
Grote onderwaterfotowedstrijden hebben relatief snel gereageerd. Underwater Photographer of the Year (UPY) heeft zijn regels bijgewerkt om door AI gegenereerde inhoud expliciet te verbieden en te vereisen dat elk ingediend beeld een authentiek gefotografeerde scène vertegenwoordigt. De AI-regels in onderwaterfotowedstrijden zijn geëvolueerd sinds 2023 en worden verder verfijnd.
Maar handhaving blijft moeilijk. AI-detectietools zijn verre van betrouwbaar. Een jury die mogelijk duizenden beelden evalueert, heeft beperkte middelen. Kwaadwillige deelnemers hebben een structurele voorsprong op verificatiesystemen.
Het geval dat mij op lange termijn het meest zorgen baart: wetenschappelijke databases van mariene biodiversiteit zijn kwetsbaar.
Als door AI gegenereerde beelden van mariene soorten op fictieve of onjuiste locaties iNaturalist of GBIF bereiken, kunnen ze soortverspreidingsmodellen corrumperen. Een algoritme dat de aanwezigheid van een invasieve soort detecteert op basis van een AI-beeld kan geen onderscheid maken tussen een echte waarneming en een verzonnen.
Koraalbleking wordt gedeeltelijk gedocumenteerd via foto's van burgerdui kers. Als door AI gegenereerde beelden van gezonde riffen circuleren als authentieke foto's, kunnen ze een vals gevoel van normaliteit creëren waar de werkelijkheid degradatie is. Dit mechanisme is niet theoretisch: het correspondeert precies met hoe sociale platformen spectaculaire beelden verspreiden zonder authenticiteitsverificatie.
Zie de werkelijke toestand van koraalriffen in 2026 in het artikel over koraalbleking.
Twee categorieën tools creëren legitieme verwarring:
Puur generatieve AI (Midjourney, DALL-E, Stable Diffusion, Firefly Generative Fill om elementen toe te voegen): het creëert inhoud die niet bestond in de werkelijke scène.
Herstel-AI (Topaz Denoise AI, DxO PureRAW, Lightroom AI Denoise): het verbetert een bestaand beeld zonder de documentaire inhoud te wijzigen.
De grens is niet altijd duidelijk. Adobe Firefly, geïntegreerd in Photoshop als "Generative Fill", bevindt zich tussen de twee naargelang het gebruik: een luchtbel van de tank van een duiker verwijderen is esthetische nabewerking. Een vis toevoegen die niet aanwezig was in de originele scène is documentaire manipulatie.
Het artikel over Adobe Generative Fill en onderwaterfotografie verkent deze grens in detail met concrete gebruiksscenario's.
Geen geautomatiseerd detectietool is 100% betrouwbaar in 2026. Automatische detectoren (GPTZero, Hive Moderation, gespecialiseerde tools) hebben significante foutenpercentages op fotografische beelden. Het ontwikkelen van een getraind menselijk oog blijft de betrouwbaarste methode, met zijn eigen beperkingen.
Indicatoren om te zoeken in een verdacht beeld:
Dieranaatomie. AI-modellen maken fouten op de anatomische details van mariene soorten: vinnen op onmogelijke hoeken, onjuist geplaatste ogen, een bek die niet overeenkomt met de veronderstelde soort, tentakels met het verkeerde aantal of de verkeerde textuur. Een duiker die Mediterrane soorten kent, herkent deze fouten snel.
Hydrodynamica. Bellen stijgen altijd verticaal onder water. Koralen buigen niet in richtingen die inconsistent zijn met de stroming. Zonlicht dat onder water filtert vormt verticale stralen, geen bogen. Deze fysische beperkingen die AI-modellen nog niet volledig beheersen, blijven waardevolle indicatoren.
Repetitieve texturen. AI-modellen creëren soms repetitieve patronen over koralen, rotsen of zanderige gebieden. Het beeld op schaal onderzoeken onthult deze herhalingen die niet in de natuur voorkomen.
Afwezige EXIF-metadata. Een echte foto bevat metadata: cameramodel, brandpuntsafstand, sluitertijd, ISO, soms GPS-coördinaten. Een gegenereerd beeld heeft niets van dit tenzij metadata handmatig is toegevoegd. De afwezigheid van EXIF-metadata op een foto die vermeend is genomen met een fysiek apparaat is een sterk signaal.
Ontbrekende context. Wie nam de foto? Wanneer? Op welke duikplaats? Met welke uitrusting? Een authentiek beeld wordt geleverd met een context die de auteur in detail kan beschrijven. Een gegenereerd beeld heeft geen van dit.
Ik werk al sinds 2022 met AI-tools. Ik gebruik Topaz voor ruisreductie en upscaling. Ik vind deze tools legitiem omdat ze echte beelden verbeteren die zijn genomen in moeilijke omstandigheden, zonder te wijzigen wat er daadwerkelijk is gefotografeerd.
Ik weiger generatieve AI te gebruiken om de documentaire inhoud van mijn beelden te creëren of te wijzigen. Niet uit dogmatisme, maar omdat de waarde van onderwaterfotografie rust op wat het attesteert: een fysieke aanwezigheid in een vijandige omgeving, een ontmoeting met levende wezens, een moment dat werkelijk heeft plaatsgevonden.
AquaExposure leert onderwaterfotografie in natuurlijk licht, zonder stroboscoop, met de echte beperkingen die dit impliceert. Die beperkingen maken deel uit van de eerlijkheid van het medium. Een foto genomen op 18 meter in de Middellandse Zee in de winter, met de blauwgroene kleurcast die natuurlijk licht op die diepte produceert, is authentiek juist omdat het de beperkingen van de omgeving draagt.
Een door AI gegenereerd beeld van dezelfde scène, perfect, lichtgevend, zonder korrel, zonder bewegingsonscherpte, zonder de onvolkomenheden van de werkelijkheid, is een mooi beeld. Het is geen foto.
Systematisch contextualiseren. Deel uw foto's met informatie over de duikplaats, datum, omstandigheden en gebruikte uitrusting. Deze context is zowel bewijs van authenticiteit als toegevoegde waarde voor uw publiek.
RAW-bestanden bewaren. Het RAW-bestand is het onweerlegbare bewijs dat de foto is vastgelegd door een fysieke sensor. In geval van geschil is het het primaire bewijs.
Content Credentials gebruiken als uw uitrusting het ondersteunt. Sony, Nikon en Canon beginnen de C2PA-standaard te integreren die de beeldoorsprong cryptografisch ondertekent binnen de camera. Deze handtekening kan het bestand vergezellen doorheen zijn distributieketen.
Druk uitoefenen op platformen. Sociale platformen en wedstrijden zonder een duidelijk beleid over generatieve AI-inhoud verdienen uitgedaagd te worden. Eisen voor transparantie van makers van authentieke inhoud zijn een echte hefboom.
Bijdragen aan burgerlijke mariene wetenschap illustreert wat een authentieke geogetagde foto waard is: data die onderzoekers daadwerkelijk kunnen gebruiken. Een door AI gegenereerd beeld draagt geen van die waarde.
Ethische onderwaterfotografie heeft altijd de vraag van de relatie met levende onderwerpen omvat. Het omvat nu ook de vraag van de relatie met de waarheid van het beeld.
De kwaliteit van generatieve modellen zal blijven verbeteren. Over twee jaar zullen de anatomische indicatoren die ik hierboven beschrijf waarschijnlijk gecorrigeerd zijn. De kloof tussen een gegenereerd beeld en een authentieke foto zal op puur visueel niveau blijven verkleinen.
Wat niet zal veranderen: de intrinsieke waarde van aanwezigheid. In het water zijn, op dat moment, met die soort, in die omstandigheden, is iets wat geen AI kan genereren omdat het niet heeft plaatsgevonden.
Het bredere landschap van AI in onderwaterfotografie in 2026 toont hoe technologie zowel mogelijkheden als risico's creëert voor degenen die in het water fotograferen.
Voor degenen die vooruit willen gaan in onderwaterfotografie vanuit dit engagement voor authenticiteit, leert de AquaExposure onderwaterfotografie-opleiding hoe u de beperkingen van de onderwateromgeving als troeven kunt gebruiken in plaats van obstakels die u met technologie moet overwinnen.
De vraag van authenticiteit in onderwaterfotografie is geen technische vraag. Het is een vraag over wat u wilt dat uw foto's dienen.
Voor geïsoleerde beelden in gangbare onderwatercontexten is het antwoord in 2026 vaak ja. Midjourney v7, Stable Diffusion XL en vergelijkbare tools produceren onderwaterbeelden die de meerderheid van niet-specialisten niet van authentieke foto's kunnen onderscheiden. Er bestaan indicatoren voor een getraind oog (dieranaatomie, hydrodynamica, lichtreflecties aan het wateroppervlak) maar ze zijn niet universeel duidelijk.
De meeste grote wedstrijden hebben hun regels bijgewerkt tussen 2024 en 2026. Underwater Photographer of the Year (UPY) verbiedt expliciet alle door AI gegenereerde inhoud en vereist dat beelden werkelijk gefotografeerde scènes vertegenwoordigen. Diskwalificatie is van toepassing op beelden die gedeeltelijk of volledig zijn gewijzigd door generatieve tools buiten de aanvaardde nabewerkingscriteria.
Adobe Firefly, geïntegreerd in Photoshop via Generative Fill, is het meest wijdverbreide geval omdat miljoenen fotografen al Photoshop gebruiken. Het maakt het mogelijk elementen toe te voegen aan of te verwijderen uit bestaande foto's op een realistische manier. De grens tussen aanvaardbare nabewerking (een luchtbel van de tank van een duiker verwijderen) en documentaire manipulatie (een soort toevoegen die niet in de werkelijke scène aanwezig was) hangt af van het beoogde gebruik, niet van het tool zelf.
Potentieel ja, op twee manieren. Ten eerste kunnen door AI gegenereerde beelden van gezonde riffen de werkelijke staat van ecosysteemdegradatie maskeren en een vals gevoel van normaliteit creëren. Ten tweede zou soortidentificatiedata van AI-beelden die wetenschappelijke databases binnendringen de verspreidingsmodellen corrumperen die gebruikt worden om conservatiebeslissingen te informeren.
Geen enkel detectietool is 100% betrouwbaar in 2026. Gangbare indicatoren zijn: anatomisch onjuiste dieren (vinnen op onmogelijke hoeken, verkeerd geplaatste ogen), onrealistische hydrodynamica (bellen die in de verkeerde richting stijgen), herhaalde texturen over koraal- of rotsoppervlakken, afwezige of inconsistente EXIF-metadata, en een volledig gebrek aan geografische of contextuele details. Nagaan wie het beeld nam, wanneer, waar en met welke uitrusting, blijft de betrouwbaarste methode.
Ja, binnen duidelijk afgebakende toepassingen: redactionele illustratie expliciet geïdentificeerd als door AI gegenereerd, training en simulatie van onderwaterscènes, of artistieke creatie als zodanig gepresenteerd. De grens is transparantie: een door AI gegenereerd beeld gepresenteerd als een documentaire foto is een misleiding, ongeacht hoe mooi het is.
Content Credentials (C2PA) is een open standaard voor het inbedden van authenticiteitsmetadata in afbeeldingsbestanden. Adobe, Nikon, Sony en andere fabrikanten beginnen het te integreren. Een C2PA-ondertekend bestand bevat een bewerkingsgeschiedenis en een cryptografische handtekening van het bronenapparaat. Het systeem is veelbelovend maar nog niet universeel aangenomen of immuun voor alle manipulaties.
