Sora en de video-revolutie — wanneer zien niet meer geloven betekent

Op 15 februari 2024 publiceerde OpenAI een blogpost met een verrassende aanvulling. Naast de tekst waren er video's. Niet marketing-video's, niet demo-filmpjes. Gegenereerde video's. Mamoets lopend door sneeuw. Een auto rijdend door het platteland van Tokio. Een kat die op een ligstoel ligt. Allemaal onmiskenbaar video's. Allemaal onmiskenbaar niet echt.

Sora, noemde OpenAI het. Het was de eerste publieke demonstratie van een AI-video-model op dit niveau. De video's duurden tot een minuut. De kwaliteit was — met sommige artefacten — verbluffend. Journalisten die de beelden bekeken, dachten regelmatig dat ze naar echte video's keken tot iemand anders wees op specifieke details die fout waren.

In de twaalf maanden daarna ging AI-video van "indrukwekkende demo" naar "wijdverspreide realiteit". En veranderde daarmee iets fundamenteels aan hoe we video als medium kunnen vertrouwen.

De snelle evolutie

Sora was niet eerste in AI-video, maar wel eerste op deze kwaliteit. Eerdere tools (Runway's Gen-2, Stable Video Diffusion, Pika) konden korte clips maken maar met duidelijke imperfecties. Sora sprong voor waar, met langere clips, consistentere fysica, vloeiender beweging.

In de maanden na Sora's demo volgde een explosie. Google lanceerde Veo in mei 2024. Runway kwam met Gen-3 en later Gen-4. Chinese bedrijven lanceerden agressief: Kling van Kuaishou werd een internationale leider. Alibaba's Wan 2.1 was specifiek sterk in motion-consistency. Tientallen kleinere tools volgden.

In 2026 zijn AI-video-tools wijdverspreid. Veel zijn gratis beschikbaar met beperkingen. Professionele versies kosten onderdelen van professionele editing-software. De kwaliteit is in twee jaar zo snel verbeterd dat de lijn tussen "AI-video" en "echte video" voor de meeste kijkers niet meer zichtbaar is.

Wat werkt, wat niet

Moderne AI-video excelleert in:

• Korte clips (5-30 seconden) in realistische stijlen
• Gestileerde animatie en abstracte beelden
• Vaste-camera-shots met beperkte beweging
• Product-video's en commercials waarbij alles gecontroleerd moet zijn
• Establishing shots en landschap-footage

Ze worstelen of falen bij:

• Lange clips met consistentie (karakters, omgevingen die hetzelfde blijven)
• Complexe bewegingen met natuurlijke fysica
• Fijne details (handen, gezichtsuitdrukkingen in close-up)
• Dialoog met lip-sync
• Real-time generatie (vaak langer dan de clip zelf)

De eindeloze mogelijke toepassingen nemen echter toe naarmate de kwaliteit stijgt.

De legitieme toepassingen

Veel gebruik is onschuldig of positief.

Filmproductie. Indie-regisseurs kunnen scènes visualiseren voor ze opnames maken. Storyboards worden video-storyboards. Pre-visualisatie wordt goedkoper en toegankelijker. Dit democratiseert filmmaking op manieren die tien jaar geleden onmogelijk leken.

Marketing. Snel variaties maken van video-ads voor A/B-testing. Producten tonen in verschillende settings zonder dure shoots. Personalisatie van marketing-content op schaal.

Educatie. Historische gebeurtenissen visualiseren. Wetenschappelijke concepten animeren. Onderwerpen toegankelijker maken voor visuele leerders.

Gaming en entertainment. Cinematics goedkoper produceren. Modding-communities krijgen meer tools. Nieuwe vormen van interactief verhaal.

Persoonlijke creativiteit. Mensen maken eigen korte films over familie-herinneringen, creatieve projecten, humor. Een hele generatie creators gebruikt AI-video naast traditionele tools.

De problematische toepassingen

Maar er is ook een duidelijke schaduwzijde.

Desinformatie. AI-video's van politieke figuren die nooit bepaalde uitspraken deden. Nep-footage van gebeurtenissen die niet plaatsvonden. Rivalen die valse bewijs bouwen voor onbewezen claims. Voorbeelden zijn inmiddels talrijk.

Niet-consensuele deepfakes. Dit is het grootste schandaal rond AI-video. Specifiek: seksuele deepfakes waarin gezichten van echte mensen worden geplaatst in pornografische content zonder hun toestemming. Vrouwen zijn de overgrote meerderheid van slachtoffers. Meisjes op school zien zichzelf in AI-gegenereerde content die hun reputatie beschadigt. De impact is psychologisch ernstig.

Wetgeving probeert bij te komen. De VS heeft in 2024 federale wetgeving (de Take It Down Act) aangenomen die platforms verplicht niet-consensuele intieme content snel te verwijderen. Maar de technologie staat klaar, de makers zijn moeilijk te traceren, en slachtoffers verlangen preventie niet alleen reactie.

Fraude. AI-video's van bekende personen die producten aanprijzen die ze nooit hebben goedgekeurd. Nep-video-oproepen van familieleden om geld af te persen ("grootouder-fraude 2.0"). Identiteitsdiefstal via video.

Juridische manipulatie. Nep-bewijsmateriaal in rechtszaken. Alibi's construeren. Onschuldige mensen belasten.

De impact op vertrouwen

Misschien de belangrijkste impact van AI-video is subtieler dan specifieke kwade toepassingen. Het is de erosie van video als overtuigend bewijs.

Voor eeuwen was "gezien-worden" de gouden standaard voor feitelijke vastlegging. Foto's hadden die status vanaf de 19e eeuw. Video voegde beweging toe. In de 20e en vroeg 21e eeuw waren video's van gebeurtenissen — politieagenten die geweld gebruiken, politici die corrupte uitspraken doen, ongelukken die plaatsvinden — vaak de definitieve bewijsvorm. De frase "hij werd op video vastgelegd" betekende in veel contexten: dit is onmiskenbaar gebeurd.

Die status is nu gecompromitteerd. Elke video kan in 2026 potentieel gegenereerd zijn. Voor veel kijkers is het niet meer onmiddellijk duidelijk wat echt is en wat niet.

Dat heeft gevolgen. Journalisten moeten video's verifiëren voor ze ze publiceren — waar vroeger "hier is de video" voldoende was. Rechtbanken moeten de authenticiteit van video-bewijs kritisch onderzoeken. Politie gebruikt bodycam-footage met meer verantwoording — en dat moet op zijn beurt gevalideerd worden.

Meer fundamenteel: de samenleving als geheel verliest een laagje gedeelde werkelijkheid. Wanneer je zegt "maar we hebben de video gezien", kan iemand redelijk antwoorden "hoe weet je dat het niet gegenereerd is?" Dat verandert het karakter van debat, vertrouwen, overtuigen.

De detectie-wapenwedloop

Onderzoekers werken aan AI-video-detectie. Verschillende technieken zijn geprobeerd:

Visuele artefacten. Sommige generators laten specifieke patronen achter — inconsistente schaduwen, onnatuurlijke huid-textures, vreemde reflecties. Detectie-algoritmes kunnen deze patronen herkennen.

Watermarking. Als makers bereid zijn hun AI-gegenereerde video expliciet te markeren (zichtbare of onzichtbare watermerken), wordt detectie trivial. Sommige bedrijven (zoals OpenAI met Sora, later Veo) bouwen dit in.

Metadata. Camera's kunnen metadata genereren die bevestigt dat content echt is opgenomen. C2PA (Coalition for Content Provenance and Authenticity) is een industriestandaard die hieraan werkt.

Helaas — al deze benaderingen hebben problemen. Artefacten verdwijnen als modellen verbeteren. Watermerken kunnen worden verwijderd door re-encodering. Metadata kan worden vervalst.

Het waarschijnlijke resultaat: detectie blijft achter generatie. Je kunt vaak bewijzen dat iets AI is, maar niet betrouwbaar bewijzen dat iets niet AI is. Het omgekeerde probleem is onhoudbaar.

Wat dit betekent voor het publiek

Voor gewone mensen is de boodschap genuanceerd. Niet alle video's die je ziet zijn fake. Het overgrote deel van video in je dagelijkse leven is nog steeds gewoon echte opname. Paranoia over alles is niet nodig — of gezond.

Maar wantrouwen bij zeldzame, verrassende, of politiek zware video's is wel gerechtvaardigd. Als je een video ziet van een publiek figuur die iets schokkend zegt, is de rationele reactie: wacht tot het is geverifieerd. Niet meteen delen. Niet meteen conclusies trekken.

Dat is een cognitieve discipline die we collectief moeten ontwikkelen. Het is een stap verder dan "niet alles op het internet geloven". Het is "niet alle video's geloven".

Voor sommige mensen is dat ongemakkelijk. Video voelde intuïtief overtuigend. Dat gevoel moeten we bijstellen. Dat kost energie en aandacht.

De bredere culturele implicatie

Een filosofische observatie: voor duizenden jaren was onze toegang tot de werkelijkheid van gebeurtenissen vrij beperkt. We kregen berichten door van anderen. Geruchten. Vertellingen. Mondelinge tradities. Pas in de 19e/20e eeuw kregen we massabrieven (kranten), fotografie, video — relatief directe vormen van documentatie.

Die periode van "documentaire directheid" lijkt nu te eindigen. We keren in zekere zin terug naar een wereld waar elk stuk informatie een bron vraagt, validatie, contextuele kritiek. Niet erger dan hoe het eerder was, maar een terugval ten opzichte van een korte maar rijke informatie-ecologie.

Sommige denkers vinden dat zorgwekkend. Anderen wijzen erop dat de documentaire directheid zelf altijd bedrieglijk kon zijn (foto's werden gemanipuleerd vanaf de negentiende eeuw; video's werden voor AI al geknipt en gecontextualiseerd) en dat het nu alleen expliciet wordt.

Hoe dan ook: de samenleving die we opbouwen met AI-video is anders dan de samenleving die we kenden. En we zijn er nog maar net in.

De toekomst

Voor 2027-2028 is duidelijk: AI-video wordt nog beter. Langere clips. Betere consistentie. Realistischer fysica. Interactie tussen AI-video en AI-audio (betere lip-sync, natuurlijke dialoog). Real-time generatie voor live-applicaties (games, AR, VR).

Regulering komt langzaam. Sommige jurisdicties hebben AI-specifieke wetgeving voor bepaalde categorieën (politieke content, niet-consensuele intieme content). Andere wachten af. Industriestandaarden (watermarking, provenance) worden geleidelijk geïmplementeerd maar niet universeel.

Wat we waarschijnlijk krijgen is een wereld waarin video nog steeds nuttig is voor communicatie, marketing, entertainment, documentatie. Maar waar video als definitieve bron van waarheid zijn rol heeft verloren. Waarheid wordt een samengesteld concept: video + metadata + context + onafhankelijke bevestiging + chain of custody.

Dat is niet per se erger dan wat we hadden. Het vereist alleen meer denkwerk per video, meer skepticisme per video. En mogelijk een herwaardering van bronnen die we voorheen minder waarderend beschouwden — schriftelijke getuigenissen, meerdere onafhankelijke bevestigingen, niet-video-bewijs.

Dat zijn de gewone dingen die historici, journalisten en juristen altijd al deden. Wat AI-video doet is laten zien dat we die niet-gevisualiseerde vaardigheden niet hadden afgeschaft maar alleen vergeten. We zullen ze opnieuw leren gebruiken. Op collectief niveau. In de komende jaren.

Tot die tijd — wantrouw de video die te perfect lijkt. Vooral als ze van een vreemde bron komt, schokkend is, en precies past in een bestaand narratief. Niet omdat de video zeker nep is, maar omdat "ik heb het met mijn eigen ogen gezien" een zin is die — in 2026 — niet meer bewijst wat ze ooit bewees.