Twee studies: AI kan herinneringen vervormen

U moet vastleggen welk AI-materiaal aan wie en wanneer is getoond, voordat u een latere verklaring of herinnering als bewijs gebruikt. Geheugenvervorming door AI-output is niet alleen een risico van manipulatie, maar ook van schijnbaar neutrale samenvattingen.

Een analyse van 20 oktober 2026 van hoe AI-bewerkte beelden en misleidende samenvattingen de herinnering aan waargenomen gebeurtenissen vervormen stelt vast dat blootstelling aan onjuiste of bewerkte informatie de herinnering meetbaar kan veranderen. Het onderzoek volgt proefpersonen die een onjuiste AI-samenvatting van een verkeersongeval lazen en vervolgens veel minder vaak het cruciale detail correct herinnerden dan degenen die een accurate samenvatting kregen. In onze beoordeling is dit vooral relevant voor wie met getuigenissen, dossiers of reconstructies werkt: u kunt niet meer aannemen dat een AI-label als "gegenereerd met AI" u beschermt tegen het risico dat de herinnering van iemand is beïnvloed.

Hoe verschilt geheugenvervorming door tekst van die door beeld?

De onderzoeken tonen twee verschillende routes waarlangs AI het geheugen beïnvloedt. AI-bewerkte beelden en video's vergroten de kans op valse herinneringen, vooral wanneer zij een situatie tonen die niet heeft plaatsgevonden. Maar misleidende AI-samenvattingen doen iets subtielers: zij veranderen wat iemand zich herinnert van iets wat zij wél hebben gezien. In het experiment lazen deelnemers een samenvatting na een geanimeerde video. Degenen die een onjuiste samenvatting kregen, herinnerden zich een cruciaal detail in 44,8 procent van de gevallen correct, tegenover 83,6 procent bij degenen die een accurate samenvatting kregen. Het verschil is niet dat de samenvatting iets verzint, maar dat zij bepaalde details weglaat of verkeerd voorstelt, waardoor de oorspronkelijke waarneming wordt overschreven.

Dit onderscheid is bepalend omdat een samenvatting zelden als manipulatie wordt gezien. Waar een bewerkt beeld opvalt, oogt een samenvatting gezaghebbend en betrouwbaar. Dat maakt het tweede spoor voor beslissers het meest onderschat.

Welke drie vragen moet u uit elkaar houden?

Een AI-label beantwoordt slechts één vraag: is dit materiaal door AI gemaakt of bewerkt? Het zegt niets over twee andere vragen die u moet stellen: klopt de feitelijke inhoud, en kan blootstelling eraan de herinnering van een persoon hebben veranderd? Deze drie vragen zijn los van elkaar. Een document kan door AI zijn gegenereerd en toch feitelijk juist zijn. Een samenvatting kan feitelijk onjuist zijn zonder dat AI eraan te pas is gekomen. En beide kunnen het geheugen beïnvloeden, onafhankelijk van hun herkomst.

Wie een AI-label als bewijs van betrouwbaarheid behandelt, verwart deze drie dingen. Dat verschil wordt bepalend zodra een herinnering later als getuigenis of verklaring telt.

Welke maatregelen moet u per processtap nemen?

Het risico op geheugenvervorming verdient vooral preventieve aandacht. Zodra iemand een misleidende samenvatting of een bewerkt beeld heeft verwerkt, kan het achteraf moeilijk zijn om vast te stellen welk deel van de latere herinnering door de oorspronkelijke gebeurtenis en welk deel door de blootstelling is gevormd. Het zwaartepunt moet daarom op preventie liggen, niet op correctie achteraf.

1. Leg vast welk bronmateriaal primair is — documenteer welke opname, waarneming of getuigenis de originele bron vormt en houd deze strikt gescheiden van elke AI-afgeleide.
2. Zet eerst de eigen herinnering vast — laat getuigen of betrokkenen waar mogelijk hun herinnering vastleggen voordat zij enig AI-gegenereerd materiaal zien.
3. Registreer blootstelling aan AI-output — documenteer welk AI-materiaal aan wie en wanneer is getoond, zodat een latere herinnering tegen die blootstelling kan worden afgezet.
4. Eis onafhankelijke bevestiging van dragende feiten — accepteer geen AI-samenvatting als basis voor een besluit zonder verificatie van de kernpunten tegen het originele materiaal.
5. Onderscheid verificatie van herkomst van verificatie van inhoud — een audit trail kan aantonen dat iemand een samenvatting zag, maar bewijst niet dat die samenvatting klopte.

Wat kunnen tools doen en wat niet?

Tooling kan u helpen om blootstelling vast te leggen en de volgorde van waarnemingen en samenvattingen te beheren. Een audit trail kan aantonen dat iemand een bepaald document op een bepaald moment heeft gezien. Maar tooling kan niet bepalen welk deel van een latere herinnering door de oorspronkelijke waarneming en welk deel door de blootstelling is gevormd. Dat oordeel blijft uw eigen verantwoordelijkheid. Wat tooling ook niet kan: vaststellen of een samenvatting feitelijk juist is. Daarvoor moet u teruggaan naar de bron. De scheiding tussen bron en afgeleide, en de vraag wie wanneer wat zag, is daarom een governance-vraag en niet louter een technische.