Granica między tym, co rzeczywiste, a tym, co wygenerowane przez algorytmy, zaciera się w tempie, którego nikt się nie spodziewał jeszcze kilka lat temu. Dzisiejsze modele generatywne, takie jak Sora, Kling czy Runway w sferze wideo oraz Suno czy Udio w muzyce, potrafią stworzyć treści, które na pierwszy rzut oka – a często i na drugi – są praktycznie nieodróżnialne od dzieł ludzkich. Gdybyśmy nie zostali uprzedzeni, że dany teledysk i artysta to czysty kod binarny, wielu z nas bez mrugnięcia okiem uznałoby ich za prawdziwych.

Czy oko i ucho dają się jeszcze oszukać?

Odpowiedź brzmi: tak, i to coraz częściej. Kluczem do sukcesu AI w oszukiwaniu naszych zmysłów jest opanowanie niedoskonałości. Pierwsze generatory tworzyły obrazy zbyt sterylne, zbyt symetryczne i przez to nienaturalne. Obecnie algorytmy potrafią symulować ziarnistość filmu, drgania kamery, a nawet subtelne błędy w oświetleniu, które kojarzymy z fizycznym planem filmowym.

W przypadku artystów muzycznych, AI przestało brzmieć jak syntezator mowy. Nowoczesne modele potrafią oddać chrypkę w głosie, emocjonalne załamania czy oddech między frazami. Jeśli oglądamy taki teledysk na ekranie smartfona, gdzie uwaga jest rozproszona, a detale mniej widoczne, szansa na rozpoznanie mistyfikacji drastycznie spada.

Gdzie tkwi haczyk, czyli dolina niesamowitości

Mimo ogromnego postępu, wciąż istnieje zjawisko zwane "doliną niesamowitości" (uncanny valley). To ten moment, w którym coś wygląda niemal jak człowiek, ale drobne szczegóły sprawiają, że czujemy instynktowny niepokój. Nawet jeśli nie wiemy, że to AI, nasz mózg może podpowiadać, że "coś jest nie tak".

Detale, które zdradzają AI

Jeśli przyjrzymy się teledyskowi bardzo uważnie, zazwyczaj znajdziemy punkty zapalne:

• Dłonie i palce: To wciąż pięta achillesowa wielu modeli wideo. Nadprogramowe palce lub ich dziwne przenikanie się to częsty błąd.
• Fizyka włosów i ubrań: AI czasem gubi się w tym, jak materiał powinien reagować na wiatr lub ruch ciała.
• Niespójność tła: Elementy w tle mogą się zmieniać, morfować lub znikać w sposób, który w rzeczywistości jest niemożliwy.
• Synchronizacja ruchu warg (lip-sync): Choć jest coraz lepsza, czasem ruchy ust nie pokrywają się idealnie z artykulacją konkretnych głosek.

Psychologia percepcji

Warto zaznaczyć, że nasza ocena zależy od kontekstu. Jeśli widzimy teledysk na oficjalnym kanale znanego serwisu muzycznego, z góry zakładamy, że artysta istnieje. Nasz mózg nie szuka dowodów na to, że postać jest wygenerowana, bo ufa otoczeniu, w jakim treść została podana. Dopiero informacja o użyciu AI włącza w nas tryb "detektywa". Bez tej wiedzy większość odbiorców skupiłaby się na samej piosence, uznając artystę za kolejną nową twarz w branży.

Ciekawostka: Wirtualni influencerzy już tu są

Warto pamiętać, że postacie takie jak Lil Miquela czy Aitana Lopez mają miliony obserwujących w mediach społecznościowych. Choć ich twórcy nie ukrywają, że są to postacie cyfrowe, wielu fanów wchodzi z nimi w interakcje tak, jakby byli realnymi ludźmi. To pokazuje, że dla współczesnego odbiorcy "prawdziwość" fizyczna staje się drugorzędna względem "prawdziwości" przekazu lub estetyki.

Czy to tylko kwestia czasu?

Obecnie jesteśmy w fazie przejściowej. Za rok lub dwa, wraz z rozwojem mocy obliczeniowej i lepszym trenowaniem modeli na danych fizycznych, wyeliminowane zostaną ostatnie błędy w renderowaniu ruchu. Wtedy pytanie nie będzie brzmiało "czy uznalibyście ich za prawdziwych", ale "czy fakt, że nie są prawdziwi, ma dla was jakiekolwiek znaczenie". W świecie zdominowanym przez filtry na Instagramie i TikToku, gdzie nawet "prawdziwi" artyści są poddawani cyfrowej obróbce, granica realizmu niemal całkowicie wyparowała.