Редакция Battan · · 9 мин

Раньше мозг работал просто. Скриншот из игры — видно. Фотошоп — видно. Живой человек — видно. Каждый формат узнавался с первого взгляда, ни с чем не путался.

Теперь так не получается. Открываешь ленту — и над каждым кадром зависаешь: настоящий? сгенерированный? отретушированный так, что уже без разницы? В какой-то момент мозг сдаётся и переключается в режим «всё подозрительно по умолчанию» — и начинает ошибаться в обе стороны. Живых людей принимает за нейронку. Нейронку — за живых людей. Гордится тем, что научился отличать, и не отличает.

С пилотным выпуском Battan мы в этом убедились на собственном лице. Точнее — на лице Димы.

Дима, который не нейросеть

Для съёмки мы взяли реального парня. Высокий, бритый, светловолосый, голубоглазый, грубые черты, короткая стрижка — то самое, что Midjourney выдаёт по запросу «slavic guy». Хотели показать, что такие парни существуют не только в выдаче нейросети, а ходят по улицам и сдают курсовые.

Дима за рабочим столом — задумчивый, рядом ноутбук, разбросанные бумаги
Дима. Реальный, физический, в одном экземпляре

И тут нас аккуратно поставили на место. Видео есть, фото есть, контекст есть — а половина аудитории посмотрела и решила: ИИ. Слишком похож на типаж. Слишком вписан в шаблон. Слишком — настоящий.

Парадокс простой. Нейросети, обученные на миллионах фото, выдают усреднённого восточноевропейского мужчину в одной и той же конфигурации: бритый, светлый, голубоглазый, тяжёлая челюсть. Статистическое среднее, утрамбованное в одно лицо. И когда такое лицо появляется в реальности — мозг считает его не живым человеком, а паттерном, который он уже сто раз видел на сгенерированных картинках.

"

Реальность проигрывает симуляции в правдоподобии — потому что симуляция за год успела сделать собственный типаж нормой. Дима родился раньше, чем Midjourney решил, как выглядит Дима, — но это уже никого не волнует.

Дима, кстати, существует физически. Рост 190, глаза голубые (правда, не «нейросетевые голубые» с одинаковым градиентом по обоим глазам — у него один чуть темнее). Учится на юриста, в перспективе будет защищать клиентов от обвинений в фотошопе. Согласен на новые съёмки. Если кто-то из читателей решит проверить, что он не голограмма — пишите в редакцию, организуем встречу. Кофе с него.

Тест

Три кадра из съёмки. По одному вопросу. Отвечайте по одному — следующий открывается, когда вы разберётесь с предыдущим.

01
Кофе разливается на клавиатуру ноутбука

Пролитый кофе на ноутбук, та самая глянцевая лужа на клавиатуре.

02
Брызги борща разлетаются от удара миски о стол

Разлитый суп, который красиво расходится брызгами.

03
Таблетка летит в воздухе перед лицом, чуть смазана

Таблетка в воздухе, чуть смазанно, как будто только что подброшена.

На что смотреть, когда сомневаешься

Короткий полевой список. Не гарантия — модели улучшаются каждый месяц — но в 2026 году ещё работает.

01 Руки и фоновые лица. Самое старое и самое живучее. Передний план модели рисуют отлично, а вот человек у дальней колонны может быть с шестью пальцами и одним ухом. Дальний план — место, где у нейронки кончается бюджет внимания.

02 Текст. Этикетки, надписи на одежде, объявления на стенах. Модели обрабатывают текст не как язык, а как узор — буквы плывут, шрифты гуляют, иногда вылезают символы из несуществующих алфавитов. Прочитайте. Если читается как заклинание — задумайтесь.

03 Хаос. Разлитое, разбросанное, растрёпанное. ИИ воспроизводит идею беспорядка — повторяя похожие элементы с микросдвигом. Реальный хаос так не работает: каждая вещь в собственной уникальной позе, ритма между ними нет.

04 Отражения. Не в зеркале — это уже выучили. А в стекле очков, в витрине, на мокром асфальте, на полированной столешнице. Если в кадре что-то блестит и в нём что-то отражается — приглядитесь. С большой вероятностью либо неполное, либо геометрически кривое.

Со стороны индустрии

Параллельно с технической ретушью кадров мы поговорили с фотографом, которая снимала эту съёмку, — и одновременно работает с генеративными моделями. Удобный ракурс: один человек по обе стороны баррикады.

Кадр из проекта THE LOOP — модель в офисе, обложка журнала
Лена Манакай · фотограф съёмки и преподаватель собственной школы ИИ-генерации. Среди коммерческих проектов — съёмки для Mercury и ЦУМа

По каким признакам реальная съёмка отличается от ИИ-проекта. Первое и самое очевидное — список участников. В реальной съёмке за кадром находится команда из десяти-двадцати человек: арт-директор, режиссёр, второй режиссёр, директор фотографии, оператор, гафер, ассистент стилиста, ассистент фотографа, два-три продюсера. Это структурное основание индустрии. ИИ-проект может выглядеть так же — и хорошие ИИ-проекты к этому стремятся, привлекая живых стилистов, реальных моделей, настоящие референсы. Цель технологии в действительности не в том, чтобы заменить команду одним ноутбуком, а в том, чтобы изменить инструментарий, сохранив профессии.

Можно ли в принципе отличить хорошую генерацию. Если работа сделана профессионально — с ручной правкой по пикселям, аккуратными итерациями, доводкой ретушёра — отличить её визуально нельзя. Глаз надёжно вылавливает только дилетантскую генерацию: пластиковую плавность, шаблонные эмоции, ощущение, что у всех людей в кадре одна и та же мать. Хорошо сделанная нейросеть остаётся за пределами зрительной идентификации.

О жидкостях. Тезис, что нейросеть слишком идеально рисует разлитый кофе, верен только для дефолтных моделей. Если скормить системе референс реального пролитого кофе и дополнительно обучить её локально, она научится воспроизводить именно ту физику жидкости, которую ей показали. Текст в кадре уже считывается. С отражениями в очках ситуация неоднозначная: системно с ними проблем нет, но единичные сбои случаются.

Об итерациях. Финальный кадр — почти никогда не первый. Один внешне безупречный результат часто оказывается тридцатой попыткой генерации. Недавняя работа с ботинками Dries Van Noten потребовала примерно тридцати вариантов: на одном неправильно обрезался язычок, на другом съезжала шнуровка, на третьем сбивалась фактура кожи. В итоговом кадре сошлось всё, но «итоговый» — это всегда совокупность тридцати неудач плюс один счастливый сид. В коротких проектах с ограниченным бюджетом на ретушь приходится дожимать результат самой моделью; в крупных подключают руки.

О главном парадоксе. Главный признак нейросети сегодня — не лицо, а фон. Сами модели нас давно не удивишь обработкой: годы Photoshop и Facetune приучили глаз к гладкой коже и идеальным чертам, и на этом фронте нейросеть выглядит даже менее отретушированной, чем средний кадр в любом инстаграме.

"

Если в кадре всё, от пола до потолка, выглядит так, будто на съёмку ушло сто тысяч долларов, — скорее всего, не ушло ничего.

Зато фон она выдаёт с головой. ИИ-модели тяготеют к помпезности — бесконечные лофты с кирпичными колоннами, мраморные ванные с золотыми смесителями, тропические виллы с панорамными окнами, невероятно красивый закатный свет. В настоящей съёмке почти всегда что-то выбивается: неудачный угол, облезлая стена, скучный потолок, простой стол. Нейросеть жертвовать не умеет — она строит каждый кадр как обложку архитектурного журнала, даже когда сюжет требует обычной кухни.

О типаже. Современные модели обучаются на огромных массивах фотографий, и у каждой из них формируется собственное усреднённое представление о норме — о красивом лице, правильной фигуре, удачных пропорциях. К этой норме нейросеть тянется по умолчанию, даже когда её просят об обратном.

Это легко проверить на простом эксперименте. Если нарочито подубрать с лица скулы и попросить модель сохранить эту версию лица, при следующих генерациях скулы всё равно постепенно проступают, даже если ты об этом не просил. Верхняя губа становится чётче. Пухлый человек становится пухлее, красивый — красивее. Нейросеть не копирует лицо, которое ей показали, — она аккуратно подтягивает его к собственному эталону. Индивидуальные черты при этом мягко стираются: алгоритм сравнивает их с миллионами других лиц и неосознанно нивелирует всё, что выбивается из статистической нормы.

О референсах, которые протекают. Когда подбираешь визуальную основу через чужие кадры, в финальной картинке остаются их следы. У меня была сцена в офисе: девушка на стуле, диагональ стены под определённым углом. Я меняла позы, ракурсы, кресло — линия стены упрямо сохранялась. Через неделю обнаружила, что другой автор использовал тот же исходный кадр в качестве референса — и в его финальной картинке росла та же трава, что в моём оригинале. Нейросеть не «вдохновляется»; она физически переносит фрагменты из обучающего материала в новый результат. Видно это только тем, кто знает, куда смотреть. Алгоритмы научатся отслеживать такие следы раньше людей.

Что остаётся у нас

Реальность теперь требует доказательств. Глаз ставит галочку «подозрительно» по умолчанию — в том числе на живых людях с симметричными лицами и стандартными чертами. Жидкости в движении, естественный хаос и сложные отражения остаются последней территорией, где снять оказывается проще, чем сгенерировать; передний план модели рисуют чисто, а самые уязвимые места кадра — это дальний план и поверхность, на которой что-то отражается. Граница между «снято» и «сгенерировано» проходит по количеству ручных итераций, и хорошо сделанную работу различить нельзя — а плохо сделанную замечают мгновенно.

Парадокс Димы при этом не уходит никуда: пока модели обучаются на нас, а мы — на моделях, реальный человек, попавший в усреднённый типаж, обречён выглядеть как сгенерированный. Это остаётся открытой темой — и одновременно лучшим аргументом в пользу того, что снимать живое всё ещё имеет смысл.

Photo: Lena Manakai · Battan · Читай, думай, проверяй на себе

Battan не является экспертным проектом в области верификации изображений. Описанные признаки ИИ-генерации актуальны на момент публикации и могут устареть в течение нескольких месяцев. Все упомянутые бренды и названия моделей приведены в редакционно-обзорных целях.

На сайте battan, могут содержаться упоминания и ссылки на Instagram — ресурс, принадлежащий компании Meta, деятельность которой признана экстремистской и запрещена в РФ. Вся информация и ссылки размещены в информационных целях и не являются рекламой.