Namun, di balik kemulusan visual yang menipu, para ahli forensik gambar menemukan kelemahan fundamental yang belum bisa dipahami oleh AI: hukum fisika yang mengatur cahaya dan perspektif di dunia nyata. Sebuah studi penting yang diterbitkan dalam jurnal Science pada Mei 2026 mengungkapkan bahwa meskipun model generator gambar modern terus berkembang pesat dalam meniru gaya dan estetika visual, arsitektur di baliknya pada dasarnya sama sekali buta terhadap cara kerja cahaya, geometri, dan fisika di dunia tiga dimensi. Ini menjadi celah krusial yang dimanfaatkan untuk mengungkap kebohongan visual AI.
Hany Farid, seorang Profesor dari UC Berkeley yang diakui sebagai salah satu pelopor forensik digital, adalah salah satu tokoh utama yang telah memanfaatkan kelemahan halus ini. Farid berargumen bahwa model pembuat gambar AI, meskipun mampu menghasilkan visual yang sangat meyakinkan, belum mempelajari pelajaran paling dasar dari kelas seni mana pun: titik hilang (vanishing point). Konsep titik hilang adalah pondasi dalam memahami perspektif dan kedalaman dalam seni dan fotografi, namun AI masih gagal memahami esensinya.
Gagal Paham Titik Hilang dan Geometri Perspektif
Bagian dari alasan mengapa gambar AI terlihat begitu meyakinkan adalah karena mereka berhasil meniru ekspektasi visual manusia. Gambar-gambar tersebut dibuat sangat hidup, sinematik, dan bergaya ala film atau fotografi profesional. Namun, di balik estetika yang memukau tersebut, perhitungan matematis yang mendasarinya sering kali berantakan dan tidak konsisten dengan hukum fisika.
Di dunia nyata, garis-garis sejajar seperti motif ubin lantai, papan kayu, rel kereta api, atau koridor bangunan selalu terlihat menyusut dan bertemu di satu titik hilang pada horizon. Fenomena ini adalah prinsip dasar perspektif linier yang telah dipahami oleh seniman selama berabad-abad. Dengan sekadar menarik garis lurus pada objek-objek paralel di dalam foto untuk mencari titik temu tersebut, para pakar forensik dapat memverifikasi keasliannya. Jika semua garis paralel bertemu pada satu titik yang konsisten, itu menunjukkan bahwa gambar tersebut mematuhi hukum perspektif dunia nyata.
Pada gambar buatan AI, meskipun secara kasat mata terlihat normal dan seolah-olah memiliki kedalaman yang wajar, seringkali terjadi inkonsistensi. Garis-garis ubin, misalnya, mungkin terlihat sejajar namun ketika ditarik secara matematis, garis-garis tersebut sering kali meleset dan tidak menuju ke satu titik hilang yang sama. Bahkan, bisa jadi ada beberapa "titik hilang" yang berbeda dalam satu adegan yang seharusnya hanya memiliki satu, menunjukkan kekacauan geometris yang tidak mungkin terjadi dalam foto asli. Ketidakmampuan AI untuk secara konsisten menerapkan prinsip dasar ini menjadi petunjuk kuat bahwa gambar tersebut adalah hasil rekayasa.
Cacat pada Pantulan dan Bayangan: Bukti Ketidakpahaman Fisika Cahaya
Selain garis lantai dan perspektif, hukum fisika ini juga sangat bisa diandalkan untuk menguji dua elemen visual krusial yang sering kali dimanipulasi secara tidak sempurna oleh AI: pantulan (reflections) dan bayangan (shadows). Kedua elemen ini adalah hasil langsung dari interaksi cahaya dengan objek di lingkungan tiga dimensi, dan AI masih kesulitan untuk mereplikasi interaksi ini dengan akurasi fisik yang konsisten.
-
Pantulan (Reflections):
- Di dunia nyata, pantulan cahaya mengikuti hukum fisika yang ketat: sudut datang sama dengan sudut pantul. Selain itu, pantulan pada permukaan yang berbeda (air, kaca, logam) akan memiliki karakteristik yang unik—derajat kejelasan, distorsi, dan intensitas cahaya yang berbeda. Sebuah pantulan juga harus konsisten dengan sumber cahaya dan objek yang dipantulkan. Misalnya, jika ada sebuah objek di depan cermin, pantulannya harus secara akurat merepresentasikan objek tersebut dari sudut pandang cermin, lengkap dengan distorsi yang sesuai jika permukaan pantul tidak datar.
- AI sering kali gagal dalam detail ini. Pantulan dalam gambar AI mungkin terlihat terlalu sempurna, terlalu jelas, atau terlalu buram secara tidak wajar. Objek yang dipantulkan mungkin tidak sesuai dengan objek aslinya, atau bahkan menunjukkan objek yang tidak seharusnya ada dalam adegan tersebut. Kadang kala, sumber cahaya yang terlihat pada objek utama tidak tercermin secara konsisten pada pantulannya, menciptakan anomali yang mudah dikenali oleh mata terlatih. Ketidakakuratan dalam sudut pantul, distorsi yang tidak realistis, atau inkonsistensi antara objek asli dan pantulannya menjadi indikator kuat manipulasi AI.
-
Bayangan (Shadows):
- Bayangan adalah salah satu elemen yang paling kompleks dan informatif dalam forensik gambar. Bayangan terbentuk karena suatu objek menghalangi jalur cahaya, dan karakteristiknya—arah, panjang, bentuk, serta tingkat ketajaman atau kelembutan—secara langsung ditentukan oleh posisi dan intensitas sumber cahaya, bentuk objek, dan permukaan tempat bayangan jatuh. Jika ada beberapa objek dalam satu adegan, semua bayangan yang dihasilkan oleh sumber cahaya yang sama harus menunjuk ke arah yang konsisten dan memiliki karakteristik yang selaras.
- AI sering kali membuat kesalahan fatal dalam menciptakan bayangan. Salah satu anomali yang paling umum adalah "bayangan multi-arah," di mana objek-objek berbeda dalam satu adegan memiliki bayangan yang menunjuk ke arah yang berbeda, seolah-olah ada beberapa sumber cahaya utama yang tidak konsisten. Bayangan mungkin juga tidak cocok dengan bentuk objek yang seharusnya, terlalu panjang atau terlalu pendek untuk posisi sumber cahaya yang terlihat, atau terlalu tajam/lembut secara tidak realistis. Bahkan, terkadang AI gagal membuat bayangan sama sekali untuk objek yang seharusnya memiliki bayangan, atau sebaliknya, menciptakan bayangan untuk objek yang tidak relevan. Ketidaksesuaian antara objek, sumber cahaya, dan bayangannya adalah "bendera merah" yang jelas bagi para pakar.
Mengapa AI Kesulitan Memahami Fisika?
Masih belum jelas apakah dan kapan model AI generatif bisa mengatasi kesalahan fisika yang mendasar ini. Meskipun cacat lainnya seperti jari keriting atau teks acak menghilang dengan cepat seiring perkembangan model, memahami serta menerapkan hukum fisika tiga dimensi secara konsisten tampaknya masih terlalu berat untuk kapabilitas model AI saat ini.
Alasan utamanya terletak pada cara AI belajar. Model AI dilatih menggunakan miliaran gambar dari internet. Mereka belajar dengan mengidentifikasi pola dan korelasi statistik antara piksel-piksel dalam gambar. AI tidak "memahami" dunia dalam arti fisik; ia tidak memiliki konsep gravitasi, cahaya sebagai gelombang, atau geometri Euclidean. Ia hanya meniru pola yang sering ia lihat dalam data pelatihannya. Jadi, ketika AI menghasilkan gambar, ia tidak sedang "mensimulasikan" fisika, melainkan "menebak" bagaimana cahaya dan perspektif seharusnya terlihat berdasarkan data yang telah dipelajarinya. Karena data pelatihan, meskipun sangat besar, mungkin tidak selalu konsisten secara fisik atau tidak mengajarkan prinsip-prinsip fundamental tersebut, AI cenderung membuat kesalahan halus yang mengkhianati ketidakpahaman mendalamnya.
Alat Deteksi AI Kurang Bisa Diandalkan
Di sisi lain, para peneliti juga memperingatkan pengguna agar tidak sepenuhnya bergantung pada software atau alat pendeteksi AI otomatis. Meskipun terkadang lebih akurat dari mata manusia dalam mengenali pola tertentu, alat-alat tersebut memiliki keterbatasan yang signifikan. Mereka sering kebingungan jika diberi gambar yang memiliki gaya visual di luar data pelatihannya, atau jika AI generatif telah menggunakan teknik baru yang belum pernah dilihat oleh alat deteksi tersebut. Ini menciptakan "perlombaan senjata" yang tak ada habisnya, di mana alat deteksi terus-menerus harus diperbarui untuk mengejar inovasi AI generatif. Ketergantungan buta pada alat otomatis dapat memberikan rasa aman palsu dan justru membuat pengguna lebih rentan terhadap deepfake yang canggih.
Paradoks di Era Deepfake: Memverifikasi Keaslian Lebih Sulit dari Deteksi Palsu
Menariknya, sebuah studi terpisah menambahkan fakta yang cukup ironis dan mengkhawatirkan: memverifikasi foto asli saat ini justru terasa lebih sulit daripada menangkap foto palsu. Dalam dunia yang semakin dipenuhi oleh konten buatan AI, kepercayaan terhadap gambar visual telah terkikis. Jika dulu kita bisa berasumsi sebuah foto itu asli kecuali ada bukti lain, kini asumsi tersebut berbalik.
Semakin lama seseorang meneliti sebuah gambar dan gagal menemukan kesalahan fisika seperti bayangan yang tidak konsisten, titik hilang yang berantakan, atau pantulan yang aneh, makin besar kemungkinan bahwa itu asli. Dengan kata lain, ketiadaan eror yang berkaitan dengan hukum fisika justru menjadi satu-satunya bukti kuat keaslian sebuah foto di era gempuran deepfake yang kian masif. Ini menempatkan beban pembuktian pada keaslian, bukan pada pemalsuan.
Kesimpulannya, selama manusia masih memahami fisika—bagaimana cahaya berperilaku, bagaimana perspektif bekerja, dan bagaimana objek berinteraksi dalam ruang tiga dimensi—kita masih memiliki garis pertahanan terakhir melawan tipuan AI yang semakin canggih. Pendekatan berbasis hukum fisika ini bukan hanya trik teknis, melainkan pengingat bahwa pemahaman mendalam tentang dunia nyata masih menjadi kunci dalam membedakan kebenaran dari ilusi di era digital yang semakin kompleks, demikian dirangkum dari Science melalui laporan detikINET, Sabtu (9/5/2026).
