Waarom AI-beelden er nog steeds nep uitzien
Door Chatday Editorial Team ·
Je kijkt al drie seconden naar de foto van een kok die het diner opmaakt als de hand je opvalt. De duim buigt de verkeerde kant op, en er zit een vijfde vinger waar een vierde hoort. Al het andere is prachtig. De stoom, het licht, die kleine schroeiplekjes op het bord. Maar die hand verraadt alles, en nu kun je het niet meer niet zien.
AI-beeldtools zijn een heel eind gekomen. Een generatie geleden smeerden ze gezichten uit en maakten ze van tanden pianotoetsen. Nu maken ze een portret dat bijna iedereen voor de gek houdt. Bijna. Er blijft een klein groepje plekken waar de illusie barst, en zodra je weet waar je moet kijken, zie je ze overal.
Dus dit gebeurt er echt: waarom een tool die huid en haar prachtig schildert nog struikelt over een hand of een straatbord, en wat dat zegt over hoe deze tools ‘zien’.
De signalen die nog werken
Sommige oude aanwijzingen zijn dood. Plastic, geretoucheerde huid en die identieke lichtjes in beide ogen schreeuwden vroeger ‘nep’. De nieuwe modellen beheersen huidtextuur en oogreflecties inmiddels goed, dus op zichzelf zeggen ze niets meer.
Wat glipt er nog doorheen? Een handjevol plekken waar het model veel kleine dingen tegelijk kloppend moet houden.
| Waar je kijkt | Wat het verraadt | Waarom het gebeurt |
|---|---|---|
| Handen in actie | Extra of samengesmolten vingers bij het grijpen, overlappen of vasthouden | De pose is complex en de details piepklein, dus die worden als laatste en het slechtst ingevuld |
| Tekst op de achtergrond | Uitgesmolten letters op een ver bord, een boekrug of een etiket | Het model stopt de moeite in het onderwerp, niet in de kleine lettertjes |
| Reflecties en schaduwen | Een spiegel die iets anders toont, schaduwen die nergens heen wijzen | Het schildert een aannemelijk ogende reflectie, geen natuurkundig kloppende |
| Herhalende patronen | Rijen bakstenen die krommen, tegels die van formaat veranderen in het beeld | Een wiskundig gelijkmatig raster over het hele beeld houden is lastig |
| Sieraden en randen | Een horloge dat half in de pols smelt, een ring die opgaat in de huid | Twee vlakken die netjes tegen elkaar komen, is precies de grens waar het moeite mee heeft |
Geen van deze is een waterdichte test. De beste modellen van 2026 kunnen elk ervan foutloos doen. De truc is dat ze ze bijna nooit allemaal tegelijk goed doen. Een beeld kan onberispelijke handen en leesbare tekst hebben, en dan komt het licht uit twee richtingen die niet allebei kunnen bestaan.
Waarom handen en tekst de AI laten struikelen
Nu komt het deel dat verrast. Het model tekent geen hand. Het heeft geen idee dat een hand bestaat.
Peter Bentley, informaticus aan de University College London, zei het botweg in een interview met BBC Science Focus: het zijn ‘2D-beeldgeneratoren die geen enkel begrip hebben van de driedimensionale geometrie van iets als een hand’. Ze leren door miljoenen beelden op te zuigen en patronen op te pikken. Een hand heeft meestal een handpalm, wat vingers en wat nagels. Maar, zoals Bentley zegt, ‘geen van deze modellen begrijpt echt wat het geheel is’.
Zie het minder als een schilder en meer als automatisch aanvullen voor pixels. Het model voorspelt wat er hierna zou moeten komen op basis van wat het heeft gezien, zonder ooit tot vijf te tellen of te redeneren welke vinger waar hoort. Vraag om twee handen met verstrengelde vingers en je krijgt, in Bentleys woorden, ‘twee polsen en een bal vingers’. Het gokt naar een vorm die het heel vaak heeft gezien maar nooit echt heeft begrepen.
Dat verklaart ook het probleem met de trainingsdata. Op de meeste foto’s zijn handen een rommeltje. Ze zijn half verborgen, tot een vuist gebald, aan het zwaaien, een koffiekopje vast, of zo gedraaid dat je maar twee vingers ziet. Gezichten kijken op miljoenen scherpe foto’s recht in de camera, dus modellen zien gezichten vanuit elke hoek en in elk licht. Handen zien ze vooral in volle actie en half bedekt, waardoor een ontspannen, gespreide, naar voren gerichte hand vreemd zeldzaam is in de data. Het model wordt geweldig in wat het helder heeft gezien en wankel in wat het in stukjes heeft gezien.
Tekst is hetzelfde verhaal in een ander jasje. Voor het model zijn letters vormen, geen taal. Het weet dat een bord lettersachtige tekens hoort te dragen, dus schildert het lettersachtige tekens. Van dichtbij, op een kop, kunnen de nieuwe modellen spellen. Duw het naar een verre etalage of een muur vol kleine lettertjes en het valt terug op krabbels die alleen van veraf op woorden lijken.
Wat de nieuwe modellen hebben opgelost, en wat niet
Het zou oneerlijk zijn te doen alsof er niets veranderd is. Er is veel veranderd.
Huid ziet er nu echt uit, met poriën en korrel in plaats van die wasachtige glans. De ogen kloppen. Gezichten hebben micro-expressies die de oude stijfheid van de uncanny valley ontwijken. Korte, opvallende tekst komt er vaak schoon uit. Eenvoudige, rustende handen, die gewoon op schoot liggen, lukken meestal. Zag je vandaag een topbeeld zonder enkele aanwijzing, dan zou je niet met je ogen knipperen.
Wat standhoudt, is alles wat van het model vraagt om regels te begrijpen in plaats van uiterlijk te kopiëren. Natuurkunde is het grote probleem. Een reflectie moet de geometrie gehoorzamen. Een schaduw moet bij het licht passen. Een hand om een kopje moet weten dat het kopje voor sommige vingers zit en achter andere. Dat zijn geen textuurproblemen, het zijn logicaproblemen, en een patroonzoeker doet geen logica. Bentley merkt op dat de oplossing waarschijnlijk loopt via trainen op echte 3D-vormen zodat modellen ‘de vorm achter de beelden begrijpen’, en er is al vroeg werk in die richting, maar de alledaagse tools die je gebruikt schilderen nog steeds platte gissingen.
Als je benieuwd bent hoe ver het veld is gekomen met juist het tekstprobleem, zijn we daar dieper op ingegaan in de AI heeft eindelijk leren spellen in beelden. En als je gewoon wilt weten welke tool vandaag de schoonste resultaten geeft, zetten we ze op een rij in de beste AI-beeldgeneratoren.
Zo krijg je AI-beelden die er niet nep uitzien
Weten waarom beelden breken, vertelt je precies hoe je het voorkomt. Je stuurt het model weg van wat het verprutst.
Houd handen rustig of buiten beeld. Als een hand niets ingewikkelds hoeft te doen, laat het dan niet. Vraag om rustende handen, in de zakken, of kader gewoon strakker. Een portret vanaf de borst omzeilt het hele probleem.
Vraag het beeld niet om jouw woorden te dragen. Heb je een kop, een logo of een onderschrift nodig, voeg het dan achteraf toe in een willekeurige designtool. Laat het model het beeld maken en zet de echte tekst er zelf overheen. Die wordt scherp, correct en van jou.
Beschrijf het licht. Zeg waar het vandaan komt. ‘Zacht raamlicht van links’ geeft het model een regel om te volgen, en schaduwen en reflecties vallen eerder op hun plek dan dat ze willekeurige kanten op wijzen.
Genereer, corrigeer, genereer opnieuw. Het eerste resultaat is een schets. Spot de aanwijzing, sleutel aan de prompt of pas één detail aan, en draai opnieuw. Wie schone beelden krijgt, heeft geen geluk, maar doet gewoon twee of drie rondes. Op één plek werken helpt hier, want je kunt genereren, het uitgesmolten bord zien en opnieuw draaien zonder tussen apps te springen. Dezelfde truc drijft veel van de met AI gemaakte productfoto’s aan: een paar snelle rondes, geen enkele perfecte prompt.
Benut het ‘imperfecte’ met opzet. Een licht korrelige, niet-gecentreerde, echt ogende opname leest authentieker dan een onberispelijke. Het is inmiddels een eigen stijl, en we schreven over waarom AI-foto’s er met opzet imperfect uitzien.
Het eerlijke is niet dat AI-beelden slecht zijn. Ze zijn zelfverzekerd, en zelfverzekerd is niet hetzelfde als juist. Besteed dertig seconden aan de hoeken van het beeld en je weet het. En als je dan je eigen beelden maakt, kun je de tool richten op wat het goed kan en de rest stilletjes omzeilen.