Zdjęcie wygenerowane przez AI rozpoznasz na trzy sposoby: analizując typowe błędy wizualne (dłonie, tekst, cienie, odbicia), sprawdzając niewidoczne znaki wodne i metadane (SynthID, dane C2PA, EXIF) lub przepuszczając grafikę przez detektory obrazów AI.
Skala problemu jest realna – w eksperymencie Microsoftu na próbie 287 000 ocen ludzie poprawnie klasyfikowali obrazy tylko w 62% przypadków, czyli niewiele lepiej niż przy rzucie monetą (Microsoft, arXiv 2025).
Pracuję w agencji Fabryka e-biznesu i grafiki generatywne przechodzą przez moje ręce codziennie – od kreacji reklamowych po ilustracje blogowe. Generatory takie jak DALL·E, Midjourney, Stable Diffusion czy Flux tworzą obrazy fotorealistyczne na podstawie krótkiego promptu, a ich przegląd zebraliśmy w rankingu 10 generatorów obrazów AI. W tym wpisie pokazuję, po czym poznasz obraz wygenerowany przez sztuczną inteligencję, jak działa weryfikacja znaków wodnych i które wykrywacze przetestowałem na własnych grafikach.
Najważniejsze informacje z wpisu:
- Ludzie rozpoznają zdjęcia AI w 62% przypadków – wynik z 287 000 ocen w badaniu Microsoftu, najbliżej pomyłki są przy krajobrazach, najskuteczniejsi przy portretach.
- 7 typowych błędów generatorów to zdeformowane dłonie, zaburzona anatomia, nieczytelny tekst w tle, niespójne cienie, skóra jak z plasteliny, błędy logiczne i przesadna idealność sceny.
- SynthID od Google oznaczył ponad 10 miliardów treści niewidocznym znakiem wodnym, a jego obecność sprawdzisz bezpłatnie w aplikacji Gemini.
- Detektory obrazów AI osiągają skuteczność powyżej 95%, więc automatyczna weryfikacja bije analizę „na oko”.
- Od 2 grudnia 2027 roku AI Act nakazuje oznaczanie deepfake’ów i treści generowanych przez AI w sposób czytelny maszynowo.
Jak rozpoznać zdjęcie wygenerowane przez AI?
Rozpoznanie zdjęcia AI wymaga połączenia trzech metod: analizy wizualnej, weryfikacji pochodzenia pliku i testu w detektorze.
Żadna z nich osobno nie daje pewności – detektory mylą się przy najnowszych generatorach, znaki wodne dotyczą tylko części narzędzi, a analiza wizualna zawodzi przy dopracowanych grafikach. Dopiero zestawienie wyników pozwala ocenić pochodzenie obrazu z wysokim prawdopodobieństwem.
W praktyce stosuję taką kolejność weryfikacji:
- Analiza wizualna – powiększenie obrazu i sprawdzenie dłoni, tekstu, cieni, odbić oraz logiki sceny.
- Weryfikacja pochodzenia – znaki wodne (SynthID), dane identyfikujące treści (C2PA) i metadane EXIF.
- Detektory obrazów AI – przesłanie pliku do co najmniej dwóch niezależnych wykrywaczy.
Kolejność nie jest przypadkowa. Analiza wizualna zajmuje kilkanaście sekund i nie wymaga żadnych narzędzi, weryfikacja pochodzenia rozstrzyga sprawę przy treściach z narzędzi Google, a detektory domykają diagnozę tam, gdzie oko i metadane zawodzą.
Najczęstsze błędy na zdjęciach AI
Generatory obrazów wciąż popełniają powtarzalne błędy w anatomii, typografii, oświetleniu i logice sceny. Modele dyfuzyjne uczą się statystycznych wzorców z milionów zdjęć, ale nie rozumieją fizyki ani anatomii, dlatego potknięcia pojawiają się w miejscach wymagających spójności całej sceny. Poniżej 7 sygnałów, od których zaczynam każdą analizę.
1. Dziwne kształty dłoni i palców
Źródło: https://petapixel.com/2023/03/02/why-ai-image-generators-cant-get-hands-right/
Klasyczny błąd generatorów to nienaturalne dłonie – sześć lub siedem palców, zrośnięte stawy, palce wygięte pod niemożliwym kątem. Dłoń na zdjęciach treningowych przyjmuje tysiące różnych układów, przez co model ma zbyt mało powtarzalnych wzorców, by odtworzyć ją poprawnie. Najnowsze wersje Midjourney czy DALL·E radzą sobie z tym znacznie lepiej, ale przy scenach z wieloma osobami lub przedmiotami w dłoniach błędy wciąż wracają.
2. Zdeformowana anatomia i zaburzona symetria
Źródło: https://easy-peasy.ai/ai-image-generator/images/cheerful-elderly-man-expressive-eyes-warm-smile
Postacie na obrazach AI miewają nienaturalne proporcje – jedno oko większe od drugiego, uszy na różnych wysokościach, zęby zlewające się w jednolitą taflę. Twarz wygląda perfekcyjnie na pierwszy rzut oka, ale po powiększeniu nieregularności w rozmieszczeniu oczu, nosa i ust zdradzają syntetyczne pochodzenie. Problem działa też w drugą stronę: twarz bywa zbyt symetryczna, niemal robotyczna, bo prawdziwe ludzkie twarze zawsze mają drobne asymetrie.
3. Nieczytelny tekst i nieregularności w tle
Główny obiekt bywa dopracowany, ale tło zdradza algorytm. Litery na szyldach, okładkach książek czy etykietach przybierają kształty przypominające pismo, ale nieukładające się w żadne słowa – to jeden z najtrwalszych artefaktów generatorów. Linie budynków wyginają się wbrew perspektywie, wzory na tapetach i tkaninach powtarzają się w nienaturalnym rytmie, a przedmioty w tle przechodzą jeden w drugi bez wyraźnych granic.
4. Nienaturalne światło, cienie i odbicia
Model generatywny nie symuluje fizyki światła, tylko odtwarza jego statystyczny wygląd. Cienie padają w kierunkach niezgodnych z głównym źródłem światła albo znikają tam, gdzie powinny się znaleźć. Odbicia w lustrach, szybach i wodzie to osobna kategoria wpadek – lustro potrafi pokazać inną scenę niż ta przed nim, a odbicie w wodzie nie zgadza się z obiektem na brzegu. Przy weryfikacji zawsze sprawdzam każdą powierzchnię refleksyjną na obrazie.
5. Skóra i włosy jak z plasteliny
Źródło: https://www.freepik.com/free-ai-image/view-woman-holding-cup-coffee_59583854.htm
Zdjęcia AI cechuje nienaturalnie gładka tekstura skóry – bez porów, przebarwień i drobnych nierówności widocznych na każdej prawdziwej fotografii portretowej. Włosy układają się zbyt idealnie, pojedyncze kosmyki rozmywają się przy krawędziach albo przenikają przez ubranie. Do tego dochodzi „pusty” wyraz twarzy: mimika bez emocji, wzrok skierowany donikąd, uśmiech nieangażujący mięśni wokół oczu. Całość daje efekt renderu przypominającego animacje Pixara zamiast fotografii.
6. Błędy logiczne
Sztuczna inteligencja nie zna perspektywy realnego świata, więc popełnia błędy, jakich nie wymyśliłby człowiek. Na przedstawionej grafice drzwi autobusu są jednocześnie otwarte i zamknięte – model połączył dwa stany pojazdu w jeden obraz. Podobne wpadki to sztućce wtopione w talerz, okulary przechodzące przez ucho czy rower z pedałami po jednej stronie. Wychwycenie takich błędów wymaga uważności, a przy scrollowaniu social mediów poświęcamy pojedynczemu postowi ledwie kilka sekund, dlatego tak łatwo się nabrać.
7. Zbyt dobre, żeby było prawdziwe
Jeśli coś wygląda zbyt pięknie, aby było prawdziwe, prawdopodobnie takie nie jest. Duża część obrazów AI powstaje po to, by wywołać silną reakcję – zachwyt, wzruszenie albo kontrowersję – i zdobyć zasięgi. W mediach społecznościowych krążą idealne torty, rzeźby z piasku i „cudowne” krajobrazy, a konta udające realnych twórców publikują treści w całości syntetyczne, od zdjęcia po opis. Ten mechanizm opisujemy szerzej przy okazji prowadzenia profili social media dla marek – wiarygodność wizualna staje się walutą, o którą trzeba świadomie dbać. Zanim udostępnisz spektakularną grafikę, sprawdź źródło i profil autora.
Jak skuteczni są ludzie w rozpoznawaniu obrazów AI?
Ludzie poprawnie klasyfikują obrazy jako prawdziwe lub wygenerowane w 62% przypadków – niewiele powyżej losowego zgadywania.
Tak wynika z eksperymentu Microsoftu „AI or not quiz”, w którym 12 500 uczestników z całego świata wykonało około 287 000 ocen obrazów z DALL·E 3, Midjourney v6, Stable Diffusion 3 i innych generatorów (Microsoft, arXiv 2507.18640, 2025).
Szczegóły badania mówią więcej niż średnia:
- Najłatwiej rozpoznawane były portrety ludzi – ewolucyjnie jesteśmy wyspecjalizowani w analizie twarzy.
- Najwięcej pomyłek dotyczyło krajobrazów naturalnych i miejskich, gdzie brakuje punktów odniesienia.
- Twarze z sieci GAN i obrazy z inpaintingu (podmiana fragmentu realnego zdjęcia) osiągnęły skuteczność rozpoznania poniżej 50% – gorzej niż rzut monetą.
Ten sam zespół podał, że rozwijany przez Microsoft automatyczny detektor osiąga skuteczność powyżej 95% zarówno na obrazach realnych, jak i syntetycznych. Wniosek dla praktyka: analiza wizualna to dobry pierwszy filtr, ale przy podejrzanych grafikach diagnoza musi opierać się na narzędziach, a nie na wrażeniu.
Znaki wodne i metadane: SynthID, C2PA i EXIF
Weryfikację pochodzenia pliku zaczynam od znaków wodnych i metadanych, bo dają odpowiedź opartą na kryptografii, a nie na prawdopodobieństwie.
Do maja 2025 roku Google oznaczył technologią SynthID ponad 10 miliardów wygenerowanych treści (Google, blog oficjalny), a standard C2PA wdrażają kolejne aparaty, edytory i platformy.
SynthID to technologia Google DeepMind osadzająca niewidoczny znak wodny bezpośrednio w pikselach obrazu, wygenerowanego lub zmodyfikowanego przez modele AI od Google (Imagen, Veo, Gemini). Znak przetrwa zmianę rozmiaru, kompresję i korektę kolorów, choć po wielu edycjach może stać się niewykrywalny. Jego obecność sprawdzisz w aplikacji Gemini: przesyłasz plik i zadajesz pytanie „Czy to zostało wygenerowane przez AI?”.
Weryfikacja zdjęcia AI w Gemini, https://support.google.com/gemini/answer/16722517
Ograniczenia weryfikacji w Gemini według dokumentacji Google:
- 1 plik na raz, maksymalnie 100 MB
- wideo krótsze niż 90 sekund, audio do 1 godziny
- dzienny limit około 10 sprawdzeń obrazów
- Gemini wykrywa wyłącznie treści z narzędzi AI od Google
Drugą technologią są dane identyfikujące treści (Content Credentials) – standard branżowy koalicji C2PA działający jak cyfrowy paszport pliku. Dokumentują pochodzenie materiału, historię edycji i udział narzędzi AI, a informacje są kryptograficznie podpisywane przez każdy program w łańcuchu edycji. Gemini obsługuje dane identyfikujące treści od wersji 2.2 standardu.
Trzeci trop to klasyczne metadane EXIF. Prawdziwe zdjęcie cyfrowe zawiera model aparatu, datę wykonania, czas naświetlania i przysłonę – obrazy AI zwykle nie mają tych pól albo mają je w nietypowej formie. Odczytasz je narzędziem ExifTool lub dowolną przeglądarką metadanych online. Pamiętaj o ograniczeniu: platformy społecznościowe usuwają EXIF przy przesyłaniu, więc brak metadanych w pliku pobranym z Facebooka o niczym jeszcze nie świadczy.
Jakie narzędzia wykrywają zdjęcia AI?
Detektory obrazów AI analizują strukturę pikseli w poszukiwaniu artefaktów generatorów i działają niezależnie od metadanych czy znaków wodnych. Przetestowałem je na wygenerowanej grafice blogowej tego wpisu – poniżej wyniki i zestawienie.
| Narzędzie | Jak działa | Dostęp |
| Sightengine AI Image Detector | analiza pikseli, rozpoznaje m.in. Midjourney, DALL·E, Stable Diffusion, Flux, StyleGAN | bezpłatne demo online + API |
| Was It AI | klasyfikator obrazów AI z prostym interfejsem przeglądarkowym | bezpłatny online |
| Decopy AI Image Detector | ocena prawdopodobieństwa wygenerowania obrazu | bezpłatny online |
| Weryfikacja w Gemini (SynthID) | wykrywa niewidoczny znak wodny w treściach z modeli Google + dane C2PA | bezpłatnie dla zalogowanych |
| ExifTool | odczyt metadanych EXIF – model aparatu, data, parametry ekspozycji | bezpłatny, open source |
Sightengine AI Image Detector analizuje strukturę obrazu w poszukiwaniu artefaktów typowych dla sieci generatywnych – nieregularnych pikseli, zaburzeń symetrii i nienaturalnych proporcji. W niezależnym badaniu naukowców z University of Rochester i University of Kansas na próbie 80 000 obrazów detektor Sightengine osiągnął najwyższą trafność wśród testowanych narzędzi (arXiv 2404.14581). Naszą grafikę blogową poprawnie sklasyfikował jako wygenerowaną. Narzędzie znajdziesz pod adresem: https://sightengine.com/detect-ai-generated-images
Konkurencyjny wykrywacz obrazów AI działa na stronie: https://wasitai.com/ – temu narzędziu również udało się poprawnie ustalić, że grafika blogowa tego wpisu została wygenerowana.
Trzecie testowane narzędzie znajduje się pod adresem: https://decopy.ai/ai-image-detector/. Nie miało zupełnej pewności co do pochodzenia naszej grafiki, ale z dużym prawdopodobieństwem wskazało poprawną diagnozę.
Żaden detektor nie daje 100% pewności, a najsłabiej radzą sobie z obrazami z generatorów wydanych w ostatnich tygodniach. Dlatego podejrzaną grafikę sprawdzam w co najmniej dwóch niezależnych wykrywaczach i zestawiam wynik z analizą wizualną. Analogiczny proces dla treści pisanych opisaliśmy we wpisie o tym, jak sprawdzić, czy tekst został napisany przez AI.
Co zmienia AI Act w oznaczaniu obrazów AI?
Od 2 grudnia 2027 roku zaczną obowiązywać wymogi przejrzystości z art. 50 unijnego AI Act – deepfake’i oraz treści generowane przez AI będą musiały być wyraźnie oznaczone.
Dostawcy systemów generatywnych mają stosować rozwiązania pozwalające maszynowo rozpoznać sztuczne pochodzenie obrazów, nagrań audio, wideo i tekstów. To oznacza, że znaki wodne pokroju SynthID i dane C2PA przestają być dobrowolnym dodatkiem, a stają się wymogiem regulacyjnym.
Dla firm publikujących kreacje generatywne – w reklamach, na blogu, w social mediach – to konkretny obowiązek compliance. Komisja Europejska opublikowała też kodeks postępowania w sprawie przejrzystości treści AI; przystąpienie do niego jest dobrowolne, ale same obowiązki z art. 50 mają charakter prawnie wiążący. Z perspektywy odbiorcy zmiana jest korzystna: rosnąca część obrazów AI będzie oznaczona u źródła, więc weryfikacja metadanych zyska na skuteczności.
Czy zdjęcia AI staną się nierozpoznawalne?
Analiza wizualna traci skuteczność z każdą generacją modeli, ale weryfikacja techniczna – znaki wodne, metadane, detektory – rozwija się równolegle.
Autorzy badania Microsoftu wprost zastrzegają, że ich wyniki prawdopodobnie zawyżają dzisiejsze zdolności ludzi, bo najnowsze modele typu Flux generują obrazy stylizowane na amatorską fotografię, pozbawione charakterystycznej estetyki generatorów. Wprawione oko wciąż wychwyci zbyt gładkie tekstury i styl przypominający rendery, ale ten filtr zawodzi coraz częściej.
Dlatego rekomendacja na 2026 rok brzmi: traktuj analizę „na oko” jako wstępny filtr, a decyzje opieraj na weryfikacji technicznej. W agencji Fabryka e-biznesu łączymy narzędzia generatywne z ludzką kontrolą jakości przy tworzeniu treści i kreacji – jeśli potrzebujesz wsparcia w content marketingu albo przygotowaniu grafik do kampanii reklamowych, odezwij się do nas. Podpowiemy też, jak oznaczać treści generatywne zgodnie z nadchodzącymi wymogami AI Act.
Najważniejsze informacje:
- Zdjęcie AI rozpoznasz, łącząc trzy metody – analizę wizualną artefaktów, weryfikację znaków wodnych i metadanych oraz test w detektorach obrazów.
- Typowe błędy generatorów to zdeformowane dłonie, zaburzona symetria twarzy, nieczytelny tekst w tle, niespójne cienie i odbicia oraz błędy logiczne sceny.
- Ludzie rozpoznają obrazy AI w 62% przypadków (Microsoft, 287 000 ocen), a automatyczne detektory przekraczają 95% skuteczności.
- SynthID oznaczył ponad 10 miliardów treści – obecność znaku wodnego i danych C2PA sprawdzisz bezpłatnie w aplikacji Gemini (limit ok. 10 obrazów dziennie).
- Od 2 grudnia 2027 roku art. 50 AI Act nakazuje oznaczanie deepfake’ów i treści generowanych przez AI w sposób czytelny maszynowo.
Źródła:
https://arxiv.org/abs/2507.18640
https://blog.google/innovation-and-ai/products/google-synthid-ai-content-detector/
https://support.google.com/gemini/answer/16722517?hl=pl
https://deepmind.google/models/synthid/
https://contentcredentials.org/
https://www.stasik-kancelaria.pl/ai-act-dla-firm/
