Zakłamana przeszłość: kiedy AI przerysowuje historię
Fotografia przez ponad wiek pełniła rolę najtwardszego dowodu: tego, co widzimy na starym zdjęciu, nie podlegalo dyskusji. Generatywne modele obrazu złamały tę pewność w ciągu kilku miesięcy. Dziś maszyna na życzenie wytworzy wiarygodnie wyglądający kadr z każdej epoki — a wraz z nim problem, który wykracza poza pojedyncze fałszywki. Chodzi o zbiorową pamięć: jeśli przeszłość można przerysować jednym poleceniem, to kto i po co będzie ją pisał od nowa?
Gdy generator „poprawiał” dzieje
Najgłośniejsza lekcja przyszła od samej branży technologicznej. W lutym 2024 roku użytkownicy nowego generatora obrazu modelu Gemini odkryli, że prosi o portrety założycieli Stanów Zjednoczonych i otrzymuje osoby o różnej karnacji, a żołnierze niemieccy z epoki nazizmu wyglądali jak wielokulturowa kompania. Testy „The Verge” wykazały, że zapytanie o senatora USA z XIX wieku zwracało kobiety czarnoskóre i rdzenne Amerykanki — choć pierwsza kobieta-senator zasiadła w izbie dopiero w 1922 roku. Firma przyznała w komunikacie, że strojenie modelu mające zapewnić różnorodność nie uwzględniło sytuacji, w których jej być nie powinno, i tymczasowo wyłączyła generowanie wizerunków ludzi. Reuters opisywał wtedy, że Google pauzę wprowadził dokładnie z powodu historycznych niedokładności.
Ten epizod jest pouczający nie dlatego, że pokazał „zbyt poprawną politycznie” maszynę. Pokazał coś groźniejszego: model językowy nie odróżnia faktów od oczekiwań projektantów, więc potrafi cicho przemalować realną historię dyskryminacji i przemocy, zamieniając udokumentowane nierówności w wielokulturową idyllę. Dla badaczy przeszłości to forma fałszerstwa równie poważna jak celowe kłamstwo.
Wirusowe fałszywki jako nowa codzienność
Zanim jeszcze modele nauczyły się „przerabiać epoki”, świat przeszedł chrzest bojowy z pojedynczymi obrazami. Pod koniec marca 2023 roku sieć obiegło zdjęcie papieża Franciszka w obszernej białej puchowej kurtce — wygenerowane narzędziem Midjourney, ale uznane za prawdziwe przez setki tysięcy osób, w tym znanych celebrytów; agencja Reuters musiała je sprostować w osobnym materiale fact-checkingowym. Tego samego miesiąca krążyły sztuczne kadry z rzekomym aresztowaniem Donalda Trumpa. Żaden z tych obrazów nie wyrządził wprost szkody, ale właśnie dlatego okazał się idealnym treningiem dla społeczeństwa: nauczył nas dzielić się „dowodem” bez sprawdzania, a twórcom pokazał, że bariera wiarygodności upadła.
Skala zjawiska szybko wyszła poza memy. Fałszywe fotografie wojenne, katastrof i wydarzeń historycznych regularnie wracają do obiegu, często oderwane od kontekstu — jak autentyczne zdjęcia Ronalda Haviva z bośniackiej wojny lat dziewięćdziesiątych, które podszywano pod materiały z Ukrainy, by podgrzać emocje. To pokazuje mechanizm podwójnego ryzyka: syntetyczne kadry podrabiają przeszłość, a prawdziwe archiwa tracą kontekst w chaotycznym obiegu.
Archiwa kontra retusz
Trzecia linia frontu dotyczy samych zbiorów dziedzictwa. Narzędzia do edycji generatywnej pozwalają w kilka sekund usunąć z historycznego kadru „zakłócające” elementy, dokolorować go według gustu albo dodać detale, których nigdy nie było. Muzea i biblioteki cyfrowe coraz częściej oznaczają więc nie tylko pochodzenie skanów, lecz także każdy wykonany na nich zabieg, a część instytucji rezygnuje z automatycznego „upięksczania” na rzecz wierności oryginałowi. Spór nie jest akademicki: obraz, który wygląda jak dokument, bywa cytowany w debatach publicznych, podręcznikach i mediach społecznościowych bez żadnej weryfikacji.
Odpowiedzią branży są standardy pochodzenia treści, przede wszystkim otwarta specyfikacja C2PA rozwijana przez koalicję stworzoną m.in. przy udziale Adobe. Poświadczenia zapisywane w pliku działają jak etykieta: mówią, kiedy powstał obraz, jakim urządzeniem lub modelem i jakie edycje przechodził. Producenci aparatów, tacy jak Leica czy Nikon, wbudowują te podpisy już w momencie zrobienia zdjęcia, a fotoreporterzy testują je w reportażach wojennych. Słabością systemu jest to, że metadane giną przy przekazywaniu plików między platformami — dokładnie tak, jak zaginął kontekst obrazu z papieżem w puchowej kurcie.
Jak rozpoznawać przerysowaną przeszłość
Podstawowa zasada brzmi: obraz to hipoteza, nie dowód. Przy podejrzliwie emocjonalnych kadrach z przeszłości sprawdź, czy pojawiają się one w wiarygodnych serwisach informacyjnych lub archiwach instytucjonalnych, a nie tylko na profilach społecznościowych. Wykonaj wyszukiwanie odwrotne, żeby znaleźć najstarsze wystąpienie fotografii — często odsłania ono oryginalny kontekst albo pierwowzór generatora. Zwracaj uwagę na anatomiczne i fizyczne anomalie: dłonie, napisy, odbicia, logika cieni. Naucz też tego dzieci i starszych krewnych, bo to oni najczęściej przekazują dalej wzruszające „historyczne” zdjęcia bez drugiej myśli.
Konkluzja
Sztuczna inteligencja nie wymyśliła fałszowania historii — propagandowe fotomontaże istniały od dekad. Zmieniła jednak koszt i tempo: dziś przerysowanie przeszłości jest darmowe, natychmiastowe i dostępne dla każdego. Obroną nie może być samo wykrywanie oszustw po fakcie, lecz infrastruktura zaufania: standardy pochodzenia obrazu, rygorystyczne praktyki archiwów i codzienny sceptycyzm odbiorców. Pamięć zbiorowa jest zasobem strategicznym — i podobnie jak środowisko naturalne, łatwiej ją chronić na bieżąco niż odbudowywać po dewastacji.
