Kiedy obraz przestaje być dowodem: fotografia prasowa wobec generatywnej AI

Kiedy obraz przestaje być dowodem: fotografia prasowa wobec generatywnej AI

Fotografia prasowa od ponad wieku opiera się na cichej umowie między fotografem a odbiorcą: to, co widać na zdjęciu reportażowym, zdarzyło się naprawdę. Światło wpadło przez obiektyw na matrycę lub kliszę w konkretnym miejscu i o konkretnej porze, a zadaniem fotografa było to zdarzenie zobaczyć i dotrzeć na nie. Generatywna sztuczna inteligencja tę umowę rozparcelowała. Obraz przestał być śladem rzeczywistości, a stał się jej wytwarzanym na zamówienie przybliżeniem — czasem nieodróżnialnym gołym okiem.

Konkursy zamykają furtkę

Najczytelniejszy sygnał, jak branża definiuje tę granicę, płynie z World Press Photo — jednego z najbardziej prestiżowych konkursów fotografii prasowej. W regulaminie edycji na 2026 rok organizacja zapisuje to wprost: obrazy wygenerowane przez AI „nie są fotografią”. Reguła dziewiętnasta wymaga, by wszystkie zdjęcia wpuszczane do konkursu powstały z użyciem aparatu; obrazy syntetyczne oraz wypełnianie generatywne (generative fill) w postprodukcji są zakazane, a każde ich użycie oznacza automatyczną dyskwalifikację pracy.

Regulamin precyzuje też granicę między akceptowaną obróbką a fabrykacją. Narzędzia intelligentne — odszumianie, automatyczne korekty poziomów i kolorów, zaznaczanie obiektów do lokalnych retuszy — są dopuszczalne, o ile nie zmieniają całości obrazu, nie dodają mu informacji i niczego z niego nie usuwają. Za natychmiastowe naruszenie uznano natomiast wszystkie powiększające narzędzia oparte na generatywnych modelach, takie jak Adobe Super Resolution czy Topaz Photo AI: one właśnie doklejają nowe informacje, żeby wyostrzyć i powiększyć kadr. Wygenerowany obraz nie może też — jak potwierdza organizacja w FAQ — wygrać konkursu.

Na tym regulamin się nie kończy, bo sama zasada nic nie znaczy bez egzekucji. Autorzy, których prace awansują do dalszych etapów, są w edycji 2026 kontaktowani między 26 stycznia a 22 lutego i muszą dostarczyć pliki dokładnie w takim stanie, w jakim zapisał je aparat. Dwóch niezależnych analityków porównuje oryginały z wersjami zgłoszonymi, a brak plików źródłowych oznacza eliminację. Po wyborze zwycięzców zewnętrzny zespół fact-checkuje kontekst: czy osoby wymienione w podpisie faktycznie są na zdjęciu, czy opisywane zdarzenie miało miejsce, czy gatunek zwierzęcia, miejsce i data się zgadzają.

Agencje: AI jako materiał niesprawdzony

Podobną linię obrony przyjęły agencje informacyjne. Associated Press — którego podręcznik stylu wyznacza standardy znacznej części przemysłu medialnego — ogłosił w 2023 roku wytyczne dotyczące generatywnej AI. W ich świetle wynik działania modelu językowego jest traktowany jak materiał od niesprawdzonego źródła: dziennikarze mogą eksperymentować, ale nie mogą tworzyć z jego użyciem treści przeznaczonych do publikacji. „Naszym celem jest dać ludziom dobry sposób, by zrozumieć, jak możemy trochę eksperymentować, ale też być bezpieczni” — tłumaczyła wówczas Amanda Barrett, wiceprezeska AP ds. standardów informacyjnych.

W przypadku obrazów zasada jest jeszcze ostrzejsza. AP nie pozwala na użycie generatywnej AI do dodawania i usuwania elementów zdjęć, wideo ani dźwięku, a obrazów wygenerowanych przez AI nie rozsyła w ogóle — chyba że sam obraz jest tematem materiału i jest wyraźnie oznaczony w podpisie. To istotne rozróżnienie: fotografia fabrykowana może pojawić się w mediach wyłącznie jako przedmiot relacji o samej fabrykacji, nigdy jako jej ilustracja. Dziennikarzy wzywa się przy tym do zachowania zwykłej sceptycznej ostrożności wobec materiałów z zewnętrznych źródeł — m.in. do odwrotnego wyszukiwania obrazów, żeby ustalić ich pochodzenie.

Dywidenda kłamcy

Restrykcje po stronie profesjonalistów to jednak tylko połowa problemu. Druga dzieje się w przestrzeni, nad którą redakcje nie mają kontroli: w mediach społecznościowych, gdzie sfabrykowane kadry „z miejsc katastrof” i wojen rozchodzą się szybciej niż jakakolwiek weryfikacja. W tym środowisku działa także zjawisko, które badacze nazywają dywidendą kłamcy — najbardziej perfidny skutek powszechnej dostępności deepfake’ów. Gdy każdy obraz może być podrobiony, autentyczne nagranie niewygodne dla kogoś z wpływami można po prostu ogłosić podróbką. Nie trzeba już przekonywać do fałszu; wystarczy zasiać wątpliwość o prawdzie.

Co z tego wynika dla odbiorcy

Dla zwykłego czytelnika z tego wszystkiego wynikają trzy praktyczne wnioski. Po pierwsze, miejsce publikacji ma znaczenie: obraz opublikowany przez agencję lub konkurs z rygorystyczną weryfikacją przeszedł procedury, których nie przechodzi losowy post na platformie społecznościowej. Po drugie, kontekst jest częścią dowodu — podpis informujący, kto, kiedy i czym wykonał zdjęcie, to nie ozdobnik, lecz jego trzon. Po trzecie, granica między fotografią a generacją przestaje być widoczna gołym okiem, więc zaczyna być zapisywana w samych plikach: w metadanych i standardach pochodzenia treści, które pozwalają odtworzyć drogę obrazu od matrycy aparatu do publikacji.

Fotografia prasowa nie znika — ale jej wiarygodność przestaje być własnością samego obrazu, a staje się własnością procesu, który potwierdza, że obraz jest tym, za co się podaje. World Press Photo i agencje typu AP właśnie ten proces podpisały: regulaminem, plikami źródłowymi, dwoma analitykami i fact-checkingiem. To najzwięźlejsza definicja nowej umowy społecznej: dowodem jest nie to, co widać, lecz to, co da się zweryfikować.

Oznaczenie treści AI

Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.

Czytaj dalej

Sztuczna inteligencja w atakach na infrastrukturę krytyczną

Sztuczna inteligencja w atakach na infrastrukturę krytyczną

Deepfake głosu w oszustwach bankowych na seniorów

Deepfake głosu w oszustwach bankowych na seniorów

AI w szkole: wykrywanie plagiatu algorytmami i fałszywe oskarżenia

AI w szkole: wykrywanie plagiatu algorytmami i fałszywe oskarżenia

AI w medycynie: halucynacje modeli i ryzyko błędnej diagnozy

AI w medycynie: halucynacje modeli i ryzyko błędnej diagnozy