Widziałeś może te zdjęcia, które co jakiś czas wracają w internecie: „przeciętna twarz Polki", „przeciętna twarz Norwega" — portret złożony z nałożonych na siebie zdjęć tysiąca prawdziwych ludzi. Każda twarz wchodzi do środka, żadna nie wystaje na wierzch. W efekcie dostajesz kogoś, kogo naprawdę nie ma, a mimo to każdy widzi w nim rysy znajome.
A teraz wyobraź sobie, że z tego tysiąca zdjęć ktoś wyciąga jedno. Jedno jedyne. I każe maszynie zrobić ten sam uśredniony portret jeszcze raz, od nowa.
Wychodzi to samo. Nie prawie to samo. To samo, piksel w piksel.
Zdjęcie zniknęło. Wynik tego nie zauważył.
Drogi czytelniku, właśnie to postanowili sprawdzić naukowcy z MIT — nie na jednym portrecie i nie raz, tylko dwadzieścia cztery razy z rzędu, na różnych twarzach i różnej wielkości stosach zdjęć.
To nie jest ukryta sztuczka ani czary. To zwykła logika nakładania zdjęć jedno na drugie: im więcej zdjęć trafia na stos, na którym uczy się maszyna, tym mniej waży w wyniku jedno z nich. I tym trudniej komukolwiek dowieść, że akurat to jedno zdjęcie coś ukształtowało.
Wyjmij jedną twarz. Nikt nie zauważy.
Osiemnastego sierpnia 2026 roku Zheng Dai i David Gifford z MIT CSAIL opisali te dwadzieścia cztery próby w czasopiśmie Nature Communications. W każdej uczyli od nowa program, który sam uczy się rysować twarze i obrazy, patrząc na wielki stos gotowych zdjęć — czasem stos liczył 256 sztuk, czasem ponad sto sześćdziesiąt tysięcy. Potem wyciągali z tego stosu pojedyncze zdjęcie. Albo wszystkie zdjęcia jednej osoby. Albo cały dorobek jednego artysty. I sprawdzali: czy program, uczony od nowa bez tego kawałka, narysuje coś innego?
Im większy był stos, tym rzadziej cokolwiek się zmieniało. Przy stu sześćdziesięciu tysiącach zdjęć zniknięcie jednego było jak zniknięcie jednej twarzy z portretu złożonego z tysiąca innych — wynik się nie zmieniał. Przy stosie liczącym kilkaset zdjęć różnica była o wiele łatwiejsza do wychwycenia.
Spór nie znika. Zmienia się tylko grunt.
Otóż to jest moment, w którym prawie każdy, kto o tym pisał, poszedł na skróty, których sami badacze nie wzięli.
Autorzy zastrzegają wyraźnie: to dotyczy programów, które rysują obrazy, nie tych, które piszą teksty — czy tam dzieje się to samo, jeszcze nikt tak dokładnie nie sprawdził. Nie napisali też, że zdjęcia, na których uczy się maszyna, przestały się liczyć w oczach prawa. David Gifford, jeden z autorów, mówi wprost: wynik dotyka pytań o to, komu wolno co skopiować i na czyj koszt — ale ich nie rozstrzyga.
To zupełnie inna sprawa niż pytanie, czy wypada przyznać się wprost, że zdjęcie w ogóle powstało w AI — o tym pisałem osobno, tam gdzie opisuję pytanie, które klienci zadają szeptem: a pozna ktoś, że to z AI? Tu nie chodzi o to, czy się przyznasz. Chodzi o to, czy ktokolwiek jest w stanie wskazać, na czym program się uczył.
Bo spójrz, co się dzieje z obiema stronami tego sporu naraz. Komuś, kto twierdzi „moje zdjęcie jest w tym stosie, więc odpowiadacie za każdy piksel wyniku" — coraz trudniej to udowodnić. Ale komuś, kto twierdzi „skoro nie da się wskazać jednego zdjęcia, nikt niczego nie skopiował" — też.
Obie strony straciły grunt pod nogami w tej samej sekundzie.
Zapytaj, zanim zapyta ktoś inny.
Nie musisz być fotografem pozywającym firmę AI, żeby to dotyczyło akurat Ciebie. Wystarczy, że masz na LinkedIn zdjęcie zrobione w generatorze i czasem, późnym wieczorem, zastanawiasz się, czyja twarz weszła do tego stosu razem z Twoją.
A Ty, drogi czytelniku? Ile Twoich zdjęć krąży dziś po internecie w stosach, o które nikt Cię nie zapytał? Czy w ogóle wiedziałbyś, gdzie szukać odpowiedzi?
Nie znam jej za Ciebie. Nikt dziś nie zna jej z pewnością — i to jest właśnie sedno tego badania z MIT.
Sam przez długi czas odpowiadałem klientom pytającym o bezpieczeństwo ich zdjęć jednym zdaniem: uczymy program wyłącznie na zdjęciach, które sam wgrałeś. To prawda. Tylko że to odpowiedź na tę część pytania, którą akurat kontroluję — nie na całość. Program, na którym Profilówka nadbudowuje Twoją twarz, sam uczył się gdzieś indziej, na cudzych zdjęciach, wrzuconych do stosu równie wielkiego i równie trudnego do prześledzenia jak ten z badania. Nie udawałem, że jest inaczej. Po prostu nikt dotąd nie pytał aż tak dokładnie.
AITę część, którą kontroluję, mogę pokazać bez owijania w bawełnę: zdjęcia, które wgrywasz do treningu, kasujemy automatycznie po 30 dniach, gotowe zdjęcia trzymamy 12 miesięcy, a wcześniejsze skasowanie załatwia jedna wiadomość — szczegóły są tutaj. Nie dlatego, że przepis wymaga tego co do przecinka. Dlatego, że łatwiej zaufać zasadzie, którą można sprawdzić, niż zapewnieniu, które trzeba kupić na słowo.
Reszty — tego, co siedzi w stosie zdjęć pod spodem — nie rozwiąże jeden akapit na blogu, choćby najlepszy. Ani jedno badanie, choćby z Nature Communications.
Zapytaj więc, zanim zapyta Cię ktoś inny: na czym uczył się program, z którego korzystasz, i czy w ogóle da się to sprawdzić. Nie przyjmuj jednego uspokajającego zdania za całą odpowiedź — wiem, o czym mówię, bo sam je kiedyś dawałem. Sprawdź, co da się sprawdzić. Resztę uczciwie nazwij niewiadomą.
Czego i Tobie życzę.