Twarze generowane przez AI wydają się ludziom bardziej godne zaufania niż prawdziwe

Twarz wygenerowana przez sztuczną inteligencję ma dziś większą szansę zdobyć czyjeś zaufanie niż zdjęcie prawdziwego człowieka. To wniosek z badania opublikowanego 7 lipca 2026 roku w czasopiśmie Journal of Vision przez zespół z Lancaster University, Stanford University i University of California, Berkeley.

Eksperyment składał się z dwóch etapów. Najpierw jedna grupa uczestników próbowała odróżnić prawdziwe fotografie od twarzy wygenerowanych przez modele AI, w tym starsze sieci GAN i nowsze modele dyfuzyjne. Wynik był bliski rzutowi monetą - niecałe 60 procent trafień pokazuje, że ludzkie oko przestało być skutecznym filtrem.

Zaufanie ważniejsze niż realizm

Druga część eksperymentu okazała się bardziej niepokojąca. Nową grupę badanych poproszono nie o rozpoznanie, czy twarz jest prawdziwa, lecz o ocenę, na ile wygląda ona na godną zaufania, w skali od 1 do 7. Twarze z modeli dyfuzyjnych, czyli technologii stojącej za większością dzisiejszych generatorów obrazów, uzyskały najwyższe noty - 4,70 punktu, wyraźnie więcej niż prawdziwe zdjęcia ludzi ocenione na 4,03.

Autorzy nazywają to zjawisko paradoksem: twarz nie musi wyglądać bardziej realistycznie, żeby zyskać większe zaufanie, wystarczy że wygląda bardziej sympatycznie lub neutralnie w sposób, jaki generatory obrazów potrafią dziś systematycznie odtwarzać. Zdaniem badaczy sugeruje to, że ocena realizmu i ocena wiarygodności twarzy opierają się na dwóch różnych mechanizmach psychologicznych, a nie na jednym wspólnym wrażeniu.

Nasze badanie pokazuje, że ludzie są narażeni na oszukanie przez obrazy generowane przez AI - Alexis McGuire, Lancaster University

W miarę jak obrazy generowane przez AI stają się coraz bardziej wyrafinowane i dostępne, jako społeczeństwo jesteśmy coraz bardziej narażeni na sztuczne twarze, często w złośliwych i wykorzystujących scenariuszach, takich jak dezinformacja polityczna, oszustwa finansowe i tożsamościowe oraz catfishing - Alexis McGuire, Lancaster University

Narzędzie dla oszustów

Wyniki mają bezpośrednie przełożenie na praktykę przestępczą. Twarz, która wzbudza zaufanie, to pierwszy krok w większości scenariuszy oszustw - od phishingu, przez fałszywe oferty pracy, po romansowe wyłudzenia prowadzone na portalach randkowych. Jeśli generator obrazu potrafi automatycznie produkować twarze ocenianie jako bardziej wiarygodne niż zdjęcia realnych ludzi, przestępca dostaje narzędzie, które nie tylko ukrywa jego tożsamość, ale wręcz ułatwia zdobycie zaufania ofiary.

Ten sam mechanizm dotyczy dezinformacji politycznej. Fałszywy profil eksperta, komentatora czy świadka wydarzeń zyskuje wiarygodność nie dzięki treści, którą publikuje, ale dzięki samej twarzy widniejącej na awatarze. Badacze zwracają uwagę, że problem narasta wraz z dostępnością narzędzi generatywnych - to, co jeszcze kilka lat temu wymagało specjalistycznej wiedzy, dziś da się zrobić w kilka sekund za pomocą darmowej aplikacji.

Dlaczego stare metody zawodzą

Przez lata powtarzano radę, by uważnie przyglądać się szczegółom zdjęcia - liczbie palców, symetrii twarzy, dziwnym artefaktom w tle. Wyniki z Lancaster pokazują, że ta strategia traci sens wobec najnowszych modeli dyfuzyjnych, które generują twarze pozbawione typowych błędów wcześniejszych generatorów GAN. Uczestnicy badania mieli dostęp do pełnych obrazów i mimo to mylili się niemal tak samo często, jak gdyby zgadywali losowo.

Co istotne, problem nie leży w jakości renderowania, lecz w samym mechanizmie ludzkiej percepcji zaufania. Mózg ocenia wiarygodność twarzy na podstawie cech takich jak symetria, neutralny wyraz czy określone proporcje, a modele generatywne, trenowane na milionach zdjęć, nauczyły się odtwarzać właśnie te cechy w wersji wyidealizowanej.

Konsekwencje dla firm i użytkowników

Dla firm zajmujących się weryfikacją tożsamości, bankowością czy rekrutacją online wyniki badania oznaczają, że poleganie na ludzkiej ocenie zdjęcia profilowego jako elemencie weryfikacji staje się coraz bardziej ryzykowne. Systemy oparte wyłącznie na wzrokowej kontroli przez pracownika czy klienta tracą skuteczność w tempie, w jakim rozwijają się generatory obrazów.

Dla zwykłych użytkowników mediów społecznościowych i serwisów randkowych wniosek jest prostszy, choć trudniejszy do wdrożenia w codziennych nawykach: sama sympatyczna, budząca zaufanie twarz na zdjęciu profilowym przestaje być wiarygodną przesłanką, że po drugiej stronie jest prawdziwa osoba. Rośnie znaczenie innych metod weryfikacji - rozmów wideo na żywo, wspólnych znajomych czy potwierdzenia tożsamości w niezależnym kanale.

Badanie nie proponuje gotowego rozwiązania technicznego, ale autorzy podkreślają potrzebę dalszych prac nad narzędziami do automatycznego wykrywania obrazów syntetycznych, które nie polegałyby na ludzkim oku. W obliczu wyników pokazujących skuteczność rozpoznawania na poziomie ledwie przewyższającym rzut monetą, trudno oczekiwać, że sami użytkownicy poradzą sobie z tym zagrożeniem bez wsparcia technologicznego.

Źródła: Lancaster University przez EurekAlert (eurekalert.org), Spider's Web (spidersweb.pl)