Człowiek vs. AI

Część 1 z 5 · Patrzę i zgaduję · 1/6

Czy odróżnisz zdjęcie zrobione przez człowieka od wygenerowanego?

Większość osób odpowiada, że tak. Obrazy AI zdradza zbyt gładka skóra, nadmiar palców i zbyt idealne światło, a teksty AI są poprawne, ale bez duszy. Podobne tropy podawali uczestnicy naszego badania.

Jesienią 2023 roku w Neuroinsight Lab pokazaliśmy 18 osobom 24 treści, czyli grafiki i krótkie posty z mediów społecznościowych. Część zrobili ludzie, część wygenerowało AI. Przy każdej treści osoba badana decydowała, kto jest autorem, i oceniała, jak bardzo jej ufa i jak ekspercka się wydaje. W tym czasie eye-tracking zapisywał, gdzie patrzy, a EEG, jak reaguje jej mózg.

Zanim przeczytasz, jak im poszło, spróbuj swoich sił. Poniżej jest osiem treści z tego badania.

Masz swój wynik. Zobacz teraz, jak poszło osobom badanym, i nie przejmuj się, jeśli Twój wynik nie jest wysoki.

Część 1 z 5 · Patrzę i zgaduję · 2/6

Dlaczego to rzut monetą?

Wynik 56 na 100 brzmi jak zaliczony test. Moneta, którą rzucasz przy każdej treści, daje 50.

Przy treściach wygenerowanych przez AI osoby badane trafiały w 51% przypadków, czyli praktycznie jak rzut monetą. Treści ludzi rozpoznawały lepiej, w 65%. Co trzecią treść człowieka uznawały jednak za dzieło AI.

A to był dopiero ChatGPT 3.5. Teksty AI w naszym badaniu napisał model, który na tle dzisiejszych wydaje się prosty. Mimo to osoby badane częściej brały jego teksty za dzieło człowieka niż maszyny. Od tamtej pory modele zmieniły się kilka razy, a wynik ludzi stoi w miejscu.

Ten sam obraz wyłania się z dziesiątek badań z udziałem tysięcy osób. Zespół z Uniwersytetu Duisburg-Essen zebrał 56 prac i policzył, jak często ludzie trafnie oceniają, czy obraz, nagranie albo tekst zrobiła maszyna. Średnia trafność wyniosła 60,6%. Treści wygenerowane przez AI ludzie rozpoznawali rzadziej, w 55,5% przypadków, a przy samych obrazach w 53%. Prawdziwe materiały rozpoznawali lepiej, w 68% (Diel i in., 2024).

Badacze, którzy w 2025 roku porównali obrazy, nagrania wideo i głos, nazwali swój artykuł wprost „As Good as a Coin Toss”, czyli „tyle co rzut monetą”. Średnia trafność w grupie 1276 osób wyniosła 51,2%. Prawdziwe materiały rozpoznawały w 64,6%, a wygenerowane w 38,8% (Cooke i in., 2025). To ten sam układ co u nas, gdzie treści ludzi rozpoznawano lepiej niż treści AI.

Latem 2024 roku Microsoft udostępnił grę „Real or Not”, w której każdy mógł spróbować swoich sił na zdjęciach z różnych dziedzin. Zagrało ponad 12 500 osób z całego świata. Wygenerowane obrazy rozpoznawały w 63% przypadków (Roca i in., 2025). To dokładnie tyle, ile grafik AI rozpoznali uczestnicy naszego badania niecały rok wcześniej.

Im lepsze są modele, tym mniej znaczy to, co widzą oczy, a tym więcej to, co odbiorca myśli o autorze.

Część 1 z 5 · Patrzę i zgaduję · 3/6

Czy prawdziwe zdjęcie może wyglądać na sztuczne?

Na zdjęciu widać stację kolejki do Sóller w Palmie na Majorce, drewniany wagon, zieleń przy torach i przewody nad peronem. Zdjęcie zrobiono telefonem. Część osób w naszym badaniu uznała je za dzieło AI.

uznały za dzieło AI

uznały za dzieło człowieka

zaufanie do tego samego zdjęcia, skala od 1 do 5

543210

2,3

uznały za dzieło AI

4,3

uznały za dzieło człowieka

Osoby, które wskazały AI, sprawdzały tło i sieć przewodów nad torami. Szukały w nich śladów AI i znalazły takie, które mogły wynikać raczej z wielkości pliku i kompresji niż z autorstwa. Ich zaufanie do zdjęcia wyniosło średnio 2,3 na 5. Osoby, które wskazały człowieka, patrzyły na przód wagonu, na szczegóły, krawędzie przedmiotów i ostrość. Ich zaufanie do tego samego zdjęcia wyniosło 4,3.

W całym badaniu grafiki ludzi rozpoznawano poprawnie w 56% przypadków. Prawie co druga grafika stworzona przez człowieka trafiała więc do szuflady z napisem „AI”. Dla twórców i fotografów to zła wiadomość, bo odbiorcy mniej ufają ich pracy, choć nikt jej nie wygenerował.

A co, jeśli AI robi zdjęcie bardziej „ludzkie” niż prawdziwe?Przy zdjęciach twarzy AI posunęło się jeszcze dalej. Badacze z Australii wykazali, że ludzie uznawali za fałszywe aż 69% prawdziwych twarzy (Moshel i in., 2022). W badaniu Elizabeth Miller i współpracowników twarze wygenerowane przez AI brano za ludzkie w 65,9% przypadków, częściej niż prawdziwe, które uznano za ludzkie w 51,1% (Miller i in., 2023). Badacze nazwali to hiperrealizmem AI.

Twarze AI wydawały się przy tym bardziej godne zaufania niż prawdziwe (Nightingale i Farid, 2022). Wniosek z naszego badania z 2023 roku wybrzmiewa w tych pracach jeszcze mocniej. O tym, czy uwierzysz zdjęciu, decyduje to, kogo uważasz za jego autora.

Część 1 z 5 · Patrzę i zgaduję · 4/6

Czy tekst zdradza swojego autora?

Jeden z postów w naszym badaniu napisał w całości ChatGPT 3.5, który wcześniej przygotowaliśmy według naszego autorskiego algorytmu. Poprawnie rozpoznały to 2 osoby z 18. Połowa była zdecydowanie pewna, że napisał go człowiek. Ten sam tekst dostał jedne z najwyższych ocen eksperckości i zaufania w całym badaniu.

Teksty AI okazały się trudniejsze do rozpoznania niż grafiki AI. Posty wygenerowane przez AI osoby badane rozpoznawały w ok. 40% przypadków, częściej przypisując je człowiekowi. Teksty ludzi rozpoznawały dobrze, w ok. 75%.

Czy nauczyciel, który czyta wypracowania od lat, pozna, które napisał uczeń?W 2024 roku 200 doświadczonych nauczycieli oceniało eseje uczniów i eseje wygenerowane przez AI. Eseje AI rozpoznali w 37,8% przypadków, a uczniowskie w 73,0% (Fleckenstein i in., 2024). Liczby są prawie takie same jak w naszym badaniu, choć tam oceniały osoby, które zawodowo czytają cudze teksty.

Badacze z Uniwersytetu w Zurychu pokazali prawie 700 osobom krótkie wpisy z serwisu X, napisane przez ludzi i przez model GPT-3. Wpisy ludzi rozpoznawano w 63%, a wpisy AI w 37% (Spitale i in., 2023). Językoznawcy, którzy mieli wskazać, które streszczenia artykułów naukowych napisała maszyna, trafiali w 38,9% przypadków (Casal i Kessler, 2023).

Najtrudniejszą próbę przygotował zespół z Uniwersytetu Kalifornijskiego w San Diego. Uczestnicy przez kilka minut pisali jednocześnie z dwoma rozmówcami, z człowiekiem i z modelem językowym, a potem wskazywali, który był człowiekiem. Model GPT-4.5, któremu kazano udawać konkretną osobę, brano za człowieka w 73% rozmów, częściej niż prawdziwych ludzi (Jones i Bergen, 2025).

Model z naszego badania był o kilka wersji starszy od GPT-4.5. Już wtedy na pytanie z tytułu raportu, czy AI przekroczyło granice ludzkiej percepcji, odpowiedzieliśmy wprost, że tak. Program, który w rozmowie częściej uchodzi za człowieka niż prawdziwi ludzie, najlepiej potwierdza dziś tę odpowiedź.

Przy wierszach badacze z Uniwersytetu w Pittsburghu uzyskali tę samą proporcję co my. Spośród pięciu wierszy, które czytelnicy najczęściej uznawali za ludzkie, cztery napisało AI (Porter i Machery, 2024).

Część 1 z 5 · Patrzę i zgaduję · 5/6

Po czym myślisz, że poznasz AI?

Osoby badane miały swoje tropy i chętnie je podawały. Za AI przemawiała ich zdaniem nadmierna ostrość, nienaturalna harmonia kolorów i brak ludzkich niedoskonałości. W tekstach AI zdradzać miały sztywność, nadmierna formalność, brak literówek, powtarzalne frazy i emotikony użyte nie na miejscu.

Za człowiekiem przemawiały emocje, osobisty ton, potoczne wyrażenia, humor i ironia, a także drobne błędy i literówki. Każdy z tych tropów brzmi rozsądnie, a mimo to trafność pozostała niewiele wyższa niż przy rzucie monetą.

Ta sama grafika, dwa werdykty

Pierwsze wrażenie„Pierwsza intuicja krzyczy że to AI ze względu na nadmiar informacji w okolicach »kołnierza« sowy.”

Po dłuższym oglądaniu„Niemniej po przyjrzeniu się detalom, takim jak odbicie w oczach, jest to raczej dzieło ludzkie.”

Dlaczego tropy, które zna każdy, przestają działać?Badacze z Uniwersytetu Cornella i Stanforda zebrali od 4600 osób oceny tysięcy krótkich opisów, takich jak profil na portalu randkowym albo profil zawodowy freelancera. Ludzie trafiali w 50-52% przypadków (Jakesch i in., 2023). Za ludzkie uznawali teksty pisane w pierwszej osobie, swobodnym językiem i ze wzmiankami o rodzinie, a błędy przypisywali maszynie. To prawie te same tropy co w naszym badaniu.

Badacze sprawdzili też, co się stanie, gdy model językowy napisze tekst dopasowany do tych tropów. Taki tekst uznano za ludzki w 65,7% przypadków. Jak pisaliśmy w naszym raporcie, wyścig, w którym szukamy coraz lepszych oznak AI, przegrywamy w chwili startu. Każdą oznakę, którą da się opisać, model nauczy się podrabiać.

Przy obrazach jest podobnie. Badacze Microsoftu zauważyli, że ludzi najczęściej nabierały obrazy AI, które wyglądały realistycznie, ale nie jak profesjonalne zdjęcia ze studia. Obrazy przesadnie dopracowane łatwiej było rozpoznać (Roca i in., 2025). Trop „zbyt idealne” działa więc tylko do chwili, w której obraz AI wygląda jak zwykłe, amatorskie zdjęcie.

Część 1 z 5 · Patrzę i zgaduję · 6/6

Czy znajomość AI pomaga ją rozpoznać?

Osoby, które deklarowały, że bardzo dobrze znają się na AI, trafiały w naszym badaniu podobnie jak pozostałe. Większość grupy, 87% osób, deklarowała przy tym podstawową wiedzę o AI.

W badaniu „As Good as a Coin Toss” trafność osób, które nie znały treści generowanych przez AI, wyniosła 51,1%, a tych, które znały je dobrze, 51,9% (Cooke i in., 2025). W kalifornijskim teście Turinga znajomość modeli językowych też nie pomagała w rozpoznaniu maszyny (Jones i Bergen, 2025).

To skąd bierze się przekonanie, że rozpoznanie AI to kwestia wprawy?Pewność siebie i trafność rozchodzą się w tych badaniach w różne strony. Przy twarzach AI najwięcej błędów popełniały osoby najbardziej pewne swojej oceny (Miller i in., 2023). Doświadczeni nauczyciele w badaniu z esejami deklarowali ok. 80% pewności swoich odpowiedzi, choć eseje AI rozpoznawali w mniej niż 4 przypadkach na 10 (Fleckenstein i in., 2024).

Rozpoznawanie można jednak ćwiczyć. Pięć osób, które często piszą z pomocą ChatGPT, rozpoznało w jednym z badań 92,7% artykułów napisanych przez AI (Russell i in., 2025). Po pięciu minutach treningu ludzie trafnie rozpoznawali twarze AI w 51% przypadków zamiast 31% (Gray i in., 2025), a informacja zwrotna po każdej odpowiedzi poprawiła wynik przy tekstach z 55,4% do 65,1% (Milička i in., 2025). Nawet po treningu zostaje jednak pytanie, jak Twój mózg potraktuje treść, kiedy już uzna, kto ją napisał.

Część 2 z 5 · Oceniam

Komu bardziej ufasz, człowiekowi czy AI?

Mogłoby się intuicyjnie wydawać, że treść AI jest płytka i nikt jej nie zaufa. W naszym badaniu było odwrotnie.

Grafiki AI dostały średnio 3,4 na 5 punktów eksperckości, a grafiki ludzi 3,2. Przy tekstach było to 3,5 wobec 3,3. Zaufanie do tekstów AI wyniosło 3,5, a do tekstów ludzi 3,4. Przy grafikach zaufanie było nieco niższe dla AI, 2,9 wobec 3,2. Osoby badane uzasadniały to precyzją, spójnością i techniczną jakością treści, a przy zaufaniu obiektywizmem i brakiem subiektywnej interpretacji.

„Do wymienionych precyzji, spójności i technicznej jakości treści dodałbym słowo merytoryczność. W zasadzie to kluczowa rola AI, być »ekspertem ekspertów«.”

Do tego samego doszli badacze z MIT Sloan. Pokazali ponad tysiącowi osób teksty reklam i kampanii napisane przez ekspertów i przez GPT-4. Gdy nikt nie mówił, kto jest autorem, badani byli bardziej zadowoleni z treści AI, 5,29 wobec 4,93 punktu na skali od 1 do 7 (Zhang i Gosline, 2023). Wiersze AI czytelnicy oceniali wyżej niż wiersze znanych poetów w 13 z 14 cech, od rytmu po piękno (Porter i Machery, 2024).

W medycynie zespół Johna Ayersa porównał odpowiedzi lekarzy i chatbota na prawdziwe pytania pacjentów z forum internetowego. Oceniający nie wiedzieli, kto jest autorem. Odpowiedź chatbota wybierali w 78,6% ocen. Za dobrą albo bardzo dobrą uznali 78,5% odpowiedzi chatbota i 22,1% odpowiedzi lekarzy, a za empatyczną albo bardzo empatyczną odpowiednio 45,1% i 4,6% (Ayers i in., 2023).

We wszystkich tych badaniach treść AI wypadała najlepiej wtedy, gdy odbiorca nie wiedział albo nie podejrzewał, że napisała ją maszyna.

Część 3 z 5 · Przekonanie o autorze · 1/4

Co zmienia jedno słowo „AI”?

Dwie osoby patrzą na to samo zdjęcie dziewczyny z gitarą, która śmieje się w słonecznym pokoju. Jedna myśli, że zrobił je fotograf, druga, że wygenerowało je AI. Pierwsza ocenia zaufanie do zdjęcia na 4,5 punktu z 5, druga na 2,5.

Tak było w całym badaniu. Gdy osoba badana uznała grafikę za dzieło AI, oceniała jej eksperckość średnio o 0,9 punktu niżej, a zaufanie aż o 1,4 punktu niżej, bez względu na to, kto ją naprawdę zrobił. Przy tekstach eksperckość spadała o 0,6 punktu, a zaufanie o 1,2. W każdym przypadku przypisanie autorstwa człowiekowi dawało wyższe oceny.

Dziewczynę z gitarą wygenerowało AI. Osoby, które to rozpoznały, oceniały jej eksperckość na 2,8 i zaufanie na 2,5. Osoby, które wzięły ją za zdjęcie człowieka, oceniały te same piksele na 3,7 i 4,5. To, kto naprawdę stworzył tę grafikę, nie miało dla ocen znaczenia. Liczyło się to, kogo odbiorca uznał za autora.

„Uśmiecha się, a gdy patrzymy na kogoś prawdziwego, kto się uśmiecha, to sami stajemy się radośniejsi. W tym wypadku czujemy się mocno oszukani.”

Nieważne, kto jest autorem. Ważne, kto zdaniem odbiorcy nim jest.

Część 3 z 5 · Przekonanie o autorze · 2/4

Kto jeszcze zobaczył to samo?

Po publikacji naszego raportu to samo wykazały badania z udziałem ponad 30 tysięcy osób. Sprawdzano to na obrazach, tekstach literackich, wiadomościach, muzyce i rozmowach o emocjach, i za każdym razem treść traciła w oczach odbiorcy w chwili, w której uznał, że zrobiło ją AI.

Czy to działa także wtedy, gdy etykieta kłamie?Tak, i to najmocniejszy dowód na to, że o ocenie decyduje przekonanie o autorze, a nie sama treść. Badacze z Harvard Business School i Uniwersytetu Hebrajskiego w Jerozolimie w dziewięciu badaniach z udziałem 6282 osób przedstawiali te same odpowiedzi pełne zrozumienia raz jako napisane przez człowieka, a raz jako napisane przez AI. Odpowiedzi podpisane jako ludzkie uznawano za bardziej empatyczne i dające więcej wsparcia (Rubin i in., 2025).

Zespół z Wharton School, Uniwersytetu Michigan i Uniwersytetu Nowojorskiego przeprowadził 16 eksperymentów z udziałem 27 491 osób. Ten sam tekst literacki oceniano gorzej, gdy czytelnicy wierzyli, że napisało go AI albo że AI pomagało autorowi. Badacze nazwali to karą za ujawnienie AI i wykazali, że bierze się z poczucia mniejszej autentyczności. Kara utrzymywała się, choć badacze wypróbowali kilka sposobów, które w innych sytuacjach zmniejszały niechęć do AI (Raj i in., 2026).

Przy wierszach informacja „to napisało AI” obniżała ocenę ich jakości (Porter i Machery, 2024). Przy obrazach etykieta „AI” obniżała ocenę ich kreatywności i chęć ich kupienia (Millet i in., 2023). Przy muzyce utwory, które słuchacze sami uznali za dzieło AI, podobały się wyraźnie mniej (Shank i in., 2023), a etykieta „AI” osłabiała odbiór muzyki jako opowieści bez względu na to, kto naprawdę ją skomponował (Wu i Holmes, 2026).

Czy to znaczy, że ludzie po prostu nie lubią AI?Badacze z MIT Sloan doszli do wniosku, który dobrze opisuje także nasze wyniki. Gdy ludzie poznawali autora, ocena treści AI nie spadała. Rosła za to ocena treści, które przypisywali człowiekowi (Zhang i Gosline, 2023). Autorzy nazwali to faworyzowaniem człowieka, a nie awersją do AI.

W 2025 roku Alwin de Rooij zebrał 191 wyników z badań nad oceną sztuki przypisanej AI. Efekt się potwierdził, choć jego siła zależy od miejsca. Najsilniej działał w badaniach prowadzonych przez internet, słabiej w laboratorium i w galerii (de Rooij, 2025). Media społecznościowe, w których oceniasz posty i grafiki w kilka sekund, są dla tego efektu środowiskiem idealnym.

Część 3 z 5 · Przekonanie o autorze · 3/4

Dlaczego ta sama niedoskonałość raz jest ludzka, a raz sztuczna?

Rozmazana krawędź na zdjęciu, literówka w poście, nierówne światło. Gdy osoba badana zakładała, że treść zrobiło AI, każdy z tych szczegółów potwierdzał jej przypuszczenie. Gdy zakładała, że zrobił ją człowiek, te same szczegóły świadczyły o człowieku.

To efekt potwierdzenia, czyli skłonność do wyszukiwania i odczytywania informacji tak, żeby pasowały do tego, co już myślimy. W naszym badaniu był bardzo wyraźny i widać go było także w zachowaniu. Po przeczytaniu posta osoby, które nie były pewne, sprawdzały ponownie jego autora. Osoby przekonane, że autorem jest człowiek, nie robiły tego wcale.

Czy przekonanie zmienia także to, jak długo zastanawiasz się nad treścią?Zespół Anny Eiserbeck pokazywał 30 osobom zdjęcia prawdziwych twarzy, z których część opisano jako fałszywe. Przy uśmiechach z etykietą „fałszywe” decyzja zapadała wolniej (Eiserbeck i in., 2023). Badacze pisali, że mózg przy takich uśmiechach może się zatrzymać i spojrzeć drugi raz.

Osoby badane w większości przypadków umiały przy tym rzeczowo uzasadnić swój wybór. Tak działa wewnętrzny racjonalizator, którego dobrze znają badacze decyzji. W eksperymentach ze ślepotą wyboru ludzie, którym po cichu podmieniono wybraną twarz na zdjęciu albo wybrany dżem i herbatę, w większości nie zauważali zamiany i uzasadniali wybór, którego nie dokonali (Johansson i in., 2005). Przy dżemie i herbacie wykryto najwyżej co trzecią zamianę (Hall i in., 2010).

Więcej o tym mechanizmie piszemy na stronie o błędzie konfirmacji.

Część 3 z 5 · Przekonanie o autorze · 4/4

Czy to stare zjawisko w nowym opakowaniu?

Pepsi czy Coca-Cola? W ślepej próbie ludzie dzielą się prawie po równo. Gdy wiedzą, co piją, przewagę zyskuje Coca-Cola.

W 2004 roku zespół Reada Montague'a sprawdził to w rezonansie magnetycznym. Wiedza o tym, że w kubku jest Coca-Cola, zmieniała nie tylko deklarowane preferencje, ale też aktywność mózgu przy tym samym napoju (McClure i in., 2004).

A jeśli zamiast logo stoi słowo „komputer”?Kilka lat później badacze z University College London pokazywali osobom w skanerze te same abstrakcyjne obrazy. Połowę podpisywali jako dzieła z galerii, połowę jako wygenerowane komputerowo. Obrazy z etykietą galerii oceniano wyżej, a z tą różnicą w ocenach łączyła się aktywność przyśrodkowej kory oczodołowo-czołowej i kory przedczołowej, obszarów, które w wielu badaniach towarzyszą ocenie, jak bardzo coś jest dla nas warte (Kirk i in., 2009).

W naszym badaniu działo się to samo, tylko w miejscu logo było AI. Ten sam obraz i ten sam tekst budziły inne odczucia, zależnie od tego, kogo odbiorca uznał za autora.

Część 4 z 5 · Mózg · 1/3

Gdzie patrzą oczy, które szukają śladów AI?

Okulary z eye-trackingiem zapisywały położenie każdego oka 200 razy na sekundę. Dzięki temu wiemy, na co patrzyła każda osoba w każdej chwili oceniania, i możemy porównać wzrok osób, które uznały treść za dzieło AI, ze wzrokiem tych, które wskazały człowieka.

Przy portrecie kobiety w ażurowej bluzce osoby, które uznały go za dzieło AI, przeszukiwały całą twarz i zatrzymywały się na prawym ramieniu, jakby szukały niedoskonałości obrysu. Osoby, które wskazały człowieka, patrzyły na dół twarzy i szyję z falbanką bluzki i to im wystarczało. Przy zimorodku nad wodą osoby, które wskazały człowieka, patrzyły na biały wzór na głowie ptaka i odbicia w tafli, a te, które wskazały AI, na końce skrzydeł i rozchlapaną wodę.

Czy dłuższe szukanie daje lepszy wynik?W naszym badaniu szybkie skanowanie w pierwszych 3-5 sekundach dawało podobny efekt jak dłuższe szukanie wskazówek na grafice. Badacze z Northwestern University sprawdzili to później w badaniu z udziałem ponad 50 tysięcy osób. Po sekundzie oglądania trafność wynosiła ok. 72%, a po pięciu ok. 77% (Kamali i in., 2025). Pierwsze chwile decydują więc o większości oceny.

Wzrok podążał przy tym za przekonaniem, a nie za prawdziwym autorstwem. Badacze z Uniwersytetu Keio wykazali, że obrazy, które osoby badane uznały za ludzkie, oglądały średnio o 330 milisekund dłużej, a to, kto naprawdę je stworzył, nie miało na czas oglądania wpływu (Zhou i Kawabata, 2023). W 2026 roku badanie z nagraniami wideo wykazało to samo, czyli że wzrok zależy od przekonania o autentyczności (Shi i in., 2026).

Spojrzenie na coś nie oznacza jeszcze, że mózg to przetworzył. Dlatego w badaniu połączyliśmy eye-tracking z EEG.

Część 4 z 5 · Mózg · 2/3

Czy Twój mózg wie więcej niż Ty?

Mówisz „nie wiem”, bo twarz na zdjęciu wygląda zupełnie zwyczajnie. Elektrody na Twojej głowie mogą w tej samej chwili zapisać coś innego.

Badacze z Australii pokazywali 22 osobom w czepku EEG zdjęcia prawdziwych twarzy i bardzo realistycznych twarzy wygenerowanych przez AI, tak szybko, że każda migała przez ułamek sekundy. W osobnej części badania ludzie nie umieli takich twarzy świadomie odróżnić, a z zapisu EEG grupy osób badanych dało się odczytać, czy widziały twarz prawdziwą, czy wygenerowaną, choć tylko trochę częściej, niż pozwoliłoby zgadywanie. Różnica pojawiała się ok. 170 milisekund po pokazaniu twarzy i trwała do ok. 240 milisekund (Moshel i in., 2022).

Badacze z Uniwersytetu Mediolan-Bicocca doszli w 2026 roku do podobnego wyniku. W osobnej grupie ludzie trafnie wskazywali twarze AI tylko w 33% przypadków, a w zapisie EEG innych osób reakcja na prawdziwe twarze różniła się od reakcji na wygenerowane już ok. 170-210 milisekund po ich pokazaniu (Proverbio i Dosaikina, 2026).

Mózg rejestruje więc różnice, do których świadoma ocena nie dociera. Ocena, którą wystawiasz na końcu, zależy jednak od tego, kogo uznasz za autora.

Część 4 z 5 · Mózg · 3/3

Co dzieje się w mózgu, gdy myślisz „to AI”?

Wróćmy do portretu z nagłówka. Zrobił go człowiek, fotografka Tamara Bellis. Osoby, które uznały go za dzieło człowieka, oceniały zaufanie do niego średnio na 3,8. Osoby, które uznały go za dzieło AI, na 2,0.

W EEG widać było to samo. U osób przekonanych, że to zdjęcie człowieka, uwaga wynosiła średnio 62,4, a pobudzenie 45,4. U osób przekonanych, że to AI, uwaga spadała do 44,6, a pobudzenie do 34,8. Zainteresowanie zdjęciem było przy tym w obu grupach podobne, także u osób, które nie potrafiły zdecydować.

W niektórych przypadkach średnie neurokorelanty różniły się o ponad 20 punktów w tym samym momencie oglądania tej samej grafiki. Ten sam obraz budził w ludziach wyraźnie inne odczucia, zależnie od tego, czy uznali go za dzieło człowieka, czy AI.

Podobną różnicę w pracy mózgu zarejestrowały inne laboratoria. Zespół Wei Zhanga pokazał łącznie ponad stu osobom obrazy z etykietą „człowiek” albo „AI” w dwóch badaniach, z EEG i z pomiarem przepływu krwi w korze. Przy etykiecie „człowiek” fala P300, która w EEG towarzyszy temu, co mózg uznaje za ważne, była wyższa, osoby badane dłużej oglądały obraz i wyżej go oceniały (Zhang i in., 2025). W badaniu zespołu Anny Eiserbeck przy prawdziwych uśmiechach z etykietą „fałszywe” wczesna reakcja EEG na radosną twarz była słabsza (Eiserbeck i in., 2023).

Pierwsze badania z tekstami wskazują na to samo. Te same zdania i żarty, przypisane AI, wywoływały w EEG inną reakcję niż przypisane człowiekowi (Rao i in., 2025a; Rao i in., 2025b; Chládková i in., 2026). Przekonanie o autorze zmienia więc nie tylko końcową ocenę, ale też to, jak mózg przetwarza samą treść.

Nieważne, kto jest autorem. Ważne, kto zdaniem odbiorcy nim jest.

Część 5 z 5 · Decyzja · 1/2

Oznaczać treści stworzone z pomocą AI czy nie?

Masz gotowy post z grafiką przygotowaną z pomocą AI. Platforma pyta, czy oznaczyć go jako treść AI. Dobrze wiesz, jak ta odpowiedź może wpłynąć na zasięg i zaufanie odbiorców.

Badacze z Uniwersytetu w Zurychu sprawdzili w badaniu z udziałem prawie pięciu tysięcy osób, jak etykieta „wygenerowane przez AI” wpływa na odbiór wiadomości. Ludzie mniej wierzyli nagłówkom z taką etykietą, także prawdziwym i napisanym przez ludzi, bo zakładali, że całość zrobiła maszyna bez udziału człowieka (Altay i Gilardi, 2024). Wcześniej podobny spadek wiarygodności wykazał zespół Chiary Longoni (Longoni i in., 2022).

Co z tego wynika dla marki?Skoro o ocenie decyduje przekonanie odbiorcy, ważne jest nie tylko, kto przygotował treść, ale też, co odbiorca o tym pomyśli. Treść, która wygląda na zbyt szablonową, budzi mniejsze zaufanie, nawet jeśli napisał ją człowiek. Treść z osobistym tonem, konkretnym szczegółem i prawdziwym zdjęciem zyskuje, nawet jeśli pomagało przy niej AI.

Deklaracje odbiorców tego nie pokażą, bo ludzie powiedzą, że wolą człowieka. Pokaże to dopiero pomiar reakcji na konkretną treść, w konkretnej sekundzie, z wiedzą o tym, kogo odbiorca uznał za autora.

Część 5 z 5 · Decyzja · 2/2

Jak sprawdzić, czy odbiorcy zaufają Twojej treści?

Ankieta powie Ci, że odbiorcy wolą treści ludzi. Pomiar pokaże, w której sekundzie przestali ufać, na który element wtedy patrzyli i kogo uznali za autora.

W Neuroinsight Lab, które razem z NeuroEfektywnie tworzy Atlas mózgu, łączymy EEG z eye-trackingiem i z pytaniami o świadomą ocenę. Eye-tracking w okularach rejestruje ruch oczu 200 razy na sekundę. EEG pokazuje, jak w tej samej chwili reaguje mózg, a nasze algorytmy liczą z zapisu neurokorelanty, takie jak uwaga, zainteresowanie, zaangażowanie poznawcze, pobudzenie, stres i relaks. O tym, jak działa EEG, piszemy na stronie o EEG.

Dla dociekliwych

Jak wyglądało nasze badanie?

Badanie prowadziliśmy od 19 października do 17 listopada 2023 roku (Neuroinsight Lab, 2024). Wzięło w nim udział 18 osób, 10 kobiet i 8 mężczyzn w wieku od 23 do 56 lat, średnio 35 lat. Grupa była zróżnicowana pod względem znajomości AI, a 87% osób deklarowało podstawową wiedzę o niej.

Każda osoba oceniała 24 treści, czyli 15 grafik i 9 krótkich tekstów w formie postów, przygotowanych przez ludzi albo wygenerowanych przez AI. Treści przygotowali eksperci zajmujący się marketingiem, mediami społecznościowymi i tworzeniem grafik z AI. Przy każdej treści osoba badana wskazywała autora, mogła też odpowiedzieć, że nie wie, i oceniała eksperckość i zaufanie na skali od 1 do 5.

Eye-tracking rejestrował położenie każdego oka 200 razy na sekundę, a EEG aktywność elektryczną mózgu. Łącznie zebraliśmy 34 194 sekundy materiału, 13 677 600 punktów danych z eye-trackingu i 30 637 824 z EEG. Kwestionariusz dotyczył danych demograficznych, korzystania z AI i doświadczenia w tej dziedzinie.

Neurokorelanty, takie jak uwaga, zaangażowanie, zainteresowanie, pobudzenie, stres i relaks, liczyliśmy z EEG w kolejnych sekundach oglądania. Najdokładniej analizowaliśmy pierwsze 5 sekund kontaktu z treścią, żeby lepiej oddać codzienny, krótki kontakt z postem w mediach społecznościowych. Badanie przeprowadziliśmy zgodnie ze standardami etycznymi ESOMAR i sfinansowaliśmy je ze środków własnych.

Część materiału badawczego i komentarze do raportu przygotowali Adrian Gamoń, Adrian Kaczkowski, Jakub Król, Artur Kurasiński, Anna Ledwoń-Blacha, Gabriela Lupa, Marcin P. Stopa i Krystian Wydro. Pełny raport z wynikami dla poszczególnych treści, mapami ciepła i komentarzami ekspertów możesz pobrać poniżej.

Pobierz pełny raport „Człowiek vs. AI” (PDF, 10,5 MB)