Ryba jest większa, ciasto równiejsze, a szydełkowy smok ma łuski, których nie sposób wykonać z włóczki. Na ekranie wszystko wygląda tak, jak powinno. Kłopot zaczyna się wtedy, gdy próbujemy powtórzyć cudzy sukces. Zdjęcie, które miało zachęcać do nauki, okazuje się obietnicą bez pokrycia.
Generatywna sztuczna inteligencja pozwala dziś pokazać osiągnięcie bez przechodzenia drogi, która do niego prowadzi. W społecznościach skupionych wokół pasji narusza przez to delikatną umowę: wierzymy, że za cudzym efektem stoją czyjeś umiejętności, czas i doświadczenie.
Ryba z opowieści Tylera Austina Harpera, dziennikarza "The Atlantic" i wędkarza, miała o kilka pasów za dużo. Trzymający ją mężczyzna również został hojnie wyposażony przez naturę, tyle że w dodatkowy palec. Harper opisuje nocną wymianę wiadomości z kolegami po fachu: na Instagramie pojawia się imponujący okaz, ale coś w jego anatomii nie pasuje. Dawniej spieraliby się o rozmiar zdobyczy. Teraz muszą ustalić, czy zdobycz w ogóle istniała.
Kiedyś były przechwałki i opowieści ubarwiane przy kolejnych spotkaniach. Dziś snujemy je w mediach społecznościowych, gdzie łatwo zamienić własne życie w pokaz sukcesów. Bywają one wręcz antyspołeczne: zamiast zbliżać ludzi, podsycają rywalizację o najbardziej imponujący wizerunek. Sztuczna inteligencja ułatwiła kolejne przekłamanie. Do zmyślonej historii można już w kilka chwil dorobić fotograficzny dowód.
Harper łowi nocą, w piance, docierając do oddalonych skał i płycizn. Opisuje zajęcie wymagające znajomości miejscowych zwyczajów ryb, cierpliwości i znoszenia niewygody. Nawet pamiątkowa fotografia wymaga zachodu. W tym środowisku zdjęcie dokumentuje efekt wielu godzin spędzonych na łowieniu. Oglądają je ludzie, którzy potrafią sobie wyobrazić zimno, ciemność i godziny czekania, aż ryba chwyci przynętę. Dla innych ma być dowodem osiągnięcia, dla samego wędkarza także pamiątką. A co, jeśli bardziej niż na pamiątce zależy nam na pochwałach tu i teraz? Jeśli kusi nas, aby pójść na skróty, przerobić zdjęcie, uzyskać efekt bez wysiłku?
Koszty takiego oszustwa ponoszą także uczciwi wędkarze publikujący zdjęcia swoich połowów oraz odbiorcy tych fotografii. Wystarczy kilka wiarygodnych oszustw, by następne prawdziwe osiągnięcie zostało przyjęte z rezerwą. Zamiast pytać o przynętę, zaczynamy liczyć palce. Rozmowa, która mogła nauczyć czegoś o wędkarstwie, zamienia się w dochodzenie dotyczące pliku. Do dzielenia się pasją dochodzi więc dodatkowy obowiązek: sprawdzanie, czy oglądane osiągnięcia są prawdziwe.
Podobna umowa obowiązuje w kuchni. Fotografia gotowego dania sugeruje, że ktoś rzeczywiście je przygotował i uzyskał widoczny rezultat. Jeśli towarzyszy jej instrukcja, oczekujemy, że pozwoli nam osiągnąć podobny efekt. Autor nie musi być mistrzem. Wystarczy, że rzeczywiście był w kuchni.
Brenda Goodman z CNN trafiła na Pintereście na czekoladowe żołędzie. Miały powstać z ciastek i polewy, a ich przygotowanie zajmować 45 minut. Po około pięciu godzinach, o pierwszej w nocy, dziennikarka została z nieforemnymi słodyczami. Kolejne poprawki nie przybliżały ich do wyglądu z fotografii. Dopiero potem zaczęła weryfikować stronę i domniemaną autorkę. Zauważyła sprzeczności w informacjach, które autorka zamieściła o sobie w serwisie. Próby kontaktu mailowego zakończyły się zwrotem wiadomości jako niedostarczonych. Poproszony o ocenę bloger kulinarny Adam Gallagher uznał serwis za niemal na pewno wygenerowany przez AI. Z podanej instrukcji Goodman nie uzyskała deseru widocznego na zdjęciu.
W tej historii uderza kolejność pojawiania się wątpliwości. Goodman najpierw zastanawiała się, czy kupiła właściwe ciastka i czy dobrze wykonuje instrukcje. Podejrzenie padło na własne ręce, zanim padło na obraz. Tak działa autorytet efektownego zdjęcia: skoro komuś wyszło, widocznie my czegoś nie rozumiemy. Początkujący ma jeszcze mniej podstaw, by zakwestionować poradnik. Może więc wyjść z kuchni z przekonaniem, że pieczenie jest trudniejsze, niż sądził, albo że po prostu się do niego nie nadaje.
Gallagher wraz z żoną Joanne prowadzi Inspired Taste, blog kulinarny z przepisami, które autorzy sami przygotowują i sprawdzają. Na swojej stronie opisali, co dzieje się, gdy czytelnik szuka ich chleba bananowego w Google: odpowiedź wygenerowana przez AI podaje zmienioną recepturę, ale przedstawia ją jako przepis z Inspired Taste. Podobnie stało się z ciastem limonkowym. Czytelnik może więc sądzić, że korzysta ze wskazówek Gallagherów, choć dostał instrukcję, której nie napisali. Adam określa takie sklejki mianem "Frankenstein recipes". Powołanie się na nazwę ich bloga nadaje wygenerowanej odpowiedzi pozory wiarygodności, a ewentualne niepowodzenie może obciążyć reputację prawdziwych autorów.
Nie wynika z tego, że każdy przepis zaproponowany przez model musi się nie udać. Wiele potraw wybacza improwizację, a kucharz może pomysł sprawdzić i poprawić. Problem pojawia się, gdy etap sprawdzania przepisu zostaje pominięty, a przekonujący obraz ma wystarczyć za dowód, że receptura działa. Wygenerowanie fotografii udanego wypieku nie odpowiada na pytanie, czy podane proporcje pozwolą go upiec. Ktoś nadal musi włączyć piekarnik.
Przepisy internetowe nigdy nie były wolne od błędów, podobnie jak fotografie jedzenia od stylizacji. Ich atrakcyjność opierała się jednak także na wierze, że po drugiej stronie jest człowiek, który dzieli się czymś wypróbowanym. Rodzinny zeszyt czy wskazówki przekazywane z ust do ust znajdowały w sieci dalszy ciąg. Nie każdy przepis miał taką historię, ale opowieść o babcinym cieście pozwalała zobaczyć za instrukcją czyjąś kuchnię i pamięć. Generator potrafi dostarczyć zarówno apetyczny kadr, jak i historię rodzinnej tradycji, choć nikt nie upiekł przedstawionego ciasta. Zaufanie budowane wokół ludzkiego doświadczenia zaczyna wtedy służyć uwiarygodnieniu czegoś, czego nikt nie sprawdził.
Dochodzi do tego osobliwa ekonomia. Prawdziwy autor ponosi koszty składników i nieudanych prób, a także poświęca czas na zrobienie zdjęć. Producent pozorów może ominąć te koszty. Jak pokazuje reportaż Goodman, strony pełne reklam mogą zarabiać także wtedy, gdy czytelnik długo przewija bezwartościowy przepis, próbując zrozumieć swój błąd. W takim układzie porażka gotującego wcale nie musi oznaczać porażki wydawcy. Ten dostał już uwagę, o którą zabiegał.
Szydełkowanie odsłania ten mechanizm jeszcze wyraźniej, bo między pojedynczym oczkiem a gotową formą istnieje konkretna zależność. Włóczka ma grubość, splot napięcie, a przedmiot ciężar. Obraz może swobodnie udawać ich zgodność. Ręce muszą ją wypracować.
Projektantka Toni Lipsey opisała w "Modern Daily Knitting", jak znalazła na Etsy ofertę wykorzystującą przerobione zdjęcie jej torby Square One Project Bag. Towarzyszyły mu obrazy, które rozpoznała jako wygenerowane, oraz PDF zawierający rzekomo instrukcję wykonania. Kupiła go, żeby sprawdzić zawartość. Według jej relacji dokument zawierał niedorzeczne informacje dotyczące materiałów i wymiarów, a splot widoczny w ofercie nie odpowiadał jej projektowi. Sprzedawano zatem błędne instrukcje, uwiarygodnione wykorzystaniem zdjęcia prawdziwej pracy projektantki.
Strata kilku złotych czy dolarów za wzór może być najmniej dotkliwą częścią szkody. Człowiek kupuje włóczkę, poświęca wieczór, pruje i zaczyna ponownie. Zwykły błąd bywa pożyteczny: można ustalić, gdzie zgubiono oczko. Fałszywa instrukcja utrudnia nawet taką naukę. Ćwiczący nie wie, czy pomylił się sam, czy próbuje wykonać przedmiot, którego konstrukcji nikt wcześniej nie sprawdził.
Warto przy tym oddzielić zachwyt nad obrazem od wykonalności projektu. W pracy "CrochetBench" Peiyu Li i współautorzy badali modele sztucznej inteligencji przetwarzające zarówno tekst, jak i obrazy. Sprawdzali między innymi, czy potrafią rozpoznawać ściegi i tworzyć instrukcje szydełkowania. Wyniki wyraźnie słabły, gdy zamiast podobieństwa odpowiedzi do wzorca oceniano poprawność procedury, którą można wykonać. Badanie nie mierzy satysfakcji hobbystów, a jego wyniki nie oznaczają, że każde narzędzie projektowe jest nieprzydatne. Pokazuje jednak różnicę, którą atrakcyjna ilustracja potrafi zamaskować: rozpoznać wygląd rzeczy a wiedzieć, jak ją zrobić, to różne umiejętności.
Dla nowicjusza ta różnica nie musi być widoczna. Widzi serię misternych zabawek i porównuje z nimi swojego pierwszego krzywego misia. Zwykle porównanie z kimś lepszym może mobilizować, bo cudzy sukces wyznacza możliwy kierunek. Jeśli jednak przedmiot istnieje tylko jako wygenerowany obraz, nie wiadomo, czy da się go wykonać. Początkujący może więc uznać własną pracę za nieudaną, ponieważ nie przypomina wzoru, którego nikt w rzeczywistości nie stworzył.
Nie chodzi o obowiązek produkowania rzeczy niedoskonałych. Piękna robota pozostaje piękną robotą, również wtedy, gdy jest wykonana z niemal przemysłową precyzją. Warto natomiast wiedzieć, co właściwie podziwiamy. Wygenerowany obraz maskotki może podsunąć pomysł na własny projekt. Jeśli jednak sprzedawca przedstawia go jako zdjęcie zabawki, którą sam wykonał według dołączonej instrukcji, obiecuje kupującemu konkretny rezultat. Bez zrobienia maskotki i sprawdzenia wzoru nie ma podstaw, by składać taką obietnicę.
Wyobraźmy sobie teraz blog o mechanice i zamieszczony na nim poradnik renowacji starego motocykla. To hipotetyczny przykład: autor pokazuje zardzewiałą maszynę, a potem lśniący rezultat. Jeżeli drugą ilustrację stworzył generator, nie wiemy, które części odnowiono, co trzeba było wymienić ani czy silnik w ogóle pracuje. W takim poradniku liczy się przecież wiedza o naprawie, którą czytelnik chciałby wykorzystać we własnym warsztacie. Obraz odnowionego motocykla nie świadczy jeszcze o jej posiadaniu.
W majsterkowaniu najcenniejsza bywa wiadomość o tym, czego nie było w pierwotnym planie: śrubie, która nie puściła, elemencie, do którego nie dało się dostać, pomyśle porzuconym po pomiarze. Taki szczegół pozwala czytelnikowi zaoszczędzić własną próbę. Wygenerowany finał renowacji może być efektowną wizualizacją, ale nie zawiera historii naprawy. Tym bardziej nie zastąpi dokumentacji technicznej.
Podobnie działa fotografia figurek, dobrze znana miłośnikom popkultury. Niewielka postać Batmana może wyglądać jak bohater wielkiego widowiska dzięki ustawieniu światła, tła i perspektywy. Frajda polega częściowo na odkrywaniu, jak z domowego stołu zrobić Gotham. Syntetyczne otoczenie też może posłużyć interesującej kompozycji. Jeśli jednak fotograf chce uczyć budowania sceny przed obiektywem, powinien powiedzieć, co faktycznie przed nim ustawił. Bez tej informacji odbiorca nie odróżni prezentacji fotomontażu łączącego zdjęcie figurki z wygenerowanym tłem od lekcji fotografowania rzeczywistej sceny.
Granica nie przebiega zatem między narzędziem a gołą ręką. Wędkarz korzysta ze sprzętu, fotograf z obróbki, a modelarz z gotowych elementów. Problem zaczyna się, gdy narzędzie przestaje pomagać w czynności, którą chcemy wykonać, a zaczyna produkować jedynie świadectwa rzekomej pracy. Program, który podpowiada paletę kolorów szalika, może zachęcić do pracy. Program, który pokazuje nieistniejący szalik jako nasze rękodzieło, zaspokaja wyłącznie potrzebę uznania.
Samo uznanie nie jest niczym wstydliwym. Amatorzy potrzebują publiczności także dlatego, że inni pasjonaci potrafią zauważyć drobny postęp. Ktoś, kto również maluje figurki, doceni subtelność cienia niedostrzeganą przez laików. Osoba szydełkująca rozpozna trudność splotu. Publikowane zdjęcia pomagają osobom o podobnych zainteresowaniach nawiązywać kontakt i wymieniać doświadczenia. W końcu hobby łączy ludzi o podobnej pasji i wrażliwości.
W sporze o AI łatwo przyjąć, że liczy się wyłącznie to, co widać. Jeśli dwa obrazy podobają się tak samo, dlaczego mielibyśmy przejmować się ich pochodzeniem? Eksperymenty Lucasa Bellaiche’a i jego współpracowników pokazują jednak, że na ocenę obrazu wpływa również przekonanie o tym, kto go stworzył.
W badaniach opublikowanych w 2023 roku obrazy wygenerowane przez AI otrzymywały losowo etykietę autorstwa człowieka albo maszyny. Prace przypisane ludziom oceniano lepiej między innymi pod względem piękna, głębi i wartości. Zmieniała się informacja o autorze, choć wszystkie obrazy pochodziły z AI. Odbiorcy oceniali więc nie tylko to, co widzieli, lecz także to, co wiedzieli — lub sądzili, że wiedzą — o pochodzeniu pracy.
Z kolei Danica Dillion i współautorzy w pracy "The Psychology of Artistic Authenticity", opublikowanej w 2026 roku, wiążą poczucie autentyczności z dostrzeganiem w sztuce czyjegoś doświadczenia, emocji i intencji. Ich ustalenia z sześciu badań wskazują na znaczenie odczuwanej więzi z umysłem twórcy. To badania odbioru sztuki, nie osiągnięć wędkarzy ani domowych cukierników. Pozwalają jednak zrozumieć, dlaczego wiadomość o pochodzeniu obrazu potrafi zmienić jego sens.
W hobby podobna zależność staje się bardzo konkretna. Samodzielnie upieczony przez przyjaciela chleb może nas ucieszyć bardziej niż doskonała fotografia z reklamy piekarni. Znamy człowieka, pamiętamy poprzedni zakalec, widzimy postęp. Uznanie dotyczy zarówno bochenka, jak i tego, że komuś się udało. Wygenerowany obraz piękniejszego chleba nie dokumentuje ani jego pracy, ani postępów.
Nie mamy na tej podstawie prawa ogłaszać naukowo dowiedzionej śmierci pasji. Przywołane eksperymenty nie mierzą, czy po zetknięciu z AI ludzie trwale tracą ochotę do gotowania lub rękodzieła. Opisane oszustwa i reakcje na nie pokazują natomiast sytuacje, w których satysfakcja może ustępować frustracji: fałszywy wzorzec, zmarnowany czas, poczucie własnej nieudolności. To wystarczająco poważne problemy, nawet bez dopisywania powszechnej diagnozy.
Hobby pozwala nam samodzielnie wybrać rodzaj wysiłku i poświęcić mu tyle czasu, ile chcemy. W pracy zawodowej częściej rozlicza się nas z tempa i efektów. Kupienie gotowego szalika byłoby szybsze niż zrobienie go na drutach. Właśnie dlatego samodzielne wykonanie ma sens: przez kilka wieczorów uczymy się czegoś, na czym nam zależy. Nie każda frustracja jest szlachetna i nie każdą czynność trzeba utrudniać. Ale pominięcie samej pracy na rzecz gotowego efektu może pozbawić nas przyjemności uczenia się.
Generatory trafiły na dobrze przygotowany grunt. Presja, by pokazywać najlepszą wersję siebie, należy do istoty mediów społecznościowych. Profil staje się wystawą udanych połowów, równych tortów i skończonych makiet; nieudane podejścia łatwo zostawić poza kadrem. Gdy oglądamy głównie cudze sukcesy, rośnie pokusa, by własną codzienność również przedstawiać bez skazy. AI wpisuje się w tę logikę: pozwala już nie tylko wybrać najkorzystniejsze zdjęcie, lecz także stworzyć obraz osiągnięcia, którego nigdy nie było.
Czytelnik przewijający ekran nie ma dostępu do informacji o liczbie godzin spędzonych w kuchni. Widzi obraz i reaguje. Licznik reakcji również nie dowodzi, że potrawa istniała. Powstaje więc pokusa, by coraz więcej wysiłku kierować ku temu, co dobrze wygląda w obiegu, nawet kosztem samego zajęcia. Zamiast skupiać się na gotowaniu czy rękodziele, zaczynamy zabiegać o zasięgi i budować wizerunek osoby, której wszystko się udaje. Do hobby przenosi się presja wyników i ocen znana z pracy zawodowej. Generatywne narzędzia ułatwiają tworzenie takiego wizerunku.
Nie trzeba przy tym samemu używać AI, żeby ponosić koszty. W styczniu 2025 roku portal o2 opisał zdjęcia Marka Fabera, który znalazł na plaży rezerwatu Widowo osobliwą, płaską rybę. Była to według poproszonej o ocenę ichtiolożki Beaty Więcaszek najpewniej niegładzica, gatunek bardzo rzadko spotykany u polskich wybrzeży. Nietypowy wygląd okazu, w tym wąski rozstaw oczu, wzbudził podejrzenia części internautów: uznali zdjęcia za wygenerowane. Ekspertka nie podzieliła tych podejrzeń.[8] Jej opinia nie jest ekspertyzą informatyczną. Istotne, że niezwykła obserwacja przyrodnicza natychmiast uruchomiła oskarżenie o fałszerstwo.
Zachwyt łatwo wtedy ustępuje czujności. Prawdziwy autor musi bronić własnego doświadczenia, a odbiorca, nawet po wyjaśnieniu, zdążył już poświęcić uwagę podejrzeniu. Nieufność jest kosztem rozłożonym na całą grupę. Płacą go również ci, którzy nie korzystali z AI.
Czy pomogą detektory, czyli programy oceniające, czy obraz powstał przy użyciu AI? Harper opisuje decyzję redakcji internetowego magazynu wędkarskiego "Surfcaster’s Journal" o sprawdzaniu nimi nadsyłanych materiałów. To zrozumiała reakcja, ale nie rozwiązanie ostateczne. Badania nad detekcją, między innymi praca Jeongsoo Parka i Andrew Owensa przedstawiona w 2025 roku na konferencji CVPR, poświęconej komputerowej analizie obrazów, wskazują na trudność rozpoznawania materiałów z generatorów, których detektor wcześniej nie poznał. Wynik programu powinien pomagać w ocenie, nie zastępować dowodu oszustwa. Inaczej można dodatkowo skrzywdzić uczciwego uczestnika.
Więcej nadziei daje przywrócenie kontekstu. Fotografia kolejnego etapu, opis nieudanej próby, odpowiedź autora na konkretne pytanie o materiał. Żaden z tych elementów osobno nie gwarantuje prawdy, ale razem pozwalają oceniać kompetencję szerzej niż po jednym efektownym kadrze. Warto też wymagać jasnego rozróżnienia między wizualizacją pomysłu a dokumentacją wykonanego przedmiotu. To szczególnie ważne tam, gdzie za obrazem stoi sprzedaż instrukcji.
Nie powinno jednak skończyć się na tym, że każdy amator musi prowadzić całodobowy zapis swojej niewinności. Serwisy handlowe i społecznościowe mają do wykonania własną pracę: reagować na podszywanie się pod twórców, ułatwiać zgłaszanie fałszywych ofert i nie chować informacji o syntetycznym obrazie tam, gdzie prawie nikt jej nie zobaczy. Potrzebujemy warunków do dzielenia się pasją, w których uczciwość nie wymaga większego wysiłku niż samo hobby.
Wędkarz wracający bez ryby może mimo wszystko mieć za sobą dobry dzień. Dowiedział się czegoś o wodzie, spędził czas z kolegą, na kilka godzin zapomniał o pracy. Nie każdą z tych korzyści da się pokazać na zdjęciu. Gdy jednak coś złowi i chce się tym podzielić, powinien móc liczyć na zwykłą ludzką ciekawość. AI zaczyna odbierać radość z hobby właśnie wtedy, gdy przed pytaniem "jak ci się udało?" stawia obowiązkowe "udowodnij, że to się wydarzyło".
Otwarciowa ilustracja wygenerowana za pomocą AI/Gemini.