{"id":9503,"date":"2026-05-18T17:35:35","date_gmt":"2026-05-18T17:35:35","guid":{"rendered":"https:\/\/architeles.eu\/ethics\/?p=9503"},"modified":"2026-06-02T05:49:51","modified_gmt":"2026-06-02T05:49:51","slug":"w-opozycji-do-ai-slop-deepfakeow-fake-newsow-i-content-farms-metody-budowania-wiarygodnej-generatywnej-ai","status":"publish","type":"post","link":"https:\/\/architeles.eu\/ethics\/index.php\/2026\/05\/18\/w-opozycji-do-ai-slop-deepfakeow-fake-newsow-i-content-farms-metody-budowania-wiarygodnej-generatywnej-ai\/","title":{"rendered":"W opozycji do AI slop, deepfake\u2019\u00f3w, fake news\u00f3w i content farms \u2013 metody budowania wiarygodnej generatywnej AI."},"content":{"rendered":"

W dzisiejszych czasach coraz cz\u0119\u015bciej mamy dylemat zwi\u0105zany z tym, \u017ce nie potrafimy stwierdzi\u0107, czy post, obraz, artyku\u0142 albo filmik, na kt\u00f3ry w\u0142a\u015bnie patrzymy, jest autentyczny, czy mo\u017ce zosta\u0142 wygenerowany za pomoc\u0105 AI. Nie jeste\u015bmy pewni, czy materia\u0142y, kt\u00f3re ogl\u0105damy, s\u0105 prawdziwe, czy mo\u017ce s\u0105 fake newsami wyssanymi z palca, kt\u00f3rych zadaniem jest jedynie sianie dezinformacji w\u015br\u00f3d spo\u0142eczno\u015bci. Na naszych oczach te problemy wymykaj\u0105 si\u0119 spod kontroli i rosn\u0105 z efektem kuli \u015bnie\u017cnej, gdy tzw. boty czy agenci AI zalewaj\u0105 internet komentarzami i postami, powielaj\u0105c plotki, wyci\u0105gaj\u0105c informacje z kontekstu, powtarzaj\u0105c tre\u015bci propagandowe i teorie spiskowe, kt\u00f3re osi\u0105gaj\u0105 wiele wy\u015bwietle\u0144 i „klikni\u0119\u0107”.\u00a0<\/strong><\/p>\n

Na przek\u00f3r temu trendowi, w tym wpisie przedstawimy sposoby tworzenia wiarygodnej AI, a konkretnie metody pozwalaj\u0105ce weryfikowa\u0107 wiarygodno\u015b\u0107 informacji, takie jak technologia blockchain, podpisy cyfrowe, watermarki oraz C2PA.\u00a0<\/strong><\/p>\n

<\/p>\n

Problem AI slop, deepfake\u2019\u00f3w, fake news\u00f3w i content farms<\/b>\u00a0<\/span><\/p>\n

Zacznijmy od wyja\u015bnienia, co dok\u0142adnie oznaczaj\u0105 te poj\u0119cia i jaki jest cel ka\u017cdego z tych zjawisk.\u00a0<\/span><\/p>\n

AI slop<\/em> jest najbardziej niewinnym zjawiskiem spo\u015br\u00f3d omawianych w tym wpisie. Odnosi si\u0119 do masowo generowanych danych, zazwyczaj niskiej jako\u015bci, pozbawionych sensu i powtarzalnych. Ich celem jest przyci\u0105gni\u0119cie uwagi u\u017cytkownik\u00f3w \u2014 s\u0105 tworzone pod klikni\u0119cia. Takie teksty s\u0105 zazwyczaj bardzo p\u0142ytkie, og\u00f3lne i niczego nie wnosz\u0105. Obrazy cz\u0119sto maj\u0105 liczne defekty, na przyk\u0142ad nieostre t\u0142o lub nienaturalne elementy. Przyk\u0142adem mog\u0105 by\u0107 obrazy lub inne tre\u015bci maj\u0105ce nas zrelaksowa\u0107 i odpr\u0119\u017cy\u0107, kt\u00f3re jednocze\u015bnie dobrze \u201esi\u0119 klikaj\u0105\u201d, np. gotuj\u0105ce kotki. Mog\u0105 to by\u0107 sceny bardziej realistyczne, przyk\u0142adowo w ostatnim czasie popularne by\u0142y wygenerowane zdj\u0119cia przedstawiaj\u0105ce wymy\u015blone historie nieistniej\u0105cych bohater\u00f3w maj\u0105c wywo\u0142ywa\u0107 g\u0142\u00f3wnie wsp\u00f3\u0142czucie np. „Ten ch\u0142opiec ma dzi\u015b urodziny, ale nikt nie z\u0142o\u017cy\u0142 mu \u017cycze\u0144”<\/em> albo „Mama tej dziewczynki ci\u0119\u017cko pracuje jako sprz\u0105taczka, ale przez to koledzy si\u0119 z niej \u015bmiej\u0105”<\/em>. Po reakcjach na te posty mo\u017cna by\u0142o zauwa\u017cy\u0107, \u017ce g\u0142\u00f3wnymi ofiarami by\u0142y osoby starsze, kt\u00f3re nie zauwa\u017ca\u0142y oczywistych fragment\u00f3w wskazuj\u0105cych na brak autentyczno\u015bci tych tre\u015bci.<\/span><\/p>\n

\"\"
\u017ar\u00f3d\u0142o: https:\/\/assets.eweek.com\/uploads\/2026\/01\/unnamed-1.jpg?w=1024<\/figcaption><\/figure>\n

Deepfake<\/em> jest o wiele powa\u017cniejszym problemem, poniewa\u017c mo\u017ce wyrz\u0105dzi\u0107 wiele szk\u00f3d i szerzy\u0107 dezinformacj\u0119. Chodzi tutaj o generowanie fa\u0142szywych obraz\u00f3w, film\u00f3w lub nagra\u0144 audio, kt\u00f3re na\u015bladuj\u0105 prawdziwe osoby, najcz\u0119\u015bciej polityk\u00f3w, celebryt\u00f3w czy influencer\u00f3w. W efekcie kto\u015b m\u00f3wi lub robi co\u015b, czego nigdy nie powiedzia\u0142 ani nie zrobi\u0142. Takie materia\u0142y tworzone s\u0105 na podstawie dost\u0119pnych w sieci zdj\u0119\u0107 i nagra\u0144. Zdj\u0119cia mog\u0105 by\u0107 przerabiane, twarze wykorzystywane bez zgody, a z film\u00f3w i nagra\u0144 audio mog\u0105 by\u0107 wyci\u0105gane pojedyncze s\u0142owa w taki spos\u00f3b, aby tworzy\u0142y zupe\u0142nie inn\u0105 wypowied\u017a. Coraz cz\u0119\u015bciej te\u017c dost\u0119pne materia\u0142y s\u0105 wykorzystywane do trenowania modeli, np. sieci neuronowych, kt\u00f3re po odpowiednio d\u0142ugim treningu i wystarczaj\u0105cej ilo\u015bci danych generuj\u0105 prawdziwie wygl\u0105daj\u0105ce nagrania.\u00a0\u00a0<\/span><\/p>\n

\"\"
zr\u00f3d\u0142o: https:\/\/moonagedaydream.film\/celebrity\/celebrity-deepfake-examples<\/figcaption><\/figure>\n

Ostatnio w social mediach zdarza\u0142o si\u0119, \u017ce influencerzy \u201ereklamowali\u201d co\u015b, nie maj\u0105c o tym nawet poj\u0119cia. Ich zdj\u0119cia i nagrania by\u0142y przerabiane przez AI, tworz\u0105c iluzj\u0119 autentycznej reklamy. Co ciekawe, problem ten nie dotyczy wy\u0142\u0105cznie superpopularnych os\u00f3b, ale r\u00f3wnie\u017c tw\u00f3rc\u00f3w internetowych dzia\u0142aj\u0105cych w okre\u015blonych niszach tematycznych.\u00a0<\/span><\/p>\n

Innym przyk\u0142adem deepfake\u2019u mo\u017ce by\u0107 sytuacja z 2021 roku, kiedy na TikToku pojawi\u0142o si\u0119 konto @deeptomcruise, publikuj\u0105ce filmiki, na kt\u00f3rych aktor Tom Cruise wykonuje sztuczki magiczne, gra w golfa albo opowiada \u017carty. Tymczasem aktor nigdy nie posiada\u0142 konta na TikToku.\u00a0<\/span><\/p>\n

Miles Fisher (@deeptomcruise) | TikTok<\/span><\/a>\u00a0<\/span><\/p>\n

Fake news<\/em> oznacza po prostu fa\u0142szywe informacje lub wiadomo\u015bci, kt\u00f3re zazwyczaj bardzo szybko rozprzestrzeniaj\u0105 si\u0119 po internecie. Jest to bardziej og\u00f3lna kategoria ni\u017c deepfake, poniewa\u017c fake newsy nie potrzebuj\u0105 fa\u0142szywych obraz\u00f3w. Przed rozwojem AI mog\u0142y to by\u0107 po prostu nieprawdziwe informacje publikowane przez cz\u0142owieka. Obecnie, wskutek rozwoju AI, fake newsy s\u0105 masowo generowane i bardzo cz\u0119sto wyst\u0119puj\u0105 razem z fa\u0142szywymi obrazami czy filmami.\u00a0<\/span><\/p>\n

\"\"
\u017ar\u00f3d\u0142o: https:\/\/impactwealth.org\/trump-pope-ai-image-goes-viral\/<\/figcaption><\/figure>\n

Content farms<\/em> to strony internetowe lub firmy produkuj\u0105ce ogromne ilo\u015bci kontentu, zazwyczaj niskiej jako\u015bci, cz\u0119sto wykorzystuj\u0105c do tego celu AI. Ich celem jest przyci\u0105ganie uwagi jak najwi\u0119kszej liczby u\u017cytkownik\u00f3w social medi\u00f3w. Content farms mog\u0105 by\u0107 \u017ar\u00f3d\u0142em AI slopu. Dawniej farmy kontentu opiera\u0142y si\u0119 na niskiej jako\u015bci filmach, z kt\u00f3rych wycinane by\u0142o mn\u00f3stwo rolek, a przyci\u0105gni\u0119cie uwagi opiera\u0142o si\u0119 na absurdzie – doskona\u0142ym przyk\u0142adem jest 5 minutes crafts<\/em>, czyli filmy z absurdalnymi poradami i pomys\u0142ami na r\u0119kodzie\u0142o.<\/span><\/p>\n

\ud83c\udf1f 5 minute crafts \ud83c\udf08\u00a0<\/a><\/p>\n

Teraz najcz\u0119\u015bciej farmy kontentu przybieraj\u0105 form\u0119 kradzie\u017cy – powielaj\u0105c trenduj\u0105ce filmy bez zgody autor\u00f3w w r\u00f3\u017cnych formach. Czasem jako wrzucenie ca\u0142ego filmu, czasem jako zrzuty ekranu post\u00f3w z innych platform (cz\u0119sto z jednym utworem w tle w celu promowania jego pozycji w algorytmie). Takie konta cz\u0119sto s\u0105 sprzedawane po osi\u0105gni\u0119ciu konkretnych zasi\u0119g\u00f3w lub ilo\u015bci obserwator\u00f3w – wtedy zmieniaj\u0105 tematyk\u0119 i postuj\u0105 g\u0142\u00f3wnie reklamy.<\/p>\n

\u00a0Instagram – content farm<\/a><\/p>\n

W praktyce wszystkie te zjawiska wzajemnie si\u0119 przenikaj\u0105, a g\u0142\u00f3wnym pytaniem pozostaje to, jak mo\u017cemy stwierdzi\u0107, kt\u00f3re tre\u015bci s\u0105 prawdziwe i chroni\u0107 siebie i inncyh przed dezinformacj\u0105.\u00a0<\/span><\/p>\n

Pomys\u0142 na wiarygodn\u0105 AI<\/b>\u00a0<\/span><\/p>\n

Rozwi\u0105zaniem powy\u017cszych problem\u00f3w mo\u017ce by\u0107 opracowanie protoko\u0142\u00f3w, kt\u00f3re b\u0119d\u0105 zapami\u0119tywa\u0107 i weryfikowa\u0107 \u017ar\u00f3d\u0142o pochodzenia generowanych materia\u0142\u00f3w. Tutaj z pomoc\u0105 przychodz\u0105 technologie takie jak blockchain, podpisy cyfrowe, watermarking czy content provenance. Ich wsp\u00f3lnym celem jest stworzenie systemu, w kt\u00f3rym u\u017cytkownik b\u0119dzie m\u00f3g\u0142 sprawdzi\u0107 nie tylko kto stworzy\u0142 dan\u0105 tre\u015b\u0107, ale r\u00f3wnie\u017c czy by\u0142a ona modyfikowana oraz sk\u0105d dok\u0142adnie pochodzi.\u00a0<\/span><\/p>\n

W praktyce oznacza\u0142oby to pr\u00f3b\u0119 stworzenia swego rodzaju \u201ecyfrowego zaufania\u201d do materia\u0142\u00f3w publikowanych w internecie. Obecnie wi\u0119kszo\u015b\u0107 tre\u015bci mo\u017cemy jedynie ocenia\u0107 intuicyjnie \u2014 po stylu, jako\u015bci albo \u017ar\u00f3dle publikacji. Rozwi\u0105zania kryptograficzne maj\u0105 natomiast pozwoli\u0107 na techniczne potwierdzanie autentyczno\u015bci materia\u0142\u00f3w.\u00a0<\/span><\/p>\n

Jak dzia\u0142a blockchain i w jaki spos\u00f3b mo\u017ce pom\u00f3c budowa\u0107 wiarygodn\u0105 AI?<\/b>\u00a0<\/span><\/p>\n

Blockchain<\/em> to zdecentralizowany system rejestracji danych, oparty na tworzeniu \u0142a\u0144cucha blok\u00f3w, w kt\u00f3rym ka\u017cdy blok jest \u015bci\u015ble powi\u0105zany z poprzednim. Uniemo\u017cliwia to wszelkiego rodzaju zmiany i oszustwa, zapewniaj\u0105c bezpieczne wsp\u00f3\u0142dzielenie informacji.\u00a0<\/span><\/p>\n

W kontek\u015bcie generatywnej AI dla ka\u017cdego obrazu, tekstu czy wideo generowany jest hash, kt\u00f3ry trafia do blockchaina. Hash mo\u017cna por\u00f3wna\u0107 do cyfrowego odcisku palca \u2014 nawet niewielka zmiana pliku powoduje wygenerowanie zupe\u0142nie innego hasha. W momencie, gdy chcemy zweryfikowa\u0107 dan\u0105 informacj\u0119, hash jest wyliczany ponownie i por\u00f3wnywany z tym zapisanym w blockchainie. Kiedy obraz, tekst albo wideo jest podrobione albo by\u0142o edytowane, hashe si\u0119 nie zgadzaj\u0105.\u00a0<\/span><\/p>\n

\"\"
\u017ar\u00f3d\u0142o: https:\/\/www.instagram.com\/reels\/DYdGEISysZv\/<\/figcaption><\/figure>\n

Pozwala to wykrywa\u0107 deepfake\u2019i i przeciwdzia\u0142a\u0107 dezinformacji w mediach. Technologia blockchain umo\u017cliwia r\u00f3wnie\u017c \u015bledzenie historii zmian oraz pochodzenia tre\u015bci. Jest to szczeg\u00f3lnie wa\u017cne w przypadku materia\u0142\u00f3w viralowych, kt\u00f3re bardzo szybko rozprzestrzeniaj\u0105 si\u0119 po internecie i s\u0105 wielokrotnie kopiowane.\u00a0<\/span><\/p>\n

W artykule \u201eProvenance Verification of AI-Generated Images via a Perceptual Hash Registry Anchored on Blockchain\u201d<\/em> autorzy proponuj\u0105 system wykorzystuj\u0105cy perceptual hashing po\u0142\u0105czony z blockchainem. W przeciwie\u0144stwie do zwyk\u0142ych hashy, perceptual hash pozwala rozpoznawa\u0107 obrazy nawet po lekkiej kompresji, resize czy niewielkich modyfikacjach. Dzi\u0119ki temu system mo\u017ce wykrywa\u0107 obrazy podobne do orygina\u0142u, a nie tylko ich identyczne kopie.\u00a0<\/span><\/span><\/p>\n

Blockchain nie zapewnia jednak pe\u0142nej ochrony przed fa\u0142szywymi tre\u015bciami. Sam w sobie pozwala jedynie sprawdzi\u0107, czy dana tre\u015b\u0107 by\u0142a modyfikowana, a nie czy jest prawdziwa. Dlatego najlepszym rozwi\u0105zaniem wydaje si\u0119 po\u0142\u0105czenie wielu technologii w jeden dobrze dzia\u0142aj\u0105cy system.\u00a0<\/span><\/p>\n

Podpisy cyfrowe w \u015bwiecie generatywnej AI<\/b>\u00a0<\/span><\/p>\n

Podpisy cyfrowe pozwalaj\u0105 sprawdza\u0107, kto stworzy\u0142 dany materia\u0142. Jest to ta sama technologia, kt\u00f3rej u\u017cywamy do podpisywania chocia\u017cby dokument\u00f3w, oparta na kryptografii asymetrycznej. Autor podpisuje swoje tre\u015bci przy u\u017cyciu klucza prywatnego, a ka\u017cdy zainteresowany mo\u017ce to zweryfikowa\u0107 przy u\u017cyciu klucza publicznego. Tak samo mo\u017ce dzia\u0142a\u0107 AI podczas generowania tre\u015bci \u2014 mo\u017ce j\u0105 automatycznie podpisa\u0107. Dzi\u0119ki temu nie tylko jeste\u015bmy w stanie sprawdzi\u0107 pochodzenie tre\u015bci, ale r\u00f3wnie\u017c czy nie by\u0142a edytowana albo podrobiona.\u00a0<\/span><\/p>\n

Podpisy cyfrowe maj\u0105 r\u00f3wnie\u017c swoje ograniczenia. Weryfikacja mo\u017ce by\u0107 znacznie utrudniona, gdy platformy nie wspieraj\u0105 podpis\u00f3w cyfrowych albo gdy metadane danej tre\u015bci zostan\u0105 usuni\u0119te. Problemem jest te\u017c konieczno\u015b\u0107 zaufania do samego \u017ar\u00f3d\u0142a podpisu. Je\u015bli z\u0142o\u015bliwy system AI wygeneruje fake i poprawnie go podpisze, podpis nadal b\u0119dzie uznawany za prawid\u0142owy.\u00a0<\/span><\/p>\n

Watermarking \u2013 znaki wodne AI<\/b>\u00a0<\/span><\/p>\n

Dobrym sposobem oznaczania tre\u015bci jest dodawanie znak\u00f3w wodnych ju\u017c w momencie generowania materia\u0142\u00f3w przez AI. Pozwalaj\u0105 one kontrolowa\u0107 pochodzenie tre\u015bci, co mo\u017ce u\u0142atwia\u0107 sprawdzanie jej autentyczno\u015bci.\u00a0<\/span><\/p>\n

Watermarking mo\u017ce przybiera\u0107 r\u00f3\u017cne postacie. Po pierwsze znak wodny mo\u017ce by\u0107 widoczny \u2014 w postaci zauwa\u017calnego logo \u2014 albo ca\u0142kowicie ukryty. Niewidoczne znaki wodne mog\u0105 by\u0107 tworzone poprzez minimalne modyfikowanie pikseli obraz\u00f3w lub wideo albo token\u00f3w w tek\u015bcie. Zmiany te s\u0105 praktycznie niewykrywalne przez cz\u0142owieka, ale odpowiednie algorytmy potrafi\u0105 je odczyta\u0107. Po wygenerowaniu znaku wodnego modele AI zapami\u0119tuj\u0105 okre\u015blone wzorce, kt\u00f3re wykorzysta\u0142y \u2014 zazwyczaj s\u0105 to ukryte sygna\u0142y matematyczne.\u00a0<\/span><\/p>\n

Solidne znaki wodne potrafi\u0105 przetrwa\u0107 kompresj\u0119, resize czy screenshoty. Jednocze\u015bnie jednak, dysponuj\u0105c odpowiednimi narz\u0119dziami, watermark mo\u017cna uszkodzi\u0107 albo usun\u0105\u0107, co stanowi du\u017ce wyzwanie dla tw\u00f3rc\u00f3w AI.\u00a0<\/span><\/p>\n

W artykule \u201eBIMW: Blockchain-Enabled Innocuous Model Watermarking for Secure Ownership Verification<\/em>\u201d autorzy proponuj\u0105 watermarking nie samych obraz\u00f3w, ale modeli AI. Oznacza to, \u017ce znak wodny jest osadzany bezpo\u015brednio w modelu neuronowym, co pozwala p\u00f3\u017aniej udowodni\u0107 kto jest w\u0142a\u015bcicielem danego modelu. Mo\u017ce to by\u0107 szczeg\u00f3lnie wa\u017cne w kontek\u015bcie spor\u00f3w prawnych oraz ochrony w\u0142asno\u015bci intelektualnej zwi\u0105zanej z AI.\u00a0<\/span><\/p>\n

Content Provenance \u2013 C2PA \u2013 czyli historia pochodzenia tre\u015bci<\/b>\u00a0<\/span><\/p>\n

Za\u0142o\u017ceniem C2PA jest to, aby ka\u017cda tre\u015b\u0107 otrzymywa\u0142a metadane, w kt\u00f3rych zapisywane s\u0105 informacje o autorze, modelu AI, dacie utworzenia, historii edycji, a tak\u017ce podpis kryptograficzny. Pozwala\u0142oby to \u015bledzi\u0107 pochodzenie tre\u015bci i zmniejsza\u0142oby ryzyko rozprzestrzeniania fa\u0142szywych danych.\u00a0<\/span><\/p>\n

Jednocze\u015bnie jednak to, \u017ce C2PA weryfikuje pochodzenie pliku, nie oznacza jeszcze, \u017ce sama tre\u015b\u0107 jest prawdziwa. Jest to jedna z najwa\u017cniejszych krytyk tego rozwi\u0105zania.\u00a0<\/span><\/p>\n

C2PA ma liczne ograniczenia. Metadane plik\u00f3w s\u0105 cz\u0119sto usuwane, a razem z nimi wszystkie informacje o pochodzeniu materia\u0142u. Innym z najwa\u017cniejszych problem\u00f3w jest zaufanie do \u017ar\u00f3d\u0142a \u2014 prawid\u0142owo podpisany przez system AI fake nadal b\u0119dzie uznany za prawid\u0142owy. Tak zwane \u201eautentyczne fake\u2019i\u201d to pliki posiadaj\u0105ce poprawne podpisy i poprawne pochodzenie, mimo \u017ce same przedstawiaj\u0105 fa\u0142szywe wydarzenia.\u00a0<\/span><\/p>\n

C2PA nie jest r\u00f3wnie\u017c odporne na screenshoty. Screenshot zapisuje wy\u0142\u0105cznie obraz, natomiast metadane znikaj\u0105 razem z informacjami o pochodzeniu pliku. Oczywistym ograniczeniem wydaje si\u0119 te\u017c fakt, \u017ce C2PA nie weryfikuje prawdziwo\u015bci informacji \u2014 nie sprawdza czy dane wydarzenie faktycznie mia\u0142o miejsce, czy dana osoba istnieje albo czy jej wypowied\u017a by\u0142a prawdziwa. System analizuje jedynie integralno\u015b\u0107 i histori\u0119 pliku.\u00a0<\/span><\/p>\n

W artykule \u201eVerifying Provenance of Digital Media: Why the C2PA Specifications Fall Short<\/em>\u201d (Golaszewski, 2026) przedstawiono spos\u00f3b, w jaki mo\u017cna wygenerowa\u0107 \u201eautentyczny fake\u201d. Przyk\u0142adowo mo\u017cna stworzy\u0107 deepfake polityka przy u\u017cyciu legalnego narz\u0119dzia AI zgodnego z C2PA. AI podpisuje plik, tworzy jego histori\u0119 pochodzenia i generuje poprawny manifest. W efekcie powstaje technicznie autentyczny plik przedstawiaj\u0105cy fa\u0142szywe wydarzenie. Pokazuje to bardzo wyra\u017anie, \u017ce kryptograficzna autentyczno\u015b\u0107 pliku nie jest r\u00f3wnoznaczna z prawdziwo\u015bci\u0105 informacji.\u00a0<\/span><\/p>\n

Optymalne rozwi\u0105zanie – po\u0142\u0105czenie wielu technologii<\/b>\u00a0<\/span><\/p>\n

Ka\u017cda z opisanych wy\u017cej technologii ma swoje ograniczenia i pojedynczo nie jest w stanie ca\u0142kowicie rozwi\u0105za\u0107 problemu deepfake\u2019\u00f3w. Jedynym rozwi\u0105zaniem na ten moment wydaje si\u0119 po\u0142\u0105czenie kilku z powy\u017cszych narz\u0119dzi w jeden dobrze dzia\u0142aj\u0105cy system odporny na szkodliwe dzia\u0142anie zaawansowanych modeli AI.\u00a0<\/span><\/p>\n

W artykule Simmons & Winograd (2024)<\/em> autorzy proponuj\u0105 rozwi\u0105zanie oparte na kilku z przedstawionych wy\u017cej technologii. Artyku\u0142 analizuje autentyczno\u015b\u0107 materia\u0142\u00f3w medialnych, takich jak newsy, telewizja oraz broadcast media. Autorzy proponuj\u0105 po\u0142\u0105czenie C2PA, watermarkingu, podpis\u00f3w kryptograficznych i metadanych. Zadaniem systemu jest podpisywanie kryptograficzne nowych materia\u0142\u00f3w oraz dodawanie do nich informacji o pochodzeniu, takich jak autor, data, \u017ar\u00f3d\u0142o oraz historia edycji. Opr\u00f3cz tego materia\u0142 otrzymuje ukryty watermark. Dzi\u0119ki temu odbiorca mo\u017ce zweryfikowa\u0107, czy materia\u0142 pochodzi od zaufanego nadawcy oraz czy by\u0142 modyfikowany.\u00a0<\/span><\/p>\n

\"diagram
\u017ar\u00f3d\u0142o: https:\/\/arxiv.org\/pdf\/2405.12336<\/figcaption><\/figure>\n

Najwa\u017cniejszym wnioskiem p\u0142yn\u0105cym z tego artyku\u0142u jest to, \u017ce autentyczno\u015b\u0107 medi\u00f3w wymaga wsp\u00f3\u0142pracy platform oraz stworzenia jednolitego systemu podpis\u00f3w i weryfikacji pochodzenia, kt\u00f3ry ka\u017cda platforma akceptowa\u0142aby i konsekwentnie obs\u0142ugiwa\u0142a. Bez wsp\u00f3lnych standard\u00f3w nawet najlepsze zabezpieczenia b\u0119d\u0105 dzia\u0142a\u0142y jedynie cz\u0119\u015bciowo.\u00a0<\/span><\/p>\n

W innym artykule, \u201eA Study on Broker-Assisted Blockchain Trust Chains for Provenance and Integrity Verification of Generative Media Using Watermarking, Semantic Fingerprinting, and C2PA<\/em>\u201d, autorzy proponuj\u0105 jeszcze bardziej rozbudowany system oparty na po\u0142\u0105czeniu blockchaina, semantic fingerprintingu, watermarkingu i C2PA. Semantic fingerprinting polega na tworzeniu semantycznego \u201eodcisku palca\u201d obrazu lub wideo, dzi\u0119ki czemu system mo\u017ce wykrywa\u0107 podobne materia\u0142y nawet po ich edycji. Takie podej\u015bcie pozwala budowa\u0107 bardziej odporn\u0105 infrastruktur\u0119 weryfikacji tre\u015bci generowanych przez AI.\u00a0<\/span><\/p>\n

Potencjalne problemy<\/b>\u00a0<\/span><\/p>\n

Mo\u017ce si\u0119 te\u017c zdarzy\u0107, \u017ce poszczeg\u00f3lne technologie zabezpiecze\u0144 b\u0119d\u0105 przeczy\u0107 sobie nawzajem. Przyk\u0142adowo obraz mo\u017ce zawiera\u0107 watermark AI, ale jednocze\u015bnie mie\u0107 pochodzenie wskazuj\u0105ce na aparat fotograficzny lub odwrotnie (Nemecek, 2026). W tej sytuacji ci\u0119\u017cko stwierdzi\u0107, kt\u00f3ra informacja jest prawdziwa. Zjawisko to okre\u015blane jest jako problem desynchronizacji.\u00a0<\/span><\/p>\n

Systemy bezpiecze\u0144stwa zazwyczaj zak\u0142adaj\u0105 zgodno\u015b\u0107 wszystkich sygna\u0142\u00f3w, ale w praktyce mo\u017cna je rozdzieli\u0107. Przyk\u0142adowe ataki opisane w artykule \u201eAuthenticated Contradictions from Desynchronized Provenance and Watermarking\u201d obejmuj\u0105 przenoszenie watermark\u00f3w mi\u0119dzy obrazami, fa\u0142szowanie historii pochodzenia oraz wspomnian\u0105 wcze\u015bniej desynchronizacj\u0119 watermark\u00f3w i metadanych. Pokazuje to, \u017ce nawet zaawansowane systemy bezpiecze\u0144stwa nadal mog\u0105 by\u0107 podatne na manipulacje.\u00a0<\/span><\/p>\n

Podsumowanie<\/b>\u00a0<\/span><\/p>\n

Wsp\u00f3\u0142czesne systemy autentyczno\u015bci AI przesuwaj\u0105 si\u0119 od prostego wykrywania fake\u2019\u00f3w w kierunku kryptograficznego dowodzenia pochodzenia tre\u015bci. Blockchain, watermarking, perceptual hashing i standardy provenance takie jak C2PA tworz\u0105 podstaw\u0119 infrastruktury zaufania dla generatywnej AI. Jednocze\u015bnie badania pokazuj\u0105, \u017ce nawet kryptograficznie poprawne provenance nie gwarantuje prawdziwo\u015bci tre\u015bci semantycznej, co prowadzi do problemu \u201eautentycznych fake\u2019\u00f3w\u201d.\u00a0<\/span><\/p>\n

Literatura<\/b>:\u00a0<\/span><\/p>\n

    \n
  1. Yang, C., & Kim, M. (2026). <\/span>A study on broker-assisted blockchain trust chains for provenance and integrity verification of generative media using watermarking, semantic fingerprinting, and C2PA<\/span><\/i>. Applied Sciences, 16(7), 3391. <\/span>https:\/\/doi.org\/10.3390\/app16073391<\/span><\/a>\u00a0<\/span><\/li>\n<\/ol>\n
      \n
    1. Mohit, A., Aggarwal, B., & Gondhalekar, C. (2026). <\/span>Provenance verification of AI-generated images via a perceptual hash registry anchored on blockchain<\/span><\/i>. arXiv. <\/span>https:\/\/arxiv.org\/abs\/2602.02412<\/span><\/a>\u00a0<\/span><\/li>\n<\/ol>\n
        \n
      1. Simmons, J. C., & Winograd, J. M. (2024). <\/span>Interoperable provenance authentication of broadcast media using open standards-based metadata, watermarking and cryptography<\/span><\/i>. arXiv. <\/span>https:\/\/arxiv.org\/abs\/2<\/span><\/a>\n
        <\/div>\n<\/li>\n<\/ol>\n
          \n
        1. Meng, Z., Zhang, R., Cao, B., Zhang, M., Li, Y., Xue, H., & Yang, M. (2026). AI-Enhanced Perceptual Hashing with Blockchain for Secure and Transparent Digital Copyright Management. Cryptography, 10(1), 2. <\/span>https:\/\/doi.org\/10.3390\/cryptography10010002<\/span><\/a>\u00a0<\/span><\/li>\n<\/ol>\n
            \n
          1. Liu, X., & Xu, R. (2025). BIMW: Blockchain-Enabled Innocuous Model Watermarking for Secure Ownership Verification. Future Internet, 17(11), 490. <\/span>https:\/\/doi.org\/10.3390\/fi17110490<\/span><\/a>\u00a0\u00a0<\/span><\/li>\n<\/ol>\n
              \n
            1. Golaszewski, E., et al. (2026). <\/span>Verifying provenance of digital media: Why the C2PA specifications fall short<\/span><\/i>. arXiv. <\/span>https:\/\/arxiv.org\/abs\/2604.24890<\/span><\/a>\u00a0<\/span><\/li>\n<\/ol>\n
                \n
              1. Nemecek, A., et al. (2026). <\/span>Authenticated contradictions from desynchronized provenance and watermarking<\/span><\/i>. ResearchGate Preprint. <\/span>https:\/\/www.researchgate.net\/publication\/401523975_Authenticated_Contradictions_from_Desynchronized_Provenance_and_Watermarking<\/span><\/a>\u00a0<\/span><\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"

                W dzisiejszych czasach coraz cz\u0119\u015bciej mamy dylemat zwi\u0105zany z tym, \u017ce nie potrafimy stwierdzi\u0107, czy post, obraz, artyku\u0142 albo filmik, na kt\u00f3ry w\u0142a\u015bnie patrzymy, jest autentyczny, czy mo\u017ce zosta\u0142 wygenerowany za pomoc\u0105 AI. Nie jeste\u015bmy pewni, czy materia\u0142y, kt\u00f3re ogl\u0105damy, s\u0105 prawdziwe, czy mo\u017ce s\u0105 fake newsami wyssanymi z palca, kt\u00f3rych zadaniem jest jedynie sianie […]<\/p>\n","protected":false},"author":379,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[597],"tags":[644,144,24,30,37],"class_list":["post-9503","post","type-post","status-publish","format-standard","hentry","category-agh-2025-26","tag-ai-slop","tag-blockchain","tag-deepfake","tag-dezinformacja","tag-fake-news"],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/9503","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/users\/379"}],"replies":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/comments?post=9503"}],"version-history":[{"count":2,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/9503\/revisions"}],"predecessor-version":[{"id":9664,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/9503\/revisions\/9664"}],"wp:attachment":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/media?parent=9503"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/categories?post=9503"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/tags?post=9503"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}