Egy dán kutatás mércéje szerint a válaszadók jobb eredményt értek volna el, ha a találgatás helyett minden eléjük kerülő képnél 50 százalékos valószínűséget adnak az AI-eredetre.

Érdekes eredményeket hozott Mads Fuglsang Hove és hét kutatótársa a Social Media + Society folyóirat 2026. október–decemberi számában megjelent tanulmánya, amely azt vizsgálta, mennyire képesek az emberek megkülönböztetni az AI által generált képeket a valódi fényképektől. (Az adatfelvétel 2024 júniusában történt, vagyis az akkori képgeneráló technikával készült képek felismeréséről ad információt.)

A korábbi hasonló kutatások elsősorban mesterségesen generált arcok és politikai jelentőséggel nem bíró képek felismerését vizsgálták. A mostani vizsgálatba viszont embereket, hétköznapi jeleneteket, válsághelyzeteket és politikai témákat ábrázoló képeket is bevontak a kutatók, mert arra voltak kíváncsiak, hogy a társadalmilag nagyobb téttel bíró helyzetekben mennyire képesek a válaszadók megkülönböztetni az AI-képeket a valódiaktól.

A kutatás másik újítása, hogy minden képnél egy valós eseményből indultak ki. Minden eseményhez egy valódi fényképet és egy AI-változatot vontak be a kutatásba, így az esemény ismerete önmagában nem árulta el, hogyan készült a bemutatott kép.

A reprezentatív felmérésben 2091 dán felnőtt vett részt. Mindenki hét, véletlenszerűen kiválasztott képet látott, és senki nem láthatta ugyanannak az eseménynek a valódi és az AI által generált változatát is.

Minden képnél egy 0 és 100 közötti skálán kellett megadniuk a válaszadóknak, mennyire valószínű, hogy az adott képet AI-jal készítették. Azonnali értékelést kértek tőlük, hogy a teszt azt a helyzetet szimulálja, amikor egy átlagos felhasználó találkozik a közösségi médiában egy ismeretlen által megosztott képpel.

A valódi fényképek a Wikimedia Commonsról származtak, az AI-változatokat az ingyenesen elérhető OpenArt.ai-val készítették a kutatók. A hibákat nem javították: például az Ukrajna színeivel megvilágított Brandenburgi kapu AI-generált változatán a zászló színeinek elrendezése nem követte a valódi ukrán zászlót.

A kutatók arra voltak kíváncsiak, hogy

Az eredmények azt mutatják, hogy a résztvevők nem tudták megbízhatóan elkülöníteni az AI által generált képeket a valódiaktól.

A teljesen véletlenszerű tippelésnél valamivel jobbak voltak, de átlagosan rosszabb eredményt értek el, mint ha minden képre 50 százalékos valószínűséggel mondták volna, hogy AI-generált.

A bizonytalanság kifizetődőbb lehet, mint a magabiztos ítélet

A kutatók a 0 és 100 közötti AI-valószínűségi válaszokból úgynevezett Brier-pontszámot számoltak, amely a magabiztos tévedéseket erősebben bünteti.

Például nagyobb hibának számít, ha valaki egy valódi fényképről 90 százalékos bizonyossággal állítja, hogy AI-generált, mint az, ha csak 60 százalékos valószínűséget ad ennek. A 0 és 1 közötti Brier-skálán az alacsonyabb pontszám jelent jobb teljesítményt.

A kutatók először teljesen random válaszokat generáltak, és az átlagos tévedésekből kiszámolták ezek Brier-pontszámát, ami 0,33 lett.

A kutatásban megkérdezett résztvevők ennél valamivel pontosabb becsléseket adtak, ugyanakkor az emberi válaszok 0,28-as Brier-pontszáma azt mutatja, hogy a képek megtekintése csak kis előnyt jelentett a teljesen véletlenszerű válaszadáshoz képest.

Az is kiderült, hogy a résztvevők átlagosan jobb pontszámot értek volna el, ha minden képnél 50 százalékos valószínűséget adnak az AI-eredetre – vagyis következetesen azt jelzik, hogy nem tudnak dönteni a képek valódiságáról. Az 50 százalékos válaszok 0,25-ös Brier-pontszámot eredményeztek volna a 0,28-as tényleges eredményhez képest.

A kutatók értelmezése szerint az emberek gyakran a kelleténél biztosabb választ adtak, és ezek a magabiztos tévedések összességében rontották a teljesítményüket.

Az ismerős emberi arc sem adott biztos kapaszkodót

A kutatók arra számítottak, hogy a résztvevők könnyebben felismerik az AI által generált képeket, ha azok embereket ábrázolnak, nem pedig hétköznapi jeleneteket. Feltételezésük szerint a más emberek megjelenéséről szerzett mindennapos tapasztalat segíthet észrevenni a mesterséges ábrázolás árulkodó hibáit.

Az „emberek” kategóriájába olyan képek kerültek, amelyeken egy vagy két személy állt a középpontban. A példák között szerepelt Jeff Bezos látogatása az amerikai légierőnél, Meghan Markle látogatása egy katonai támaszponton, illetve egy oltást kapó idősebb nő.

Az eredményeket a hétköznapi képekre adott becslésekkel hasonlították össze. Az embereket ábrázoló képek értékelése valamivel pontosabbnak bizonyult a hétköznapi képekénél, de a különbség nem volt statisztikailag szignifikáns.

Ráadásul az embereket ábrázoló képeknél is jobban teljesítettek volna a válaszadók, ha minden képre 50 százalékos AI-valószínűséget mondtak volna.

A kutatók azon hipotézise sem igazolódott, hogy a válsághelyzeti és politikai képeket kisebb magabiztossággal értékelik a válaszadók, mint a többi típusba sorolt képet.

A megfontoltabb gondolkodás segített, de nem oldotta meg a problémát

A kutatók arra számítottak, hogy aki hajlamos ellenőrizni az első benyomását, pontosabban ismeri fel az AI-képeket, mint az, aki inkább az ösztönös válaszára hagyatkozik. Az analitikus gondolkodást egy háromkérdéses teszttel mérték, amelyben a kézenfekvő válasz félrevezető lehetett.

Az analitikusabban gondolkodók valóban jobban megkülönböztették az AI-képeket a valódi fényképektől, de az előnyük korlátozott volt.

Átlagosan még ők is jobban jártak volna, ha minden képnél ugyanakkora valószínűséget adnak a valódi és az AI-eredetre, ahelyett, hogy határozottabb választ próbálnak adni.

A fiatalok jobban teljesítettek

A 18-24 éves korosztály volt az egyetlen demográfiai csoport, amely átlagosan jobb eredményt ért el, mint amit akkor kapott volna, ha következetesen 50 százalékosra teszi az AI-eredet valószínűségét.

Azt ugyanakkor nem állapította meg a kutatás, mi magyarázza a fiatalok jobb pontszámát, például nem bizonyította, hogy a gyakoribb közösségimédia- vagy AI-használat miatt teljesítettek jobban.

(Címlapi illusztráció: Zeller Márton)