Jak rozpoznać treści z AI - deepfake'i, zdjęcia i teksty
- Treści generowane przez AI są już zbyt dobre, by polegać na wypatrywaniu błędów w palcach czy napisach - najskuteczniejszą obroną jest weryfikacja źródła i kontekstu, a nie analiza pikseli.
- Przy podejrzanych materiałach działa stara szkoła dziennikarska: kto to opublikował pierwszy, czy potwierdzają to wiarygodne redakcje, skąd nagle ta emocja.
- W sprawach pieniędzy obowiązuje żelazna zasada weryfikacji drugim kanałem, bo klonowanie głosu uczyniło z oszustwa 'na wnuczka' broń masowego rażenia.
Papież w puchowej kurtce był w 2023 roku zabawną ciekawostką. W 2026 wygenerowane materiały wyłudzają oszczędności emerytów podrobionym głosem wnuka, kręcą fałszywe reklamy z twarzami znanych lekarzy i dziennikarzy oraz podgrzewają każdy kryzys polityczny. Umiejętność weryfikacji przestała być kompetencją dziennikarzy - stała się higieną codzienną, jak nieklikanie w linki z SMS-ów. Ten poradnik uczy jej w wersji praktycznej.
Najpierw zła wiadomość: “wypatrywanie błędów” przestało działać
Poradniki sprzed dwóch-trzech lat uczyły szukać sześciu palców, rozmytych napisów i dziwnych uszu. Ta wiedza się zestarzała: najnowsze generatory obrazu radzą sobie z dłońmi, tekstem na szyldach i odbiciami, a wygenerowane wideo z zsynchronizowanym dźwiękiem potrafi przejść niezauważone nawet przy uważnym oglądaniu.
Błędy wciąż się zdarzają - warto rzucić okiem na detale tła (tłum, biżuteria, logotypy, cienie), na nienaturalnie “gładką” skórę i na fizykę ruchu w wideo - ale brak błędów niczego już nie dowodzi. Dlatego cały ciężar weryfikacji przenosi się z pytania “czy to wygląda prawdziwie?” na pytanie “skąd to pochodzi?”.
Metoda, która działa: trzy pytania o źródło
Zanim uwierzysz, udostępnisz albo się zdenerwujesz, zadaj trzy pytania:
1. Kto to opublikował pierwszy? Konkretna redakcja z nazwiskiem autora, oficjalne konto instytucji - czy anonimowy profil założony miesiąc temu? Sensacyjny materiał, którego nie ma w żadnym wiarygodnym medium, to czerwona flaga numer jeden. Wyszukiwanie obrazem (Google Lens, TinEye) w kilkanaście sekund pokaże, gdzie zdjęcie pojawiło się wcześniej - i często okazuje się, że “wczorajsza fotografia” krąży w sieci od lat w innym kontekście.
2. Czy ktokolwiek to potwierdza? Prawdziwe wydarzenie ma wiele niezależnych źródeł: różne redakcje, różni świadkowie, różne ujęcia. Deepfake ma jedno źródło i tysiące udostępnień. W polskich realiach szybki test to wpisanie tematu w wyszukiwarkę z nazwą dowolnej dużej redakcji oraz sprawdzenie serwisów fact-checkingowych (Demagog, fact-checking AFP).
3. Dlaczego to do mnie trafiło i co ma wywołać? Treści syntetyczne produkowane w złej wierze mają zawsze ten sam silnik: maksymalną emocję - oburzenie, strach, euforię - i wezwanie do natychmiastowego działania (udostępnij, kliknij, przelej). Silna emocja to sygnał, żeby zwolnić, nie przyspieszyć.
Pomocnym wsparciem technicznym są rodzące się standardy pochodzenia treści (C2PA / Content Credentials), wdrażane przez producentów aparatów, Adobe i platformy - metryczka “skąd pochodzi ten obraz” pojawia się w coraz większej liczbie miejsc. Traktuj ją jak dodatkowy dowód, ale pamiętaj: brak metryczki niczego nie przesądza.
Teksty: dlaczego “wykrywacze AI” to ślepa uliczka
Automatyczne detektory tekstu AI są zawodne w obie strony - oskarżają niewinnych (szczególnie osoby piszące w wyuczonym języku) i przepuszczają teksty po lekkiej redakcji; pisaliśmy o tym szerzej w przewodniku o AI na studiach. W praktyce czytelniczej ważniejsze od “czy to pisał człowiek” jest pytanie “czy to jest prawda i kto za tym stoi”:
- tekst bez autora, bez źródeł i bez odpowiedzialnej redakcji traktuj z ograniczonym zaufaniem niezależnie od tego, kto go napisał
- charakterystyczne sygnały masowej produkcji AI: idealnie okrągłe, nijakie sformułowania, brak konkretów sprawdzalnych w innych źródłach, strony-farmy publikujące dziesiątki artykułów dziennie bez żadnej tożsamości
- uczciwe serwisy oznaczają użycie AI wprost (my robimy to przy każdym artykule - proces opisaliśmy na stronie Redakcja)
Głos i pieniądze: “na wnuczka 2.0”
Najgroźniejsze zastosowanie treści syntetycznych nie dotyczy polityki, tylko portfela. Do sklonowania głosu wystarczy kilkanaście sekund nagrania - a próbki głosu większości z nas są publiczne (rolki, stories, nagrania firmowe). CERT Polska i banki regularnie ostrzegają przed schematami: telefon “od dziecka” z prośbą o pilny przelew, “wnuczek po wypadku”, głosówka “od szefa” polecająca opłacić fakturę, wideorozmowa “z zarządem” (głośne przypadki firmowych deepfake’ów na wideokonferencjach kosztowały korporacje dziesiątki milionów dolarów).
Obrona jest analogowa i niezawodna:
- Zasada drugiego kanału: każda prośba o pieniądze lub dane - niezależnie od tego, jak wiarygodnie brzmi - jest weryfikowana oddzwonieniem na znany numer albo pytaniem w innym kanale
- Hasło rodzinne: umówione słowo, którego nie zna internet; prosty test, którego klon głosu nie przejdzie
- Firmowa procedura płatności: żadne polecenie przelewu “od szefa” nie jest realizowane bez potwierdzenia ustaloną ścieżką - deepfake łamie ucho, nie procedurę
Pięć nawyków na co dzień
- Pauza przed udostępnieniem. Dezinformacja żyje z odruchu; dziesięć sekund zastanowienia to najskuteczniejszy “detektor”, jaki istnieje.
- Wyszukiwanie obrazem przy każdym sensacyjnym zdjęciu - dwa kliknięcia.
- Źródło przed treścią: najpierw patrz, kto publikuje, potem co publikuje.
- Drugi kanał przy pieniądzach - zawsze, bez wyjątków dla “głosu córki”.
- Kalibracja, nie paranoja. Celem nie jest niewiara we wszystko (to druga twarz dezinformacji - “nic nie jest prawdziwe, więc wierzę w co chcę”), tylko proporcjonalne zaufanie: wysokie do treści z odpowiedzialnym nadawcą, niskie do anonimowych sensacji.
Technologia generowania będzie coraz lepsza - to pewne. Ale mechanizm obrony pozostaje ten sam od stu lat dziennikarstwa: liczy się nie to, jak wiarygodnie coś wygląda, tylko kto za tym stoi i kto to potwierdza. Wystarczy przestawić ten jeden nawyk, żeby z łatwego celu stać się bardzo trudnym.
