{"id":8048,"date":"2025-06-02T21:37:34","date_gmt":"2025-06-02T21:37:34","guid":{"rendered":"https:\/\/architeles.eu\/ethics\/?p=8048"},"modified":"2025-06-03T12:52:17","modified_gmt":"2025-06-03T12:52:17","slug":"wykrywanie-deepfakeow-technologie-i-wyzwania-spoleczno-etyczne","status":"publish","type":"post","link":"https:\/\/architeles.eu\/ethics\/index.php\/2025\/06\/02\/wykrywanie-deepfakeow-technologie-i-wyzwania-spoleczno-etyczne\/","title":{"rendered":"Wykrywanie deepfake\u2019\u00f3w: technologie i wyzwania spo\u0142eczno-etyczne"},"content":{"rendered":"
\n
\n
\n

Identyfikacja i oznaczanie film\u00f3w generowanych przez AI \u2013 technologie wykrywania i ich skuteczno\u015b\u0107<\/h1>\n<\/div>\n

Deepfake’i – jeszcze niedawno kojarzy\u0142y si\u0119 g\u0142\u00f3wnie z efektami specjalnymi w filmach science fiction. Dzi\u015b jednak ta technologia wchodzi do naszej codzienno\u015bci \u2013 cz\u0119sto niepostrze\u017cenie. Dzi\u0119ki wykorzystaniu sztucznej inteligencji mo\u017cliwe sta\u0142o si\u0119 tworzenie niezwykle realistycznych obraz\u00f3w, nagra\u0144 wideo i d\u017awi\u0119ku, kt\u00f3re wygl\u0105daj\u0105 i brzmi\u0105 jak prawdziwe, cho\u0107 w rzeczywisto\u015bci s\u0105 ca\u0142kowicie sfabrykowane. W internecie mo\u017cna ju\u017c zobaczy\u0107 polityk\u00f3w wyg\u0142aszaj\u0105cych przem\u00f3wienia, kt\u00f3rych nigdy nie powiedzieli, czy celebryt\u00f3w robi\u0105cych rzeczy, kt\u00f3rych nigdy nie zrobili. Deepfake\u2019i mog\u0105 bawi\u0107 i imponowa\u0107 \u2013 ale potrafi\u0105 te\u017c manipulowa\u0107 opini\u0105 publiczn\u0105, niszczy\u0107 reputacj\u0119 i sia\u0107 dezinformacj\u0119. W \u015bwiecie, gdzie coraz trudniej odr\u00f3\u017cni\u0107 prawd\u0119 od fa\u0142szu, pytania o granice tej technologii i sposoby obrony przed jej nadu\u017cyciami staj\u0105 si\u0119 wa\u017cniejsze ni\u017c kiedykolwiek.<\/strong><\/p>\n

\"Deepfakes<\/p>\n

\n

Deepfake<\/strong> to metoda syntezy realistycznych obraz\u00f3w, wideo lub d\u017awi\u0119ku, najcz\u0119\u015bciej w celu podmienienia twarzy lub g\u0142osu danej osoby. Deepfake\u2019i dzia\u0142aj\u0105 na podstawie technik uczenia g\u0142\u0119bokiego, w szczeg\u00f3lno\u015bci generatywnych sieci przeciwstawnych (GAN \u2013 Generative Adversarial Networks<\/em>). GAN sk\u0142ada si\u0119 z dw\u00f3ch sieci neuronowych: generatora, kt\u00f3ry tworzy fa\u0142szywe tre\u015bci, oraz dyskryminatora, kt\u00f3ry ocenia, czy dane tre\u015bci s\u0105 prawdziwe, czy sfa\u0142szowane. Dzi\u0119ki rywalizacji mi\u0119dzy tymi sieciami, generator z czasem tworzy coraz bardziej przekonuj\u0105ce falsyfikaty (Goodfellow i in., 2014). Technologia ta mo\u017ce by\u0107 u\u017cywana do podmiany twarzy w filmach, na\u015bladowania g\u0142osu czy generowania realistycznych ruch\u00f3w, cz\u0119sto wymagaj\u0105c du\u017cych zbior\u00f3w danych osoby, kt\u00f3r\u0105 chce si\u0119 odwzorowa\u0107 (Chesney i Citron, 2019).<\/p>\n

Od pierszego zastosowania technologia znacznie si\u0119 rozwin\u0119\u0142a i sta\u0142a si\u0119 znacznie bardziej dost\u0119pna. Obecnie potrafimy odm\u0142adza\u0107 aktor\u00f3w np m\u0142odego Luke\u2019a Skywalkera w \u201eThe Mandalorian\u201d albo stworzy\u0107 ca\u0142kowicie fikcyjne scenariusze. Popularny filmik z kana\u0142u Corridor Digital pokaza\u0142 np. spreparowany fragment, w kt\u00f3rym znany aktor Keanu Reeves \u2013 bez jego udzia\u0142u \u2013 powstrzymuje napad na bank (youtube.com<\/a>)<\/span>. Deepfake\u2019i maj\u0105 te\u017c pozytywne zastosowania edukacyjne i rozrywkowe (np. rekonstrukcje historyczne czy dubbing g\u0142os\u00f3w), jednak budz\u0105 najwi\u0119cej kontrowersji w nadu\u017cyciach.<\/p>\n

\"Mark
Wizualizacja technologii deepfake na przyk\u0142adzie odm\u0142adzania w serialu „Mandalorian” \u0179r\u00f3d\u0142o: screenrant.com<\/figcaption><\/figure>\n
\"How
Zast\u0105pienie twarzy aktora w produkcji „Corridor Digital” \u0179r\u00f3d\u0142o: youtube.com<\/figcaption><\/figure>\n

Historia zna tak\u017ce wiele negatywnych przypadk\u00f3w zastosowania tej technologii. Wymienia si\u0119 tu m. in. zmanipulowane nagrania polityczne i propagandowe. Podczas wojny rosyjsko-ukrai\u0144skiej pojawi\u0142 si\u0119 np. sfa\u0142szowany film, w kt\u00f3rym podrobiono przem\u00f3wienie prezydenta Wo\u0142odymyra Ze\u0142enskiego nawo\u0142uj\u0105ce do kapitulacji\u00a0(bbc.com<\/span><\/span><\/span><\/a>)<\/span>. Nie lepiej jest w innych domenach: deepfake\u2019i wykorzystywano do tworzenia bezprawnej pornografii (m.in. z udzia\u0142em celebrytek czy zwyk\u0142ych os\u00f3b) (durham.ac.uk)<\/span><\/span><\/span><\/a><\/span>, niszczenia reputacji publicznych os\u00f3b (fikcyjny film Trumpa czy Putina wywo\u0142uje zamieszanie na arenie mi\u0119dzynarodowej (bbc.com<\/span><\/span><\/span><\/a><\/span>), a nawet podwa\u017cania dowod\u00f3w s\u0105dowych. Niekiedy obwinia si\u0119 technologi\u0119 AI o to, \u017ce podejrzani zaczynaj\u0105 kwestionowa\u0107 autentyczno\u015b\u0107 prawdziwych nagra\u0144 \u2013 zjawisko to badacze nazywaj\u0105 \u201edywidend\u0105 k\u0142amcy\u201d (ang. liar\u2019s dividend<\/em>) (carnegieendowment.org<\/span><\/span><\/span><\/a><\/span><\/span>npr.org<\/span><\/span><\/span><\/a>)<\/span>.<\/p>\n<\/div>\n

\"Other
Przyk\u0142ad sfa\u0142szowanego nagrania prezydenta Ukrainy apeluj\u0105cego do z\u0142o\u017cenia broni. \u0179r\u00f3d\u0142o: BBC<\/figcaption><\/figure>\n
\n

W efekcie zwyk\u0142y u\u017cytkownik internetu coraz trudniej samodzielnie rozpozna falsyfikat \u2013 badania pokazuj\u0105, \u017ce nawet przy wykrywaniu podrobionych nagra\u0144 d\u017awi\u0119kowych ludzie osi\u0105gaj\u0105 niewiele ponad 70% skuteczno\u015bci (aau.edu<\/span><\/span><\/span><\/a>)<\/span><\/span>, co oznacza, \u017ce wi\u0119kszo\u015b\u0107 deepfake\u2019\u00f3w mo\u017ce myli\u0107 nieuwa\u017cnego widza.<\/p>\n<\/div>\n<\/div>\n

\n
\n

Technologie wykrywania deepfake\u2019\u00f3w<\/h2>\n

Wzrokowe oznaki:<\/strong> Obecne algorytmy syntetyzuj\u0105ce obraz wci\u0105\u017c maj\u0105 pewne typowe braki, kt\u00f3re bywaj\u0105 zauwa\u017calne \u201ego\u0142ym okiem\u201d. Najcz\u0119\u015bciej zaobserwowane artefakty to rozmycia lub nieostre przej\u015bcia w okolicach kraw\u0119dzi twarzy (np. przy linii w\u0142os\u00f3w, podbr\u00f3dku czy szyi) oraz nienaturalne szczeg\u00f3\u0142y (np. dziwnie g\u0142adka sk\u00f3ra, nieregularne u\u0142o\u017cenie z\u0119b\u00f3w)(getclarity.ai<\/span><\/span><\/span><\/a><\/span><\/span>)<\/span><\/span><\/span><\/a><\/span>. Ruchy twarzy i mimika w deepfake\u2019ach cz\u0119sto wygl\u0105daj\u0105 sztucznie \u2013 programy generatywne miewaj\u0105 problemy z realistycznym odwzorowaniem mrugania czy zmian ekspresji. Na przyk\u0142ad podczas m\u00f3wienia deepfake\u2019owe twarze cz\u0119\u015bciej mrugaj\u0105 zbyt mechanicznie lub nie mrugaj\u0105 wcale, a zmiana ruchu ust mo\u017ce by\u0107 lekko przesuni\u0119ta w stosunku do d\u017awi\u0119ku. Podobnie, synchronizacja warg z mow\u0105 jest kluczowa \u2013 rozbie\u017cno\u015b\u0107 mi\u0119dzy ruchem ust a d\u017awi\u0119kiem (np. przy wymawianiu g\u0142osek takich jak \u201ep\u201d czy \u201em\u201d) mo\u017ce zdradzi\u0107 manipulacj\u0119. Im wi\u0119cej czasu u\u017cytkownik sp\u0119dza na obserwacji twarzy, tym \u0142atwiej dostrze\u017ce te\u017c inne anomalie: po\u015bwiaty i odblaski na oczach (tzw. \u201eb\u0142ysk w \u017arenicy\u201d) mog\u0105 by\u0107 nieregularne, a mimika ca\u0142o\u015bciowa \u2013 niesp\u00f3jna (jeden obszar twarzy mo\u017ce si\u0119 porusza\u0107 inaczej ni\u017c reszta). W skr\u00f3cie \u2013 ka\u017cdy \u201edziwny\u201d szczeg\u00f3\u0142 na twarzy czy w ruchach mo\u017ce by\u0107 pierwszym tropem, \u017ce mamy do czynienia z deepfake\u2019iem.<\/p>\n

Modele uczenia maszynowego:<\/strong> Wykrywanie deepfake\u2019\u00f3w zyskuje na znaczeniu w zastosowaniach profesjonalnych, dlatego powstaj\u0105 specjalne modele ML, kt\u00f3re ucz\u0105 si\u0119 rozpoznawa\u0107 subtelne wzorce na wideo i w obrazach. Przyk\u0142adowo, niekt\u00f3re algorytmy trenuje si\u0119 na analizie mikroekspresji \u2013 model uczy si\u0119 wykrywa\u0107 brak naturalnych sygna\u0142\u00f3w \u017cyciowych takich jak puls czy wzorzec mrugania charakterystyczny dla autentycznych nagra\u0144. Jedna z technik mierzy zmiany koloru sk\u00f3ry odzwierciedlaj\u0105ce przep\u0142yw krwi (PPG z twarzy) \u2013 deepfake\u2019i z regu\u0142y maj\u0105 p\u0142aski, nierealistyczny rytm t\u0119tna (arxiv.org)<\/span><\/span><\/span><\/a><\/span><\/span>. Inne podej\u015bcia polegaj\u0105 na wydobyciu cech ruchu mi\u0119\u015bni twarzy: prace badawcze wykorzystuj\u0105 np. auto-kodery czy splotowe sieci neuronowe, aby uchwyci\u0107 niesp\u00f3jno\u015bci w mimice (np. sztucznie generowane twarze cz\u0119sto nie odwzorowuj\u0105 naturalnej wariancji rys\u00f3w twarzy) (arxiv.org<\/span><\/span><\/span><\/a><\/span>)<\/span>. W\u015br\u00f3d biologicznych \u201ewska\u017anik\u00f3w\u201d wymienia si\u0119 te\u017c w\u0142a\u015bnie brak normalnych cykli mrugania oczu czy nierealistyczn\u0105 g\u0142\u0119bi\u0119 w obrazie (typu \u201ep\u0142aski\u201d obraz zamiast naturalnej g\u0142\u0119bi ostro\u015bci). Niestety, jak pokazuj\u0105 konkursy bran\u017cowe, \u017caden model jeszcze nie jest w pe\u0142ni skuteczny \u2013 np. zwyci\u0119zca wyzwania Deepfake Detection Challenge organizowanego przez Meta identyfikowa\u0142 poprawnie wygenerowane obrazy tylko w oko\u0142o 65% przypadk\u00f3w (deeplearning.ai)<\/span><\/span><\/span><\/a><\/span>. W praktyce oznacza to, \u017ce pojedyncze narz\u0119dzie automatyczne mo\u017ce przeoczy\u0107 ok. 1\/3 deepfake\u2019\u00f3w, zw\u0142aszcza tych tworzonych nowymi, coraz lepszymi modelami.<\/p>\n

Metadane i watermarking:<\/strong> Alternatyw\u0105 dla ogl\u0105dania detali w pikselach s\u0105 rozwi\u0105zania bazuj\u0105ce na \u201epodpisach\u201d tre\u015bci. Jednym z najnowszych pomys\u0142\u00f3w jest system SynthID<\/strong> od Google DeepMind \u2013 to metoda wbudowywania cyfrowych znak\u00f3w wodnych w obrazy, wideo, audio czy nawet tekst generowany przez AI (deepmind.google) <\/span><\/span><\/span><\/a><\/span>. Podstaw\u0105 SynthID jest ukryty w danych sygna\u0142 (watermark) niewidoczny dla cz\u0142owieka, ale wykrywany przez oprogramowanie \u2013 generatory tre\u015bci Google (takie jak Imagen czy MusicLM) automatycznie oznacz\u0105 sw\u00f3j output, a aplikacja SynthID potrafi p\u00f3\u017aniej sprawdzi\u0107, czy dany film czy obraz by\u0142 sztucznie wygenerowany. Z kolei C2PA (Coalition for Content Provenance and Authenticity)<\/strong> \u2013 projekt stworzony m.in. przez Adobe, Microsoft, BBC, Google itp. \u2013 zak\u0142ada nadrz\u0119dny standard zabezpieczania autentyczno\u015bci cyfrowej. Generatory zgodne z C2PA umieszczaj\u0105 w metadanych (tzw. Content Credentials<\/em>) informacje o pochodzeniu pliku: kim by\u0142 u\u017cytkownik lub urz\u0105dzenie, kiedy i jak wygenerowano obraz oraz jak by\u0142 on p\u00f3\u017aniej edytowany (deeplearning.ai)<\/span><\/span><\/span><\/a><\/span>. W praktyce oznacza to, \u017ce z poziomu przegl\u0105darki czy przegl\u0105darki medi\u00f3w mo\u017cna klikn\u0105\u0107 specjaln\u0105 ikonk\u0119 i zobaczy\u0107 histori\u0119 pliku. Warto zwr\u00f3ci\u0107 uwag\u0119, \u017ce kilkunastu du\u017cych producent\u00f3w ju\u017c wykorzystuje te technologie \u2013 np. Adobe i Microsoft \u201estempluj\u0105\u201d obrazy wygenerowane przez swoje silniki AI znacznikami C2PA, a wkr\u00f3tce podobne oznaczenia maj\u0105 trafia\u0107 na platformy spo\u0142eczno\u015bciowe. Jednak nawet te mechanizmy maj\u0105 ograniczenia: watermarki mo\u017cna pr\u00f3bowa\u0107 usuwa\u0107 lub przekszta\u0142ca\u0107 obraz tak, aby znaku nie by\u0142o s\u0142ycha\u0107, a sama obecno\u015b\u0107 metadanych ujawniaj\u0105cych tw\u00f3rc\u0119 wzbudza debat\u0119 o prywatno\u015bci (w C2PA mo\u017cna np. zapisa\u0107 dok\u0142adne dane urz\u0105dzenia lub u\u017cytkownika tworz\u0105cego grafik\u0119, co dla niekt\u00f3rych jest nieakceptowalnym ujawnieniem).<\/p>\n

Technologiczny i spo\u0142eczny wy\u015bcig zbroje\u0144<\/h2>\n

Dynamiczny rozw\u00f3j deepfake\u2019\u00f3w i \u201edywidenda k\u0142amcy\u201d<\/h3>\n

Technologia generatywna rozwija si\u0119 b\u0142yskawicznie. Obecnie ka\u017cdy internauta z podstawow\u0105 wiedz\u0105 mo\u017ce w kilka minut stworzy\u0107 wiarygodne deepfake\u2019i \u2013 nawet bez posiadania w\u0142asnych zdj\u0119\u0107 czy wideo danej osoby, wystarcz\u0105 popularne biblioteki i poradniki online. W skr\u00f3cie \u2013 generowanie tre\u015bci AI jest tanie i powszechne, dlatego nie ma realnej mo\u017cliwo\u015bci \u201ewy\u0142\u0105czenia\u201d tego narz\u0119dzia. Z drugiej strony trwa wy\u015bcig zbroje\u0144: po ka\u017cdej nowej technice tworzenia deepfake\u2019\u00f3w pojawia si\u0119 kolejna metoda wykrywania, i odwrotnie. Niestety praktyka pokazuje, \u017ce cz\u0119sto metody detekcji s\u0105 sp\u00f3\u017anione \u2013 je\u017celi fa\u0142szywe nagranie dobrze ukryje swoje sztuczne pochodzenie, model detektora mo\u017ce nie wychwyci\u0107 r\u00f3\u017cnic. Co gorsza, upowszechnienie deepfake\u2019\u00f3w pozwala zjawisku tzw. liar\u2019s dividend<\/em>: przest\u0119pcy i manipulanci mog\u0105 podwa\u017ca\u0107 dowody filmowe, twierdz\u0105c, \u017ce \u201ewszyscy teraz deepfake\u2019uj\u0105\u201d (npr.org<\/span><\/span><\/span><\/a><\/span>)<\/span><\/span><\/span><\/a><\/span>. Jak ostrzegaj\u0105 badacze, gdy spo\u0142ecze\u0144stwo nabierze przekonania, \u017ce ka\u017cdy obraz czy nagranie mo\u017ce by\u0107 spreparowane, uczciwe materia\u0142y filmowe stan\u0105 si\u0119 mniej wiarygodne. Tytu\u0142owy \u201edywidendziarz k\u0142amcy\u201d to efekt, w kt\u00f3rym nawet prawdziwe nagranie \u0142atwo obwo\u0142a\u0107 mistyfikacj\u0105 Przyk\u0142adowo, w kilku ameryka\u0144skich procesach podejrzani pr\u00f3bowali uniewinni\u0107 si\u0119, podwa\u017caj\u0105c autentyczno\u015b\u0107 nagra\u0144 \u2014 jednak s\u0105dy zazwyczaj nie uwzgl\u0119dnia\u0142y tej linii obrony. Zjawisko to dodatkowo utrudnia walk\u0119 z dezinformacj\u0105 \u2013 ka\u017cdy wzrost jako\u015bci tworzonych deepfake\u2019\u00f3w generuje analogiczn\u0105 potrzeb\u0119 rozwoju narz\u0119dzi do ich identyfikacji.<\/p>\n

Techniczne oznaczanie tre\u015bci AI \u2013 transparentno\u015b\u0107 kontra prywatno\u015b\u0107<\/h3>\n

Jednym ze strategii ograniczania problemu deepfake\u2019\u00f3w jest techniczne \u201ezaznaczanie\u201d tre\u015bci sztucznej proweniencji. Wspomniany SynthID od Google zak\u0142ada, \u017ce ka\u017cdy obraz czy wideo wygenerowany przez modele Google AI b\u0119dzie automatycznie opatrzony ukrytym watermarkiem (deepmind.google<\/span><\/span><\/span><\/a>)<\/span>. Taka technika nie ingeruje w jako\u015b\u0107 pliku (\u201eznaki wodne\u201d s\u0105 niewidoczne dla oka) i pozwala w przysz\u0142o\u015bci sprawdzi\u0107, czy dana scena pochodzi\u0142a od cz\u0142owieka czy od algorytmu. Podobnie system C2PA umo\u017cliwia producentom aparat\u00f3w czy oprogramowania dodawanie kryptograficznych metadanych, kt\u00f3re jednoznacznie opisuj\u0105 autora i histori\u0119 pliku (deeplearning.ai<\/span><\/span><\/span><\/a>)<\/span>. Dzi\u0119ki temu \u2013 przynajmniej w teorii \u2013 mo\u017cna automatycznie odfiltrowa\u0107 tre\u015bci wygenerowane przez AI. Trwaj\u0105 te\u017c prace nad innymi formatami identyfikacji (np. otwarte standardy blockchain czy pliki \u201efile history\u201d), kt\u00f3re gwarantowa\u0142yby nienaruszalno\u015b\u0107 \u015bledzenia pochodzenia.<\/p>\n

Jednak wprowadzenie takich mechanizm\u00f3w rodzi pytania o prywatno\u015b\u0107 i nadu\u017cycia. Wstawianie znacznik\u00f3w (zw\u0142aszcza metadanych identyfikuj\u0105cych tw\u00f3rc\u0119 czy urz\u0105dzenie) mo\u017ce by\u0107 postrzegane jako \u015bledzenie tw\u00f3rc\u00f3w lub ich urz\u0105dze\u0144. Standard C2PA jawnie przewiduje zapisanie \u201eu\u017cytkownika lub urz\u0105dzenia\u201d wraz z dat\u0105 i sposobem utworzenia obrazu co z jednej strony zwi\u0119ksza zaufanie (\u0142atwo udowodni\u0107, kto tak naprawd\u0119 stworzy\u0142 film), ale z drugiej \u2013 kto\u015b mo\u017ce u\u017cy\u0107 tych danych, by np. profilowa\u0107 autor\u00f3w tre\u015bci czy ogranicza\u0107 anonimowo\u015b\u0107 w sieci. Istnieje te\u017c ryzyko techniczne: chocia\u017c blockchainowe czy kryptograficzne podpisy s\u0105 trudne do podrobienia, to wytrawny u\u017cytkownik z zaawansowanymi narz\u0119dziami mo\u017ce po prostu \u201ezmy\u0107\u201d znaczniki (jak pokazuje praktyka C2PA, metadane da si\u0119 usun\u0105\u0107 za pomoc\u0105 zgodnych edytor\u00f3w). W efekcie ca\u0142y konflikt polega na kompromisie mi\u0119dzy transparentno\u015bci\u0105 a prywatno\u015bci\u0105. Z jednej strony uchwytne oznaczenia mog\u0105 znacznie podnie\u015b\u0107 skuteczno\u015b\u0107 wykrywania fa\u0142szywek, z drugiej \u2013 budz\u0105 obawy przed \u201epodgl\u0105dactwem\u201d w mechanizmach sieci.<\/p>\n

Regulacje prawne i odpowiedzialno\u015b\u0107 platform spo\u0142eczno\u015bciowych<\/h3>\n

Pomimo \u017ce deepfake\u2019i s\u0105 problemem globalnym, wi\u0119kszo\u015b\u0107 kraj\u00f3w dot\u0105d nie decyduje si\u0119 na zakaz tej technologii. Raczej wprowadza si\u0119 regulacje skupione na kontek\u015bcie u\u017cycia. Przyk\u0142adowo w Europie nowy AI Act<\/strong> wymaga, by tw\u00f3rcy i dostawcy system\u00f3w generatywnych znakowali swoje modele (\u201eproviderzy\u201d musz\u0105 technicznie oznacza\u0107 wygenerowane materia\u0142y jako sztuczne, np. poprzez watermarki) oraz aby wydawcy (tzw. \u201edeployerzy\u201d \u2013 np. portal czy osoba publikuj\u0105ca) wyra\u017anie informowali odbiorc\u00f3w, \u017ce ogl\u0105dane media s\u0105 AI-manipulowane. W praktyce oznacza to obowi\u0105zek umieszczania czytelnych etykiet lub komunikat\u00f3w przy deepfake\u2019ach (z pewnymi wyj\u0105tkami na satyr\u0119 czy cele \u015bledcze), oraz stosowania ustandaryzowanych rozwi\u0105za\u0144 do \u015bledzenia \u017ar\u00f3d\u0142a plik\u00f3w. Podobne idee propaguje Digital Services Act \u2013 w nadchodz\u0105cej kampanii wyborczej UE najwi\u0119ksze platformy spo\u0142eczno\u015bciowe (Facebook\/Meta, X, TikTok itd.) zostan\u0105 zobowi\u0105zane do \u201edepFake-proofingu\u201d\u202f\u2013 czyli aktywnej identyfikacji i oznaczania tre\u015bci AI. Komisja Europejska przygotowuje wytyczne, \u017ceby w spos\u00f3b \u201ewyra\u017any i \u0142atwo zrozumia\u0142y\u201d odr\u00f3\u017cnia\u0107 manipulowane materia\u0142y<\/p>\n

R\u00f3wnocze\u015bnie toczy si\u0119 debata, czy firmy technologiczne powinny by\u0107 prawnie zmuszone do moderowania deepfake\u2019\u00f3w. W USA proponowane s\u0105 ustawy karz\u0105ce platformy za niewycofanie szkodliwych tre\u015bci. Parlamenty rozwa\u017caj\u0105 sankcje czy procesy przeciwko dystrybutorom fake\u2019\u00f3w. Podobnie w Polsce przygotowywane s\u0105 zmiany w prawie karnym przewiduj\u0105ce odpowiedzialno\u015b\u0107 za rozpowszechnianie nieautoryzowanych symulacji czy przer\u00f3bek wizerunk\u00f3w. Z drugiej strony organizacje broni\u0105ce wolno\u015bci s\u0142owa (np. EFF) apeluj\u0105 o ostro\u017cno\u015b\u0107 \u2013 zwracaj\u0105 uwag\u0119, \u017ce zakazy nie mog\u0105 przypadkowo ograniczy\u0107 praw do satyry, prasy czy nauki EFF ostrzega, \u017ce technologia deepfake ma wiele pozytywnych zastosowa\u0144 i zamiast martwi\u0107 si\u0119 samym narz\u0119dziem, nale\u017cy skupi\u0107 si\u0119 na karaniu os\u00f3b wyrz\u0105dzaj\u0105cych nim krzywd\u0119. Nie powinni\u015bmy wi\u0119c zakazywa\u0107 technologii w ca\u0142o\u015bci \u2013 raczej zabroni\u0107 jej nadu\u017cy\u0107 i wym\u00f3c na platformach narz\u0119dzia wykrywania i etykietowania (jak proponuje AI Act). Zakaz bez wyj\u0105tk\u00f3w by\u0142by trudny do wyegzekwowania globalnie i m\u00f3g\u0142by zahamowa\u0107 rozw\u00f3j legalnych aplikacji (np. w medycynie czy filmie).<\/p>\n

Propozycje rozwi\u0105za\u0144 organizacyjnych i informatycznych<\/h2>\n

Na podstawie przedstawionych<\/p>\n