Eclissi, quando lo smartphone inventa quello che fotografa: le "allucinazioni" delle fotocamere AI
Il caso dello Xiaomi 17 Ultra, che lo scorso 12 agosto ha trasformato il Sole in una falsa Luna, è soltanto l’ultimo episodio di una storia singolare (e un po' inquietante...)
Una Luna che ne oscura un’altra. Se l’immagine fosse autentica, ci sarebbe qualcosa di profondamente sbagliato nel nostro sistema solare. Durante l’eclissi di Sole del 12 agosto 2026, visibile parzialmente anche dall’Italia, lo Xiaomi 17 Ultra ha infatti prodotto uno scatto decisamente insolito: il disco luminoso del Sole, parzialmente coperto dalla Luna, mostrava sulla propria superficie dettagli e crateri tipicamente lunari. Il risultato assomigliava a una sorta di impossibile eclissi tra due Lune.
Non era Photoshop e, soprattutto, non era stato l’autore della fotografia a modificare volontariamente lo scatto. A intervenire era stata la funzione di elaborazione dedicata alla Luna dello smartphone: il sistema avrebbe interpretato il disco luminoso come una Luna e applicato l’elaborazione prevista per migliorarne la superficie.
Quando la fotocamera non registra soltanto, ma interpreta
Da tempo una fotografia scattata con uno smartphone non è semplicemente il risultato della luce che attraversa un obiettivo e raggiunge un sensore. Tra quel momento e il file che compare nella galleria interviene una crescente quantità di elaborazione: più fotogrammi vengono combinati, le ombre schiarite, le alte luci recuperate, i contorni definiti e alcune scene riconosciute automaticamente. Ed è qui che arrivano quelle che, prendendo in prestito un termine ormai comune nel mondo dell’intelligenza artificiale, possiamo chiamare allucinazioni fotografiche: dettagli plausibili, spesso molto convincenti, che però non corrispondono necessariamente alle informazioni realmente catturate dal sensore. La storia di questo fenomeno, del resto, è iniziata diversi anni fa. Proviamo a ricostruire i casi più noti di allucinazioni fotografiche.
2019: Huawei P30 Pro e il primo caso delle fotografie della Luna
Uno dei primi casi capaci di portare il problema all’attenzione del grande pubblico riguarda il Huawei P30 Pro. Era il 2019 e una delle caratteristiche più pubblicizzate del nuovo smartphone era la capacità di fotografare la Luna senza ricorrere a un teleobiettivo esterno o a un treppiede. Il telefono riconosceva attraverso l’intelligenza artificiale che l’utente stava inquadrando la Luna e poteva attivare una modalità specifica pensata per aumentarne la qualità. Il risultato era spettacolare. Forse troppo. Il fotografo Wang Yue realizzò una serie di esperimenti cercando di capire quanto dell’immagine finale provenisse effettivamente dallo scatto e quanto invece dalle conoscenze precedentemente apprese dall’algoritmo. La sua conclusione fu controversa: secondo i test, Moon Mode non si sarebbe limitata a migliorare i dettagli presenti nell’immagine, ma avrebbe potuto introdurre informazioni derivate da ciò che il sistema aveva imparato sull’aspetto della superficie lunare. Huawei respinse questa interpretazione, sostenendo che il sistema migliorasse esclusivamente caratteristiche della fotografia come forme, colori e dettagli senza sostituire l’immagine originale.
Pasquale Raicaldo
2021-2023: Samsung e la Luna dettagliata anche quando viene sfocata
Con Samsung la questione diventò ancora più evidente. A partire dalla serie Galaxy S21, Scene Optimizer è in grado di riconoscere automaticamente la Luna. Samsung stessa spiega che, una volta identificato il soggetto, il telefono combina più di dieci immagini attraverso tecniche di Super Resolution e utilizza un sistema di deep learning per ridurre il rumore e migliorare ulteriormente i dettagli. Nel 2023 un esperimento diventato virale mise però alla prova il sistema in un modo particolarmente semplice. Un’immagine della Luna venne ridotta di dimensioni e fortemente sfocata, eliminando gran parte dei dettagli più fini. L’immagine venne quindi mostrata su uno schermo e fotografata con un Galaxy S23 Ultra. Il risultato finale presentava una superficie lunare molto più definita rispetto alla sorgente fotografata. Il dibattito fu immediato: il telefono stava recuperando informazioni attraverso sofisticate tecniche di super-resolution oppure stava ricostruendo dettagli sulla base di ciò che il modello aveva imparato essere una Luna? Samsung ha sempre sostenuto che non venga semplicemente sovrapposta un’immagine preesistente della superficie lunare. La documentazione dell’azienda conferma però un aspetto fondamentale: il sistema riconosce specificamente la Luna e applica a quell’oggetto un motore di miglioramento basato sul deep learning.
2025: Honor Magic7 Pro e i rami che prima non c’erano
Con il passare degli anni il fenomeno smette di riguardare soltanto la Luna. Nel gennaio 2025 Android Authority mette alla prova le funzioni fotografiche IA dell’Honor Magic7 Pro, in particolare il sistema di miglioramento utilizzato per fotografie scattate con zoom molto elevati. I risultati mostrano bene cosa può succedere quando al software vengono affidate informazioni visive troppo povere. In alcune fotografie di paesaggio elaborate dall’IA compaiono rami ed edifici aggiuntivi rispetto alla scena originale. In altre prove l’elaborazione dei ritratti modifica dettagli del volto, arrivando a ricostruire elementi come le sopracciglia e ad attenuare caratteristiche realmente presenti. L’algoritmo comincia a intervenire su persone, edifici e vegetazione. Il principio però rimane identico: quando le informazioni catturate non sono sufficienti, il sistema tenta di produrre il risultato più plausibile. E plausibile non significa necessariamente vero.
2025: Google porta un modello generativo direttamente dentro la fotocamera
Con il Pixel 10 Pro il salto diventa ancora più esplicito. Google introduce Pro Res Zoom, una tecnologia capace di arrivare fino a 100x utilizzando il primo modello di diffusione integrato direttamente nella fotocamera Pixel. E in questo caso non è necessario interpretare il funzionamento del sistema: è Google stessa a spiegare che il modello utilizza i dettagli disponibili — forme, colori e altre informazioni raccolte dalla fotocamera — per ricostruire ciò che manca quando l’ingrandimento supera le capacità dell’ottica. Il risultato può essere impressionante. DPReview ha sottoposto Pro Res Zoom a una serie di test. A ingrandimenti molto elevati sono comparsi alcuni errori tipici dell’intelligenza artificiale generativa: animali deformati, parti mancanti e dettagli che non appartenevano correttamente alla scena. In una fotografia, una papera finisce con l’avere delle piume sul becco. In un’altra prova un uccello sembra possedere tre zampe, anche se in quest’ultimo caso il movimento della fotocamera potrebbe aver contribuito al risultato. Con l’arrivo dei modelli generativi, il telefono può ricostruire informazioni che l’ottica non è riuscita a registrare con sufficiente dettaglio. Google ha però introdotto anche un’importante contromisura: le immagini elaborate possono includere i Content Credentials, pensati per indicare l’impiego di strumenti di intelligenza artificiale.
Nel 2026 il problema diventa anche scientifico
Ad aprile 2026 un gruppo di ricercatori ha pubblicato un paper dal titolo significativo: Addressing Image Authenticity When Cameras Use Generative AI. Il lavoro affronta precisamente il problema della crescente integrazione di sistemi generativi e di deep learning nelle pipeline fotografiche. Secondo i ricercatori, queste tecnologie possono introdurre contenuti allucinati direttamente nelle immagini prodotte dalla fotocamera. Nella maggior parte dei casi si tratta di modifiche innocue, come texture o bordi migliorati. In altri, però, l’alterazione può cambiare il significato dell’immagine. Gli esempi utilizzati nello studio sono molto concreti. Una targa troppo lontana per essere realmente leggibile può essere ricostruita dalla super-resolution trasformando una lettera in un’altra. Un volto può cambiare leggermente espressione, sguardo, bocca o denti. Un sistema di miglioramento delle immagini notturne può rendere la fotografia esteticamente migliore e modificare un QR code fino a renderlo inutilizzabile. A quel punto il problema smette di riguardare soltanto la qualità delle fotografie. Diventa un problema di autenticità.
Fonti e bibliografia
DDay.it, Non si tratta di Photoshop. A modificare involontariamente la foto è stato lo stesso Xiaomi 17 Ultra. La funzione IA dedicata alla Luna ha trasformato l’eclissi di Sole del 12 agosto in qualcosa che non può esistere, agosto 2026. Articolo utilizzato come fonte per il caso dello Xiaomi 17 Ultra e dell’eclissi solare.
Android Authority, Huawei P30 Pro “Moon Mode” controversy, 2019. Analisi della controversia relativa alla modalità fotografica dedicata alla Luna del Huawei P30 Pro e degli esperimenti condotti per verificare quanto l’intelligenza artificiale intervenisse nella ricostruzione dei dettagli.
https://www.androidauthority.com/huawei-p30-pro-moon-mode-controversy-978486/
Samsung, How Galaxy cameras combine Super Resolution technologies with AI to produce high-quality images of the Moon. Documentazione ufficiale sul funzionamento di Scene Optimizer, Super Resolution e deep learning nelle fotografie della Luna realizzate dagli smartphone Galaxy.
https://www.samsung.com/uk/support/mobile-devices/how-galaxy-cameras-combine-super-resolution-technologies-with-ai-to-produce-high-quality-images-of-the-moon/
Android Authority, HONOR Magic 7 Pro review, 2025. Test delle funzioni fotografiche basate sull’intelligenza artificiale dell’Honor Magic7 Pro, con esempi di “AI hallucinations” durante l’utilizzo dello zoom e dell’elaborazione dei ritratti.
https://www.androidauthority.com/honor-magic-7-pro-review-3513368/
Google, Pixel 10 camera features, 2025. Presentazione ufficiale delle nuove funzionalità fotografiche della serie Pixel 10, compreso Pro Res Zoom e l’utilizzo di modelli generativi per migliorare gli scatti realizzati a forte ingrandimento.
https://blog.google/products-and-platforms/devices/pixel/pixel-10-camera-features/
DPReview, Testing Pro Res Zoom on the Google Pixel 10 Pro, 2025. Test indipendente del sistema Pro Res Zoom del Pixel 10 Pro, con confronto tra immagini originali ed elaborate e diversi esempi di dettagli generati erroneamente dall’IA.https://www.dpreview.com/articles/2628918444/testing-pro-res-zoom-on-the-google-pixel-10-pro/
Masud, Punnappurath, Zhao, Lindell, Brown, Addressing Image Authenticity When Cameras Use Generative AI, 2026. Studio dedicato alle conseguenze dell’integrazione dell’IA generativa nelle pipeline fotografiche, con esempi di alterazioni di targhe, volti, QR code e altri dettagli potenzialmente rilevanti per l’autenticità documentaria delle immagini.https://arxiv.org/abs/2604.21879
