Verifiseringsprosessens fem steg

1. Originalitet

Det dukker ofte opp bilder og video fra nyhetshendelser. Bilder og videoer som knyttes til dette kan være falske, villedende, utdaterte eller brukt i feil kontekst. Men de kan også være helt korrekte.

Et omvendt bilde- eller videosøk kan gi en rask pekepinn om det er publisert tidligere, og/eller i en annen setting. Dette er en enkel og effektiv metode alle bør ha i fingrene.

For å foreta et omvendt bildesøk kan man enten høyreklikke på selve bildet i nettleseren (Chrome) og velge “Søk med Google Lens”. Da forsøker Google å finne tilsvarende versjoner av bildet som er lagt ut på nettet fra før.

Om noe hevder å være et dagsferskt bilde fra en skoleskyting, men Google viser at et tilsvarende bilde ble lastet opp i 2022, skjønner du at noe skurrer. Leter du etter et portrett/bilde av en person, blir ting litt verre. På grunn av personvernhensyn gjør ikke Google søk med ansiktsgjenkjenning. Men det kan være at du får treff et annet sted, for eksempel russiske Yandex.

Om du foretar et omvendt bildesøk og det ikke dukker opp noe, betyr ikke dette automatisk at kildematerialet er verifisert eller hva det utgir seg for å være. Men det er et godt utgangspunkt og en viktig første boks å sjekke av i ethvert verifiseringsarbeid.

Verktøyliste:

• InVID Verification Plugin (Utvidelse til Chrome)
• Google Images
• Google Fact Check tools
• Yandex Images (russisk søkemotor)
• Google Lens

Ulike søkemotorer og ulike verktøy har ulike metoder for å søke etter materiale. Det er derfor lurt å foreta omvendte bildesøk fra flere sider, ikke bare Google. Derfor anbefales alle å laste ned Chrome-utvidelsen InVID Verification Plugin. Denne utvidelsen gir tilgang til flere nyttige verifiseringsverktøy, og lar deg veldig enkelt kjøre et omvendt bildesøk på flere plattformer samtidig (Google, Yandex, Tineye, Bing, med mer) med ett tastetrykk:

Ofte er det ikke et stillbilde, men en video vi forsøker å verifisere. Her må vi også foreta et omvendt bildesøk, men vi kan ikke høyreklikke på videoen. Da må vi gjennom ett ekstra steg, nemlig ta ut skjermbilder/frames fra videoen, for så å kjøre et omvendt bildesøk på disse. Dette kan vi enten gjøre manuelt, eller vi kan la tjenester som InVid hjelpe oss.

Trykk på utvidelsesikonet, velg “Open Toolbox”. Deretter trykker du på “Keyframes”, hvor du enten kan laste opp eller lenke til den aktuelle videoen. InVid produserer automatisk stillbilder for deg, og ved å trykke på disse foretar den også et automatisk omvendt bildesøk.

Dersom du ikke bruker Invid og ønsker å gjøre dette manuelt, er det lurt å ta et skjermbilde av første og siste frame i videoen, samt en frame fra det mest “avgjørende” øyeblikket i videoen. Er det en video som viser eksplosjon, ta en frame fra når eksplosjonen er på sitt mest intense.

1.2 Omvendt bildesøk i praksis

I tiden etter 7. oktober 2023 florerte sosiale medier av bilder og videoer som skulle vise Hamas sitt angrep mot sivile israelere. Blant annet denne videoen av det som skulle være et kvinnelig gissel som ble brent levende (OBS! Sterke bilder).

Videoen er brutal og har åpenbar nyhetsverdi, men viser den faktisk det den hevder? Vi tar et stillbilde av videoen og gjennomfører et omvendt bildesøk i Google:

Her ser vi at bildet er lastet opp flere ganger tidligere, også lenge før oktober 2023:

Videoen er opprinnelig fra Guatemala i 2015, ikke Gaza 2023. Dette fant vi ut ved hjelp av noen få tastetrykk og vi kan fastslå at videoen er en såkalt “cheapfake” – videoen er ekte, men den er ikke det den utgir seg for å være. Dette til forskjell fra “deepfakes”, som rett og slett er falske videoer, generert for å lure.

Dersom vi foretar et omvendt bildesøk og det ikke er noe som tilsier at bildet er noe annet enn hva det utgir seg for å være, kan vi gå videre til neste steg.

2. Hvem?

Neste steg er å få klarhet i hvem som har delt bildet eller videoen. Du har kanskje plukket den opp fra en tilfeldig X-konto eller fra tipsbasen. Men hvem har tatt bildet opprinnelig? Og hva er deres (eller tipserens) motivasjon for å publisere bildet?

Hvor ble bildet publisert første gang? Var det på Telegram, av et nyhetsmedie, på X? Av en privatperson, en organisasjon eller et offentlig organ? En side med dårlige standarder for modering (f.eks TimesOfIndia)? En anonym bruker eller en ekte person? Hva har de publisert tidligere? Er det sannsynlig at personen vil ha tilgang til bildet eller videoen den publiserer? Dette er spørsmål vi bør stille oss selv på refleks når vi vurderer troverdigheten og autensiteten til et bilde.

Ta for eksempel dette bildet av Hamas-lederen Yahya Sinwar: (OBS! Sterke bilder)

Ifølge bildet og X-brukeren er Hamas-lederen drept. Men hvem er denne Eylon Levy?

Levy kan være en pålitelig kilde, men i denne sammenheng er han ikke nøytral. Det er også vanskelig å argumentere for at han ville være den første som var i besittelse av dette bildet. Bildet er også behandlet - soldatene er sladdet. Se derfor om det finnes flere kilder som melder det samme. Etter et søk finner man det samme bildet også fra offentlige kanaler tilhørende IDF, med et tidligere publiseringstidspunkt enn Levy. Selv om de på ingen måte er nøytrale, vil deres ord veie tyngre i denne sammenhengen, da det gir mening at de vil ha tilgang på dette bildet og kjennskap til operasjonen.

Tips: Dette bildet fant vi på Telegram, ikke X. Ofte vil organisasjoner tilknyttet både Midtøsten og Ukraina/Russland benytte seg av Telegram fremfor typiske vestlige sosiale medier. Leter du etter en originalfil eller flere bilder/videoer av samme hendelse, er det derfor lurt å søke her.

Dette bildet er ellers vanskelig å verifisere med tanke på sted og tid. Vi må derfor ta noen forbehold ved publisering, etter å ha gjennomført et omvendt bildesøk:

Dersom vi ikke vet hvem som er originalkilden, er det viktig at vi er åpne om dette. Det vil ikke alene være nok til å IKKE publisere, men da er det ekstra viktig at vi finner andre holdepunkter som taler for at det er ekte.

3. Hvor?

Om det er mulig å finne ut hvor i verden materialet er fra, er det enklere å verifisere om det er falskt eller ekte. Dette vil ofte være den tydeligste pekepinnen vi har på hvorvidt noe kan verifiseres, fordi vi vil ha en rekke referanser (krykker) å lene oss på. Hvis en video skal vise et terrorangrep i sentrum av Paris, vil vi fort kunne slå fast om bildet er fra Paris eller ikke. Da vil vi kunne geoverifisere at videoen er fra Paris.

Før vi begynner å se etter geografiske kjennetegn (eller, som i bildet av drepte Yahya Sinwar over, det ikke er noen geografiske kjennetegn), må vi sjekke metadata. Disse kan nemlig også gi oss stedsinformasjon (dersom vi har originalfilen eller dataene ikke er tapt på veien).

Verktøy som Geoimgr eller InVid, lar deg hente ut metadata fra et bilde eller video, og er spesielt nyttig når vi får originalfilen fra en tipser.

Etterspør derfor alltid originalmaterialet der det er mulig, og få det helst tilsendt på sms, e-post eller i Tipsportalen.

• Utfordring: Hvor er dette bildet tatt?

Last ned originalbildet her

I eksemplet er det et bilde som i utgangspunktet ikke inneholder geografiske kjennetegn. Det er få detaljer i bildet som kan si oss hvor eller når det er tatt. Vi ser tåke, gress og konturene av et eldre fly.

Når vi laster opp bildet i Invid ser vi at det følger med metadata, faktisk helt spesifikke koordinater som forteller hvor bildet ble tatt. Dermed kan vi trykke på “View GPS-location” som tar oss til den eksakte posisjonen i Google Maps, som i dette tilfellet er på en liten øy utenfor Storbritannia.

3.1 Case: Knivstikking på Os

I eksemplet over har vi skutt gullfuglen, og får servert geoverifiseringen på sølvfat. Som regel er vi derimot ikke så heldig, og ofte inneholder ikke filen noe metadata av nytte, særlig ikke GPS-data. Hvis materiale kommer fra sosiale medier, som Snapchat, X og lignende, slettes som regel metadata. Det samme gjelder dersom bildet er publisert av et annet mediehus.

Dette eksempelet viser ikke hvordan vi verifiserer et bilde, men illustrerer at vi kan bruke samme metode for å finne ut hvor hendelsen tar sted. Dette skjer ofte i breakinghendelser, hvor vi trenger å sende ut egne team og jobbe i felt:

Os- og Fusaposten legger ut et bilde av åstedet for en knivstikking på Os. Vi har reporter på vei, men aner ikke hvor vi må kjøre. Bildet har ingen ytterligere metadata, og politiet går ikke ut med mer informasjon. Hva gjør vi da?

1. Vi ser at det er en Extra-logo i bakgrunnen. Et søk i google maps viser at det er få Extra-butikker på Os:
   

1. Vi går inn på Google Street View på en av dem, Extra Osøyro. Her kan vi sammenligne og kjenne igjen flere likheter:
   1. Logoen i bakgrunnen
   2. Fotgjengerfelt
   3. Skilt med forbud for motorvogn
   4. Bussholdeplassen til venstre
   5. Bygget, takstrukturen til høyre

Vi kan dermed raskt finne riktig adresse, slik at vi raskere får eget materiale til saken. Vi er først med reporter på stedet, og ender opp med å bli sitert av flere medier.

3.2 Case: Skoleskyting Praha

Eksempelet fra Os er kjapt og enkelt, men ikke noe vi må ta stilling til om vi skal publisere eller ikke. Hva med videoer som dukker opp på X eller Dataminr, hvor vi er usikre på opphavet, men ønsker å publisere?

Desember 2023 tikker det inn en melding om en skoleskyting i Praha på Dataminr. Kort tid etterpå deler en X-bruker en video som skal at vise personer flykter fra området. Er videoen ekte?

Ved å sammenligne stillbilder fra videoen med bilder fra Google Street View fra området, får vi raskt flere krykker, som tyder på at vi er i Praha, tre av disse illustrert i bildet over. Ved å gjennomføre et omvendt bildesøk kan vi også slå fast at videoen etter all sannsynlighet ikke har blitt publisert på nettet tidligere. Været på videoen stemmer overens med dagens værmelding fra Praha.

Dermed blir vi et av de første mediehusene i verden som kan publisere video, helt uten forbehold.

3.3 Case: Flystyrt i Russland

I Praha-eksempelet er vi ganske heldige. Vi har en mer eller mindre nøyaktig posisjon (et navngitt universitet) i et område som er veldokumentert på Google Street View (Praha sentrum).

Hva gjør vi så når vi ikke kjenner til den nøyaktige posisjonen, men får en video eller bilde i fanget?

Januar 2024 melder russiske medier at et militærfly styrtet i Belgorod. Denne videoen sprer seg på Telegram og senere X:

Vi gjennomfører et omvendt bildesøk, og kan ikke se at den har vært publisert tidligere. Men kilden er russiske medier og ymse Telegram-kanaler, langt fra troverdige kilder. Hvordan kan vi slå fast om videoen er ekte eller ikke?

Vi vet at videoen sannsynligvis ikke har vært publisert tidligere. Nå må vi finne ut om videoen faktisk er tatt i Belgorod, slik det påstås på Telegram. Vi begynner derfor å lete etter krykker, altså referanser fra videoen vi kan finne igjen i uavhengige kilder, slik som satellittbilder og Google Street View.

I videoen ser vi flere unike kjennetegn. Den er filmet fra et lyskryss og ser på et rundt, blått bygg. I horisonten ser vi en kirke med et spesielt tårn. Kirketårnet er til venstre for selve kirken sett fra fotografens synsvinkel. Dette unike bygget blir utgangspunktet for vårt søk etter hvor videoen er fra.

Ifølge Telegram styrtet flyet i Belgorod. Henviser dette til byen eller regionen? Vi går inn i Google Maps og ser etter kirker i nærheten av Belgorod:

Googles “i nærheten”-funksjon viser flere treff på kirker. Men stemmer noen av dem overens med den vi leter etter?

Etter en gjennomgang av alle kirkene i Belgorod by, klarer vi ikke å finne kirken med det karakteristiske tårnet.

Vi flytter derfor på kartet, og ser etter landsbyer/tettsteder i Belgorod-regionen. Etter litt kommer vi til Yablonovo, like nordøst for Belgorod by.

Vi foretar samme søk her: “Kirker i nærheten”.

Det første treffet virker lovende - vi har funnet noe som minner veldig om kirken fra videoen. Nå må vi finne ut hvor videoen er tatt. Som vi allerede har slått fast står vi i et veikryss, og tårnet er til venstre for kirken fra fotografens ståsted. Det betyr altså at vi må stå sør for kirken. Det er ikke mange lyskryss i Yablonovo, som gjør oppgaven enkel:

Vi plasserer Google Street View-mannen i krysset, og får opp følgende bilde:

Her kjenner vi igjen flere av elementene fra videoen, og har dermed en rekke krykker å støtte oss på. Når vi i tillegg har foretatt et omvendt bildesøk uten at det har gitt resultater, samtidig som værdata stemmer overens med hva som fremgår av videoen, kan vi slå fast at videoen aller mest sannsynlig er reell, og dermed verifisert. Det resulterer i at vi kan publisere denne saken:

3.4 Bonuscase: Finn Marius

I dette eksemplet bruker vi de samme prinsippene for verifisering, men som en journalistisk metode. I sosiale medier ble det delt et bilde av Marius Borg Høiby som viste fingeren til Se og Hør. Men var bildet nytt? Hvor var det tatt, og når?

1. Bildet har en rar proporsjon. Om det er tatt av kompiser av MBH, er sannsynligheten stor for at det egentlig er et høydebilde. Med omvendt bildesøk finner vi en annen fil:

2. Det kan hjelpe oss med å finne ut når det er tatt. For i den større utgaven av bildet kommer også en Dagbladet-avis til syne. Se og hør kommer ut en gang i uka, mens Dagbladet kommer ut daglig. Da kan vi sjekke når utgaven kommer fra. De fleste aviser og magasiner har et åpent arkiv med sine utgaver. Enten på hjemmesiden sin, eller hos nasjonalbiblioteket.

3. Utgaven kom ut 25. oktober, som styrker at det er ekte og da et ferskt bilde. Klarer vi også å finne ut hvor dette er tatt?

4. Hypotesen er at han er på vei til en eller annen hyttetur, både på grunn av pilsen, og måten han er kledd på. Spar er en populær butikk i hytteområder. Da er det bare å skride til verket, og finne bilder fra innsiden av aktuelle Spar-butikker.

5. Det deles ofte mange bilder på butikkenes Facebook og Google-sider. Det gjør arbeidet lettere for oss. Og til slutt klaffer det:

6. Her finner vi flere elementer som stemmer overens med Spar-butikken på Rjukan. Vi tar en telefon til daglig leder, og han kan bekrefte at det er denne butikken. Vi vet dermed at det er ekte, og at det er tatt 25. oktober på Spar i Rjukan. Ta-da!

3.5 Case: Google lens

Noen sender deg et bilde av en katt. Hvor er bildet tatt?

Vi laster opp bildet i Invid for å undersøke tilgjengelig metadata, uten at det gir oss noen indikasjon på hvor bildet er fotografert:

Arkitekturen kan tyde på at vi er et sted i Sør-Europa, men utover dette er det få geografiske kjennetegn. Det som skiller seg ut er bygget oppe til venstre. Ved å laste opp bildet i Google Lens kan vi foreta et avgrenset omvendt bildesøk, altså at vi søker kun etter visse elementer i et bilde. I dette tilfellet bruker vi Google Lens til å fokusere på bygget i bakgrunnen:

Google Lens er ømfintlig, og av og til må du justere utsnittet noen millimeter den ene eller andre retningen. Prøv å ta med unike objekter, som trappa, lampa og det røde skiltet. Her ser man resultatet på høyre side. Dette kan også gjelde om vi har et skilt, en butikk, et landemerke eller et fjell i bakgrunnen.

Til høyre får vi et lovende resultat fra Instagram. Vi klikker oss inn, som tar oss til et innlegg fra en bruker med navn burakyigit.pilates. Blar vi oss bortover fra mannen med de kule solbrillene, finner vi bygget vi ser etter. Det er tagget som Kotor i Montenegro.

Dette illustrerer hvordan man ved hjelp av én liten, avgrenset detalj kan bruke Google Lens til å finne ut av hvor et bilde er tatt.

3.6 Oversetting via Google Lens

Google Lens er et kraftig verktøy, som ikke bare kjenner igjen fysiske elementer fra et bilde, men også tekst.

I en video publisert på sosiale medier etter angrepene på Israel 7.oktober 2023, kan man se væpnede menn ta seg over et åkerområde og inn i en landsby.

Finnes det noe informasjon i videoen vi kan bruke til å finne ut hvor dette er?

På et tidspunkt i videoen sveiper kameraet innom et skilt som står inntil en vegg. Skriften ser ut til å være på et ukjent språk. Dette kan vi forsøke å oversette via Google Lens.

Vi laster opp bildet, begrenser utsnittet til å kun gjelde skiltet, og trykker på Oversett.

På bildet til høyre ser vi at Google har gjenkjent språket som hebraisk, og skriften til å bety “Nahal Oz gård”.

Dette er ikke alene nok til å fastslå at opptaket er gjort i Nahal Oz, men det er en indikasjon. Nå kan vi konsentrere søkene våre rundt andre bilder fra Nahal Oz, for å se om vi kan kjenne igjen andre detaljer, og dermed kanskje komme i mål med verifiseringen.

Utfordring: Klarer du å finne ut av hvor dette bildet er tatt?

Tips: Last ned appen Google på telefonen din. Her kan du gjøre både bildesøk og oversettelser i real-time, ved å peke på kameralinsen mot det du vil oversette. Det fungerer også å peke kameraet mot PC-skjermen, og vil ofte være raskere enn å bruke desktopversjonen.

3.7 Noen geoverifiseringsverktøy

• Google Street View
• Google Earth Pro (Veldig nyttig for historiske satellittbilder)
• Mapillary (Brukergenerert versjon av Street View. Nyttig i steder der Google ikke er tilgjengelig, som Gaza)
• SatellitesPro - Google Maps, Apple Maps, Yandex og Apple Maps alle integrert i én tjeneste. Ulike tjenester har ulik kartdata.
• OpenStreetMap - Kartenes Wikipedia, inneholder brukergenerert innhold og data.
• GeoSpy - AI-basert bildegjenkjenning.
• Invid
• Yandex kart (Russisk søkemotor,andre treff enn Google)
• NASA Firms (oversikt over branner verden over)
• Geoimgr - metadata
• Sjekk om bildet/videoen allerede er verifisert: https://x.com/GeoConfirmed

Å geoverifisere noe vil ofte være den mest overkommelige verifiseringsjobben, særlig sammenlignet med tidsverifisering. Kan vi slå fast hvor et bilde eller video er tatt, samtidig som det ikke er lastet opp på nettet fra før og det ikke er noe åpenbart som tilsier at bildet ikke er tatt på et annet tidspunkt enn hva som hevdes, vil dette i de fleste breakingsammehenger være godt nok til at vi kan publisere bildet.

Det er derimot flere tidsmessige fallgruver man må være klar over.

4. Når?

Å verifisere når et materiale har blitt til, er noe av det vanskeligste i verifiseringsarbeidet, men det finnes flere gode verktøy som kan gi deg gode ledetråder til å finne svaret. I arbeidet med å finne ut når et bilde eller en video er tatt opp gjelder det like mye å finne avkreftelser som bekreftelser. Det betyr at du aktivt leter etter ting som ikke passer med det kilden påstår, eller hva du selv i utgangspunktet tror. Dette for å ikke havne i bekreftelsesfellen.

Om det for eksempel det er snø på bildet du forsøker å tidfeste, og historiske værdata tilsier at det var sol og sommer den dagen, er det en indikasjon på at tiden ikke stemmer. Forut for tidsverifisering har du antagelig gjort et omvendt bildesøk som kan ha gitt deg noen rammer for tidspunktet bildet kan ha blitt tatt.

4.1 Metadata

Når et bilde tas, lagres informasjon i kameraet eller på telefonen. Denne infoen kan inneholde tidspunkt, sted og andre tekniske detaljer. Dette kalles metadata. Når bildet eller videoen sendes videre hender det at metadaten følger med, slik at vi kan hente ut informasjon om når bildet er tatt, eller når det er lastet opp på internett.

Invid er en tjeneste hvor du kan laste opp bilder eller video for analyse av metadata. Invid krever ikke en registrert konto, men har noen flere avanserte tjenester dersom man har det. Den finnes også som Chrome Extension. Denne kan også brukes for å gjøre omvendte bildesøk i flere motorer samtidig.

I eksempelet under har vi tatt et bilde med mobiltelefonen innendørs.

Ved å bare se på bildet er det vanskelig å si noe om når bildet er tatt, men noen indikasjoner er det. Vi ser at det er solskinn ute fra lyset som kommer inn i rommet. Bildet er tatt på dagtid og antagelig i pent eller lettskyet vær. Det kan se ut som et kontorlandskap, men det er ingen folk der. Kan det være tatt opp på dagtid i en helg?

Når vi laster dette bildet opp i Invid, ser vi at det har fulgt med masse metadata.

I tillegg til annen teknisk informasjon, ser vi at dette bildet ble tatt 5. Februar 2025, klokken 12:15:48. Kanskje er kontorlandskapet tomt for folk fordi det er midt i lunsjtiden.

Ofte vil du ikke være så heldig å få opp nøyaktig tidspunkt. Men kan det være annen interessant info? Det kan for eksempel stå når videoen er lastet opp på nett, som kan hjelpe deg å innskrenke tidsrommet. Er videoen lastet opp 5. februar, kan vi garantert si at den ikke er ferskere enn dette. Metadata blir slettet når det blir lastet opp flere steder, f.eks X og Facebook.

4.2 Vær

Hvordan er været på bildet du forsøker å tidsverifisere? Kan det hjelpe oss med å si noe om når bildet ble tatt?

Det finnes flere tjenester som lar oss se på hvordan været var på et gitt sted og en gitt dato. En av disse er Time & Date. Legg inn by eller sted, og sjekk værforholdene tilbake i tid.

I eksempelet over ser vi at Oslo 28. september 2024 hadde lettskyet pent vær ifølge Time&Date. Hvis kildebildet ditt viser regn og overskyet vær, kan det tyde på at bildet ikke er tatt på den datoen.

Dersom kildebildet stammer fra Norge, så kan det være hensiktsmessig å bruke YR sine egne historiske værdata. Søk på by, og velg Historikk lengst til høyre.

Zoom Earth tilbyr også denne tjenesten med satellittbilder, men da ikke så mange dager tilbake i tid.

Værdata vil ikke alene tidsverifisere bildet i positiv forstand (sol på bildet + sol fra værdata ≠ tidsverifisert), men vil kunne si noe om hvorvidt bildet ikke er fra tidspunktet det hevder å være. Vi kan utelukke at et bilde er reelt dersom det er sol og blå himmel på bildet, mens værdata viser snø.

Tidsverifisering handler i stor grad om å utelukke “røde flagg”. Dersom værdataene ikke inneholder røde flagg, bidrar dette til å sannsynliggjøre at bildet er fra når det utgir seg å være.

4.3 Satellittbilder

Det finnes flere tjenester som lar oss se på satellittbilder tatt tilbake i tid. Dersom vi allerede har geolokalisert området vi leter etter, kan vi bruke satellittbilder til å innskrenke hvilket tidsrom bildet kan være fra. Viser en video en bygning i bakgrunnen, og denne bygningen ikke eksisterer på satellittbilder fra 2023, vet vi at videoen er fra etter 2023.

I eksempelet under har vi allerede geoverifisert et bilde til å være fra en flyktningleir midt på Gazastripen.

Ved å bruke Google Earth (både web- og nedlastbar versjon) kan vi bla oss tilbake til tidligere satellittbilder over området. (Merk: Dette er ikke tilgjengelig i Google Maps).

I det aktuelle eksempelet kan man se at satellittbildene fra mai 2022 viser et åpent område, mens bilder fra 2. mars 2024 tydelig viser telt og leiraktivitet. Dette indikerer dermed at bildet ikke ble tatt før mai 2022.

1881 har også historiske satellittbilder fra Norge. Søk på en adresse og velg Historisk, deretter hvilket år du ønsker å se bilde fra.

I eksempelet under kan man se hytteutbyggingen på Gaustablikk.

4.4 Sol- og skyggeberegninger

Dette kan virke litt komplisert, men tro oss: Det er et veldig kult og nyttig verktøy!

Beregninger med sol og skygger kan hjelpe oss til å beregne når et bilde er tatt, eller utelukke påstanden i kildematerialet. Det gjør vi ved å beregne lengden og skyggen et objekt kaster.

Dersom du skal finne nøyaktig tidspunkt er det fire ting som må være oppfylt:

1. Sted og dato må være kjent
2. Objektet og skyggen må være omtrent i rett vinkel i forhold til kameraet
3. Skyggen må kastes på en overflate som er i samme nivå som horisonten (et flatt gulv)
4. Bildet bør ikke være sterkt forvrengt av kameralinser, for eksempel fisheye-linser

Men, dersom ikke alle er oppfylt, kan du fortsatt finne informasjon som kan skrenke inn tidsrommet bildet kan være tatt i.

I dette eksempelet har vi funnet frem et bilde på mobiltelefonen.

Stedet vi her har besøkt er Janaki-Mandir-tempelet, Janakpur i Nepal, og datoen er den 14. januar 2022.

Nærmest kamera står en person i brun jakke som kaster en skygge langs plassen. Det første vi gjør er å måle lengden på personen, og lengden på skyggen hans. Det viktigste er ikke de reelle målene på objektet, men at forholdet mellom de to lengdene er riktig.

Ved å laste opp bildet på Ginifab kan vi bruke en virtuell linjal for å måle.

Her finner vi at lengden på personen er 3,9 cm og lengden på skyggen er 4,3 cm. Vi måler objektet fra hodet til bunnen av fot, og fra midten av personen og så langt skyggen kaster.

Det neste vi gjør er å åpne SunCalc og plotte inn informasjonen vi har for sted og dato. Vi fyller også inn høyden på objektet under Object level. Det spiller ingen rolle at vi nå har gjort om centimeter til meter, forholdet mellom tallene er den samme.

Når vi har fylt inn lengden på objektet, så kan vi nå se hvor lang skygge det objektet kaster. Klokken 08:53, den 14. januar 2022 i Janakpur, kaster et objekt med høyde 3,9 meter en skygge på 9,51 meter.

Nå er spørsmålet, når denne dagen kaster objektet vårt en skygge på 4,3 meter?

Ved å ta tak tidslinjen øverst kan vi endre tiden og dermed hvor solen står det akutelle døgnet. Når vi justerer tiden til vi får en skyggelengde nærmest mulig 4,3 meter er klokken 12:12.

Når vi sjekker fasiten på mobiltelefonen viser den at bildet er tatt klokken 12:11.

4.5 Case: Reiseregningene

Dette er ikke vår journalistikk, men det er et så godt eksempel at vi inkluderer det likevel. I Aftenpostens avsløringer om stortingspolitikernes fiktive reiseregninger, ble skyggeberegninger brukt for å avsløre Ap-politiker Hege Liadal.

Ifølge reiseregninger var Liadal, som representerte Rogaland, i Oslo 4. juli. Men, hun hadde også publisert dette bildet på Instagram, hvor hun hevdet å være i Nedstrand i Tysvær den samme datoen.

Kunne det tenkes at Liadal hadde rukket å være i Oslo, for så å kaste seg på flyet til Haugesund og kjøre til Nedstrand? Ja, det var mulig. For å utelukke dette, måtte man finne ut det nøyaktige tidspunktet for Liadals Joker-besøk.

Derfor analyserte Aftenpostens journalister skyggen hennes. Vi ser ikke hele skyggen, men for å finne ut den nøyaktige lengden på skyggen vi ser, oppsøkte Aftenposten et forum for amcar-entusiaster. Her fikk de nøyaktige mål på bilen til høyre i bildet, inkludert hvor langt det er fra foraksel til bakaksel. Dette gjorde at de kunne fastslå nøyaktig hvor lang skyggen til Liadal var. Nå hadde de nøyaktig sted, dato, lengde på skyggen og fikk også tak i høyden til Liadal.

Slik kunne de finne det nøyaktige tidspunktet bildet ble tatt, og utelukke at hun kunne ha vært i Oslo samme dag. Reiseregningene var dermed fiktive. Liadal ble senere dømt til fengsel.

4.6 Annen omtale

For å verifisere når et bilde er tatt kan vi også lene oss på andre kilder. Er det andre troverdige medier som har omtalt hendelsen som bildet hevder å være fra? Hint: en enslig omtale fra Times of India eller Daily Star er et rødt flagg. Er det noen andre som har verifisert hendelsen (se for eksempel X-kontoen GeoConfirmed)?

Gjør omvendte bildesøk eller vanlige Google-søk med detaljer for å finne aktuelle nyhetsartikler eller innlegg i sosiale medier. De lokale mediene der hendelsen skal ha skjedd er ofte et godt sted å starte. Skal et sykehus ha blitt bombet i en ukrainsk landsby, er det veldig rart om ikke lokalmediene melder om dette.

En annen mulighet er å sjekke lokalmediene sine kontoer i sosiale medier. Avhengig av nyhetskultur og ressurser, vil redaksjonene gjerne dele ting på Facebook eller Telegram før det dukker opp på de tradisjonelle nyhetssidene (om de kommer her i det hele tatt).

4.7 Case: Påkjørsel på Vestbredden

Ta for eksempel denne videoen fra Vestbredden, som skal være fra 8. januar 2024 (Obs! Sterke bilder).

Det er lite info om hendelsen, utover at den skal være fra Vestbredden. Den hevder å vise en israelsk militærjeep kjøre over en livløs palestinsk sivil, en potensiell krigsforbrytelse. Men er den fersk? Omvendt bildesøk gir ingen resultat. Metadata gir oss heller ingenting, da videoen er lastet opp i sosiale medier.

Etter litt søk forteller omtaler i sosiale medier og arabiske medier at hendelsen skal være fra Tulkarem. Her har Fajer TV sine kontorer. Går vi inn på deres Facebook-side, ser vi at de har hatt en direktesending fra det som skal være åstedet, datert 8. januar 2024:

https://www.facebook.com/watch/live/?ref=watch_permalink&v=1428396941390255

På videoen ser vi blod i gaten. Den er dato- og tidsstemplet, samtidig som Facebook verifiserer at den ble sendt direkte. Studerer vi detaljer fra videoen og sammenligner med direktesendingen, kan vi også slå fast at dette aller mest sannsynlig er fra samme sted:

5. Hvorfor (kontekst)?

En siste, viktig del av verifiseringsprosessen er å stille spørsmål om avsender og kontekst. Hva er motivasjonen bak et innlegg? Skal de fremme noe politisk eller personlig? Er det en som tidligere har lagt ut feilinformasjon eller synspunkt i en konflikt? Det har noe å si for hvordan vi tolker og bruker det de skriver.

5.1 Avsender

Den 27. desember melder Estland at de sender ut Sjøforsvaret for å beskytte strømkabelen Estlink 1. Det dukker opp et bilde som skal være fra Østersjøen. Etter et omvendt bildesøk finner vi originalkilden, nemlig forsvarsminister Hanno Pevkur.

Men: Selv om meldingen hans er fersk, er bildet gammelt. Selve bildet er nemlig eldre, iallfall fra 2023. Statsråden ønsker naturlig nok blest om denne nyheten, og deler et vilkårlig bilde. Han er ikke omfattet av VVP eller lignende, og har en politisk agenda. Selv om nyheten og kontoen bak er riktig, er bildet uriktig. Det viser ikke sjøforsvaret på vei ut til Østersjøen for å forsvare Estlink 1. Så kan det godt hende man skal bruke bildet likevel, men da er det ekstra viktig å gi denne konteksten tydelig i brød- og bildetekst.

5.2 Generativ KI

Merk: I dette punktet snakker vi om generativ KI, altså innhold produsert av kunstig intelligens. KI omhandler veldig mye mer enn KI-genererte bilder og videoer - den gir også veldig mange muligheter. Google Lens er for eksempel drevet av KI.

Kunstig intelligens genererer stadig mer innhold på nettet, og for hver dag som går blir det vanskeligere å avgjøre hva som er ekte og ikke. Særlig Facebook teppebombes av falskt innhold, og brukerne ser ut til å sluke det rått:

Heller ikke verdens mektigste mann virker å ha et særlig kritisk forhold til KI-generert innhold:

Før var det å avsløre KI-generert innhold relativt enkelt, som blant annet dette virale bildet:

Det største røde flagget er hendene. Videre er den høyre armen til gutten unaturlig kort, øynene deres er helt svarte, nesene nærmest identiske og bakgrunnen utydelig. Motivet, som ble publisert kort tid etter 7. oktober 2023, er også litt for perfekt.

Bildetjenestene blir bare bedre. Kjennetegnene listet ovenfor blir dermed stadig mindre relevante:

Hva har vi å gå på her? Kvinnens ansikt er veldig jevnt/glatt og mangler kanskje litt dybde? Øynene er fortsatt ganske udetaljerte sammenlignet med mye annet på bildet. Tekst, som AI tidligere ville hatt problemer med å generere, ser riktig ut – men er navnene i bakgrunnen reelle bedrifter?

Noen flere eksempler (Merk: disse er alle fra januar 2024. Teknologien er nå mye, mye bedre):

Enda vanskeligere er det å avsløre KI-bilder som ikke fokuserer på mennesker, men landskap.

Hva tyder på at bildet til venstre ikke er fra åstedet hvor forsikringsdirektøren Brian Thompson ble skutt? Hvordan vet vi at bildet til høyre ikke viser etterdønningene av et rakettangrep mot Kherson? I en hektisk deskhverdag kunne flere av disse ha sluppet gjennom nåløyet basert på bildet alene. Derfor må man bruke verifiseringsmetodene vi har vært gjennom tidligere. Har bildet vært publisert før? Finnes det noe metadata? Hvem har publisert bildet? Er bildet faktisk fra plasseringen det utgir seg for å være? Etc.

5.3. KI-detektorer

Nå vil du kanskje si: Men det er jo bare å laste bildet opp i en KI-detektor, så får vi svaret!

Dessverre er det ikke så enkelt. Det finnes et utall KI-detektorer på nettet, som hevder å gi deg en indikasjon på om et bilde er KI eller ikke. I de aller færreste tilfeller vil disse detektorene gi et pålitelig svar. Du kan laste opp et KI-bilde hos én detektor og få et helt annet resultat enn hos en annen detektor.

Du kan også laste opp et KI-bilde hos én detektor og få 90 prosent utslag på KI, for så å laste opp det samme bildet på nytt hos den samme detektoren og få 20 prosent utslag. På samme måte kan du laste opp et ekte fotografi og få beskjed om at dette sannsynligvis er KI.

Enkelt forklart er dette fordi KI-generatorer, som Midjourney og Grok, konstant utvikler seg basert på innholdet de selv produserer. Svakhetene og feilene i et bilde brukes som læring i det neste, og slik fortsetter teknologien å bli bedre. KI-detektorene vil være langt mer statiske, og dermed ikke evne å holde tritt med utviklingen til KI-generatorene.

“Det finnes ingen pålitelige tjenester som kan avgjøre om innhold er KI-generert eller ikke” - Alex Connock, professor of media and artificial intelligence, Oxford University under KI- og mediedagen 13.02.25.

I 2024 ble det skrevet en bacheloroppgave om KI-detektorer på OsloMet. Her testet man hundrevis av KI-genererte bilder på de mest populære KI-generatorene, for å se hvem som faktisk ga best utslag.

KI-generatorene som ble testet var:
- IsItAI
- Illuminarty
- Content at Scale (Nå BrandWell)
- HiveModeration

Studiens hovedfunn oppsummeres slik:

“Hive Moderation ga i stor grad korrekte svar, men kunne også gi svært upresise svar på enkelte bilder. IsitAI, Illuminarty og Content at Scale, ga tilnærmet tilfeldige svar.
Av de tre detektorene som gjorde det dårligst, var det liten til ingen korrelasjon mellom
detektorene - noe som kan indikere at svarene er tilfeldig”.

Les mer om prosjektet hos Faktisk.no.

Hive er altså, per nå, det beste verktøyet vi har for å avdekke KI-generert innhold. Selv med et høyt eller lavt utslag for KI er det derimot viktig å huske at dette er kun en indikator, ingen fasit. Dette alene er ingen garanti for at noe er ekte eller KI-generert.

Det kan være lurt å laste ned Chrome-utvidelsen til Hive, hvor du med et høyreklikk kan kjøre en KI-analyse av alle bilder på nettet.

Som sagt er denne langt fra feilfri. Dette KI-genererte bildet lurer Hive trill rundt:

5.4 Huskeregel

Nå som du har vært gjennom alle stegene, gir forhåpentligvis denne huskeregelen litt mer mening:

Omvendt (bildesøk) avsender (kilde) plasseres (geoverifisering) tidsnok (tidsverifisering) i kontekst (kontekst)