Existe uma infraestrutura de takedown funcional para conteúdo adulto pirateado — e ela não pega o que está substituindo a pirataria. O MIT Technology Review relata que a Takedown Piracy gerou impressões de mais de 500 milhões de vídeos e removeu cerca de 130 milhões da busca do Google sozinha. Esse pipeline funciona por match de impressão contra fontes conhecidas. Cópias modificadas por IA dos mesmos performers — pequenas edições que apagam uma pinta ou deslocam proporções — escapam do fingerprinting porque o arquivo novo não combina mais com o original. A infraestrutura que existe é a de um problema que está encolhendo.
A classe de conteúdo não é face-swap deepfake — é corporal. Os corpos reais dos performers são usados como dados de treinamento e depois regenerados com alterações menores. Pesquisadores citados no artigo estimam que mais de 10 000 terabytes de conteúdo adulto online provavelmente estão em corpora de treinamento de IA atuais, embora marquem isso como uma "suposição razoável" em vez de uma cifra medida (nenhum laboratório importante publica auditorias de filtragem de corpus nesse nível de granularidade). As ferramentas nomeadas incluem os apps nudify Crushmate e Grok, e o app de sexting Mynx, onde golpistas implantaram deepfakes IA de performers identificados para fraudar usuários pagantes. A Spicey AI — agora extinta — tentou formalizar o problema ao contrário: contratos onde os performers cediam a propriedade de suas semelhanças IA.
A camada legal está se formando mas é desigual. A Take It Down Act federal criminaliza a publicação de imagens íntimas não consensuais, o que são dentes que antes não existiam. Advogados de performers citados sinalizam o risco de uso duplo: o mesmo estatuto pode ser instrumentalizado contra conteúdo de performance consensual sob um aviso de takedown falso. As cadeias DMCA colapsam por completo quando os hosts operam da Rússia, das Seychelles ou dos Países Baixos. Para as plataformas de geração de imagem e vídeo que enviam hoje, isso importa em duas camadas: os corpora de pré-treinamento quase certamente contêm conteúdo adulto raspado a menos que uma passagem de filtragem deliberada tenha sido feita (e poucos laboratórios documentam uma), e o problema de detecção downstream — identificar que uma saída gerada é um body-deepfake de uma pessoa real — não é resolvido pelo tooling de fingerprinting existente.
Se você envia geração de imagem ou vídeo, a implicação prática é que você não pode se apoiar no ecossistema de takedown existente para pegar outputs derivados do seu modelo. A pesquisa sobre "embodied harms" citada no artigo distingue dismorfia corporal e autocensura como efeitos separados da classe de trauma do face-deepfake — mecanismo distinto, mitigação distinta. A moldura legal continuará se movendo; a lacuna de detecção técnica não se fechará sozinha.