Odbiór treści generowanych przez AI. Przegląd badań
Przegląd badań nad odbiorem treści generowanych przez AI: trafność rozpoznania, wpływ etykiety na ocenę i to, co w tym czasie rejestruje aparatura.
- Tekst
- Jarek Muras
- Opublikowano
- Czas czytania
- 16 min

Pytanie o to, czy odbiorca pozna tekst albo obraz zrobiony przez model, rozpada się w badaniach na trzy osobne pytania, a odpowiedzi na nie idą w różne strony. Trafność rozpoznania spada w kolejnych pracach poniżej poziomu przypadku. Ocena tej samej treści spada natomiast za każdym razem, kiedy przy treści stanie etykieta mówiąca o udziale modelu. Zapis okulograficzny i sygnały obwodowe różnicują warunki nawet wtedy, gdy uczestnik nie potrafi powiedzieć, co ogląda. Poniżej przegląd prac z lat 2022 do 2026, z zaznaczeniem tego, czego z nich nie wolno wyprowadzić.
Trzy pytania zadawane jednemu bodźcowi
Rozróżnienie jest proste, a mieszanie go kosztuje całe wnioskowanie. Pytanie pierwsze dotyczy detekcji: uczestnik dostaje materiał i ma wskazać źródło, a miarą jest trafność odniesiona do poziomu przypadku. Pytanie drugie dotyczy wartościowania: materiał jest ten sam, zmienia się wyłącznie etykieta autorstwa, a miarą jest różnica ocen między warunkami. Pytanie trzecie dotyczy zapisu: aparatura rejestruje przebieg oglądania niezależnie od tego, co uczestnik sądzi i co deklaruje.
Prace, które te poziomy mieszają, dają wyniki nie do zestawienia. Trafność zmierzona w zadaniu z wymuszonym wyborem z pary jest wyższa niż trafność przy ocenie pojedynczego bodźca, bo porównanie dostarcza punktu odniesienia, którego w swobodnym kontakcie z treścią nie ma.
Trafność rozpoznania spada poniżej poziomu przypadku
Punktem wyjścia tej linii badań jest praca Nightingale i Farida (2022). Twarze syntezowane okazały się w niej nieodróżnialne od prawdziwych, a przy tym oceniane jako bardziej godne zaufania. Autorzy opisują to jako przejście przez dolinę niesamowitości.
Kramer i współpracownicy (2025) sprawdzili nowszą drogę wytwarzania, czyli ChatGPT razem z modelem DALL·E, i to zarówno dla tożsamości fikcyjnych, jak i dla twarzy osób publicznych. Obrazy obu rodzajów nie dały się odróżnić od fotografii. Udostępnienie dodatkowych prawdziwych zdjęć do porównania poprawiało wynik w ograniczonym stopniu, a wcześniejsza znajomość twarzy celebryty dawała poprawę niewielką.
Porter i Machery (2024) przebadali wiersze. Trafność wyniosła 46,6 procent, czyli poniżej poziomu przypadku, przy chi kwadrat 75,13 dla N równego 16 340. Uczestnicy częściej brali za ludzkie wiersze wytworzone przez model niż wiersze uznanych poetów. Autorzy wiążą to z prostotą tekstów generowanych: łatwiejsze w odbiorze, były odbierane jako bardziej ludzkie, a złożoność wierszy prawdziwych bywała czytana jako niespójność.
Jakesch, Hancock i Naaman (2023) opisali mechanizm po stronie odbiorcy. W sześciu eksperymentach na próbie 4600 osób uczestnicy nie rozpoznawali autoprezentacji wytworzonych przez model w kontekstach zawodowym, hotelarskim i randkowym. Analiza cech językowych pokazała, z czego korzystali: zaimki pierwszej osoby, formy skrócone i tematy rodzinne były kojarzone z autorstwem ludzkim. Te heurystyki dają się przewidzieć, a przez to wykorzystać, więc tekst można celowo napisać tak, by był odbierany jako ludzki w stopniu wyższym niż tekst ludzki.
Nie wszystkie wyniki idą w tę stronę i warto wiedzieć, od czego to zależy. Huang i współpracownicy (2025) uzyskali trafność 76,80 procent dla twarzy wytworzonych modelem StyleGAN-3, przy procedurze okulograficznej wymuszającej uważne oglądanie. Osińska i współpracownicy (2025) pokazali z kolei, że trafność zależy od kategorii materiału: najłatwiejsze do rozpoznania były obrazy zwierząt wytworzone przez model oraz prawdziwe fotografie architektury.
Hiperrealizm, czyli przewaga po stronie materiału syntetycznego
Miller i współpracownicy (2023) nazwali zjawisko wprost. W eksperymencie pierwszym, na próbie 124 osób, oraz w ponownej analizie danych wcześniejszych białe twarze wytworzone przez model były uznawane za ludzkie częściej niż twarze rzeczywiste. W eksperymencie drugim, na próbie 610 osób, autorzy wskazali cechy, które twarze te różnicują, a które uczestnicy odczytywali odwrotnie, niż wynikałoby z danych. Te same cechy pozwalały modelowi uczenia maszynowego klasyfikować materiał z wysoką trafnością.
Dwa zastrzeżenia są tu częścią wyniku, nie przypisem. Po pierwsze, efekt opisano dla twarzy białych, bo na nich generatory były uczone nieproporcjonalnie często. Po drugie, osoby popełniające najwięcej błędów deklarowały najwyższą pewność, co autorzy opisują jako efekt Dunninga i Krugera. Deklarowana zdolność rozpoznania jest więc złym predyktorem zdolności rzeczywistej.
Etykieta zmienia ocenę, choć treść pozostaje ta sama
Najmocniejszy dowód na efekt etykiety daje procedura dwukrokowa. Di Dio i współpracownicy (2026) przebadali 121 osób dorosłych: uczestnicy oceniali najpierw materiał bez informacji o autorstwie, a następnie zrównoważony zestaw opatrzony etykietą „człowiek” albo „AI”. Oceny spadały po przypisaniu autorstwa modelowi i pozostawały stabilne po przypisaniu autorstwa człowiekowi. Dotyczyło to obu badanych form, prozy i obrazu.
Kierunek zmiany jest w tej literaturze powtarzalny, a różnice dotyczą tego, co dokładnie etykieta przesuwa.
| Praca | Materiał | Co zmienia ujawnienie udziału modelu |
|---|---|---|
| Di Dio i in. (2026) | proza i obrazy | ocena spada po etykiecie AI, po etykiecie „człowiek” stoi |
| Heimstad i in. (2025) | treści kreatywne | niższa przypisana kreatywność i niższy przypisany wysiłek |
| Toff i Simon (2024) | artykuły prasowe | niższa wiarygodność przy tej samej ocenie trafności i rzetelności |
| Lim i Schmälzle (2024) | komunikaty profilaktyczne | zmiana oceny bez zmiany kolejności komunikatów |
| Baek i in. (2024) | reklama prospołeczna | mniej przychylna postawa, mediowana oceną wiarygodności |
| Wang i in. (2026) | malarstwo | preferencja etykiety „człowiek” mimo braku rozróżnienia źródeł |
Heimstad, Wien i Gaustad (2025) opisali drogę, którą ten efekt przebiega. W dwóch zarejestrowanych wcześniej eksperymentach treść oznaczona jako wytworzona przez model była oceniana jako mniej kreatywna, a mediacja szła sekwencyjnie: przypisany wysiłek wpływał na przypisaną kreatywność, a ta na postawę wobec treści. Istotne dla praktyki jest to, że warunek „człowiek we współpracy z modelem” wypadał wyraźnie lepiej niż warunek „sam model”.
Toff i Simon (2024) pokazali to samo na materiale prasowym i w próbie amerykańskiej. Wiadomości oznaczone jako wytworzone przez model były oceniane jako mniej wiarygodne, choć te same artykuły nie były oceniane jako mniej trafne ani mniej rzetelne. Efekt koncentrował się u osób o wyjściowo wyższym zaufaniu do mediów oraz u osób lepiej zorientowanych w pracy dziennikarskiej.
Bara, Ramsey i Cross (2025) sprawdzili, czy efekt ma charakter utajony. W trzech zarejestrowanych wcześniej eksperymentach informacja o tym, jak działa model, obniżała akceptowalność moralną i walory estetyczne dzieła, ale zależało to od kontekstu, na przykład od tego, czy w grę wchodziła korzyść finansowa albo status dzieła. Zadanie utajonych skojarzeń nie wykazało stabilnego powiązania sztuki ludzkiej z atrybutami pozytywnymi. Wniosek jest ostrożny: efekt etykiety wygląda na jawny i zależny od kontekstu, a nie na automatyczne skojarzenie.
Co rejestruje okulograf
Wang i współpracownicy (2026) połączyli okulografię z samoopisem w trzech badaniach nad oceną malarstwa. Przy braku zdolności rozróżnienia źródeł uczestnicy preferowali obrazy opisane jako ludzkie, a zapis wzroku pokazał przy etykiecie „AI” wzorce bardziej rozproszone. Autorzy nazywają całość wyników mieszaną i tak należy je cytować.
Gonçalves i współpracownicy (2026) przebadali reklamy w trzech wariantach: ludzkim, wytworzonym przez model oraz ludzkim poprawionym przez model. Trzydzieści dziewięć osób wykonało 858 prób na 22 parach reklam, z zapisem przy 60 Hz. Reklamy wytworzone przez model wybierano w 58,97 procent prób, przy ilorazie szans 1,44 i p równym 0,0015, natomiast wariant poprawiony nie różnił się od ludzkiego pod względem wyboru. Oba warianty z udziałem modelu wiązały się z większą liczbą fiksacji i mniejszymi amplitudami sakad, a te efekty przetrwały korektę Holma. Czas do pierwszej fiksacji i średnica źrenicy nie różnicowały warunków, a różnice w czasie trwania fiksacji korekty nie przetrwały. Autorzy zaznaczają, że większa liczba fiksacji oznaczała większy udział czasu fiksacji, a nie wyższe tempo fiksowania.
Kiper i Liang (2025) przebadali reklamę mody na próbie 120 osób w podziale na dwie grupy. Kobiety spędzały więcej czasu na reklamach prawdziwych niż na wytworzonych przez model. Zmieniał się też rozkład uwagi w kadrze: przy reklamach prawdziwych wzrok koncentrował się na twarzach modeli, przy wytworzonych przez model na produktach i sylwetkach.
Osińska i współpracownicy (2025) porównali dwanaście obrazów wytworzonych przez model i dwanaście fotografii w sześciu kategoriach, analizując wzorce wzroku razem z charakterystykami czasowymi. Największe różnice wystąpiły między kobietami i mężczyznami oraz między osobami obeznanymi z grafiką cyfrową a pozostałymi. Doświadczenie z materiałem jest więc zmienną, którą trzeba kontrolować, a nie szumem.
Najbardziej użyteczna metodologicznie jest obserwacja Huanga i współpracowników (2025): uczestnicy oglądali obraz dokładniej wtedy, gdy podejrzewali, że jest sztuczny. Dłuższe i gęstsze oglądanie jest tu skutkiem wątpliwości, a nie jej przyczyną, i nie wolno go czytać jako miary zainteresowania.
Sygnały obwodowe i potencjały wywołane
Fišer, Martín-Pascual i Andreu-Sánchez (2025) połączyli zapis biometryczny z samoopisem na próbie 88 osób oglądających materiały wideo z trzema rodzajami podkładu muzycznego: skomponowanym przez człowieka oraz wytworzonym przez model na podstawie dwóch rodzajów polecenia. Obie ścieżki wytworzone przez model wiązały się z szerszą źrenicą niż muzyka ludzka, a między sobą nie różniły się istotnie. Wariant z poleceniem rozbudowanym dawał wyższą częstość mrugnięć i wyższą impedancję skóry. Walencja deklarowana pozostawała na tym samym poziomie we wszystkich warunkach, muzyka wytworzona przez model była oceniana jako bardziej pobudzająca, a muzyka ludzka jako bardziej znajoma.
Proverbio i Dosaikina (2026) zarejestrowały EEG u trzydziestu osób oglądających 440 twarzy rzeczywistych i wytworzonych modelem generatywnym. Zachowaniowo twarze sztuczne były rozpoznawane słabo i oceniane jako bardziej znajome oraz bardziej atrakcyjne. Potencjały wywołane różnicowały warunki mimo tego, że zadanie tego nie wymagało: dla twarzy wytworzonych modelem wzmocnione były komponenty N250, P300 i PN400 oraz późna pozytywność.
Gong (2023) porównał odbiór serwisów informacyjnych czytanych głosem ludzkim i głosem syntetycznym. Aktywność elektrofizjologiczna była wyższa przy głosie ludzkim, a różnica dotyczyła pasma beta w lewym tylnym płacie skroniowym.
Trzy zastrzeżenia obowiązują przy każdym z tych wyników. Szerokość źrenicy nie jest samodzielnym miernikiem obciążenia poznawczego i interpretuje się ją przy kontroli luminancji, co w tej dziedzinie jest problemem praktycznym, bo zestawy obrazów wytworzonych przez model i fotografii różnią się rozkładem jasności i kontrastu, jeżeli nikt ich wcześniej nie wyrównał. Aktywność elektrodermalna mówi o sile pobudzenia, a nie o jego znaku ani o przyczynie. Różnica w potencjałach wywołanych mówi, że pomiar różnicuje warunki, a nie że układ nerwowy rozpoznaje pochodzenie bodźca.
Model jako narzędzie wytwarzania bodźców
Osobna linia prac traktuje generator nie jako przedmiot badania, lecz jako sposób przygotowania materiału, w którym jedna właściwość zmienia się, a reszta zostaje. Fatemi i Shalchyan (2026) wykorzystali model dyfuzyjny do systematycznej zmiany ładunku emocjonalnego obrazów i przebadali 44 osoby w warunkach swobodnego oglądania, z zapisem ruchów oczu i średnicy źrenicy. Obrazy przygotowane jako emocjonalne zbierały wyższe oceny pobudzenia i walencji w skali Self-Assessment Manikin, dłuższy czas przebywania wzroku oraz większą średnicę źrenicy niż ich neutralne odpowiedniki.
Granice tej drogi wyznacza praca Zhanga, Forta i Giméneza Mateu (2024), w której 789 studentów oceniało wnętrza i bryły budynków wytworzone modelem Midjourney na podstawie poleceń dosłownych i metaforycznych. Model dobrze oddawał radość, zwłaszcza we wnętrzach, a słabo radził sobie z emocjami negatywnymi. Studenci architektury reagowali przy tym na niuanse obrazu inaczej niż osoby spoza kierunku, co znów pokazuje doświadczenie z materiałem jako zmienną do kontroli.
Realizm niepełny wraca jako dyskomfort
Diel i współpracownicy (2025) przebadali zdjęcia żywności i pokazali, że niesamowitość najlepiej opisuje funkcja sześcienna realizmu. Obrazy wytworzone przez model, ale niedoskonałe, oceniano jako bardziej niesamowite i mniej przyjemne niż obrazy wyraźnie nierealistyczne oraz niż obrazy realistyczne. Przyjemność układała się w funkcję kwadratową realizmu. Efekt moderowała neofobia żywieniowa, a nie wrażliwość na obrzydzenie, co autorzy wiążą z awersją do nowości, a nie ze skojarzeniem ze skażeniem.
Zestawione z hiperrealizmem daje to obraz niemonotoniczny: zależność między realizmem a odbiorem ma dwa przeciwne odcinki i zdanie o tym, że „treści AI są odbierane gorzej”, rozmija się z danymi na obu końcach skali.
Czas spędzony na treści i rezygnacja z niej
To jest najsłabiej udokumentowana część zagadnienia i warto powiedzieć to wprost, zamiast uzupełniać lukę danymi platformowymi, których nikt nie opublikował w formie dającej się zweryfikować.
Praca, która podchodzi do tego najbliżej, to badanie Fana, Liu i Huanga (2025) nad czytaniem na telefonie. Czterdzieści siedem osób czytało sześć artykułów w trzech warunkach: ze streszczeniem wytworzonym przez model, ze streszczeniem ludzkim oraz z pełnym tekstem od razu. Rejestrowano czas czytania, odsetek przejść do pełnego tekstu i głębokość przewinięcia, a po każdym artykule prowadzono test zrozumienia i pomiar zaufania. Streszczenia ludzkie zebrały wyższe oceny zaufania i kompletności, ale odsetek przejść do pełnego tekstu był porównywalny i wynosił 81,9 procent dla streszczeń wytworzonych przez model wobec 72,3 procent dla ludzkich. Najwyższe zrozumienie dawał pełny tekst podany od razu.
Rozjazd idzie tu w stronę odwrotną niż w badaniach nad etykietą: niższe zaufanie deklarowane nie przełożyło się na rzadsze sięganie po treść. Drugim dostępnym wynikiem jest wspomniana obserwacja Kiper i Liang (2025) o dłuższym oglądaniu reklam prawdziwych przez kobiety, z tym że dotyczy ona ekspozycji wymuszonej procedurą, a nie swobodnej rezygnacji z treści.
Wniosek jest metodologiczny: czas do porzucenia treści wymaga pomiaru w warunkach, w których porzucenie jest możliwe, a większość omawianych prac takich warunków nie tworzy.
Czego z tego materiału nie wolno wyprowadzić
- Fiksacja na obrazie wytworzonym przez model nie oznacza, że został rozpoznany. Oznacza, że wzrok się tam zatrzymał.
- Dłuższe oglądanie nie jest miarą zainteresowania. W pracy Huanga i współpracowników wiąże się z podejrzeniem co do pochodzenia obrazu.
- Większa liczba fiksacji nie jest miarą preferencji. U Gonçalvesa i współpracowników wybór i wzorzec wzroku rozeszły się: wariant poprawiony przez model dawał ten sam zapis co wariant wytworzony w całości, a wybierany był rzadziej.
- Różnice deklaracji z warunków z etykietą nie przenoszą się wprost na sytuację rynkową, w której oznaczanie bywa obowiązkowe, a odbiorca spotyka treść poza procedurą badawczą.
- Próby to w większości studenci i uczestnicy paneli, bodźce są krótkie, a ekspozycja wymuszona.
- Wynik o trafności rozpoznania ma datę. Opisuje generator z chwili pomiaru, a nie zdolność człowieka jako taką, więc praca z roku 2022 i praca z roku 2026 mówią o dwóch różnych materiałach.
Co z tego wynika dla planu badania
Projektowanie pomiaru w tym obszarze sprowadza się do kilku rozstrzygnięć, które trzeba podjąć przed pierwszą rejestracją.
Źródło materiału i etykieta autorstwa są dwiema zmiennymi, nie jedną. Plan analizy musi je rozdzielać, inaczej efekt etykiety wejdzie w efekt materiału i nie da się ich rozplątać po pomiarze. Warunek bez etykiety jest przy tym konieczny jako punkt odniesienia, bo tylko on odpowiada na pytanie, czy różnica w ogóle tkwi w materiale.
Luminancja i kontrast muszą być wyrównane między zestawami, jeżeli w planie stoi pupilometria. Procedura detekcji wymaga rozstrzygnięcia, czy wybór jest wymuszony z pary, czy ocena dotyczy pojedynczego bodźca, bo od tego zależy poziom trafności i porównywalność z literaturą. Deklarację zbiera się zawsze, bo rozbieżność między nią a zapisem jest wynikiem, a nie zakłóceniem.
Dobór metod wynika z pytania. Okulografia odpowiada na pytanie, gdzie i jak długo trwało oglądanie. Aktywność elektrodermalna mówi o sile pobudzenia. Analiza mimiki klasyfikuje ruchy mięśni twarzy. Wywiad po zadaniu pokazuje, co uczestnik potrafi nazwać. Dopiero złożenie tych kanałów na wspólnej osi czasu pozwala powiedzieć, w którym momencie ekspozycji pojawia się różnica, i to jest powód, dla którego pomiar w tym obszarze prowadzi się wielokanałowo.
Bibliografia
- Baek, T., Kim, J., Kim, J. (2024). Effect of disclosing AI-generated content on prosocial advertising evaluation. International Journal of Advertising.
- Bara, I., Ramsey, R., Cross, E. (2025). AI contextual information shapes moral and aesthetic judgments of AI-generated visual art. Cognition.
- Di Dio, C., Manzi, F., Peretti, G., Longoni, F. i in. (2026). The invisible signature: Top-down bias in aesthetic evaluation of visual and textual AI-generated art. Computers in Human Behavior Reports.
- Diel, A., Lalgi, T., Teufel, M., Bäuerle, A. i in. (2025). Eerie edibles: Realism and food neophobia predict an uncanny valley in AI-generated food images. Appetite.
- Fan, G., Liu, D., Huang, Y. (2025). Skim or Swim? Investigating AI-Generated Summaries, Trust, and Comprehension in Chinese Mobile Reading. International Journal of Human-Computer Interaction.
- Fatemi, S., Shalchyan, V. (2026). Emotional and attentional biases of AI-generated visual stimuli: An eye-tracking study. Computers in Human Behavior Reports.
- Fišer, N., Martín-Pascual, M., Andreu-Sánchez, C. (2025). Emotional impact of AI-generated vs. human-composed music in audiovisual media: A biometric and self-report study. PLOS One.
- Gong, C. (2023). AI voices reduce cognitive activity? A psychophysiological study of the media effect of AI and human newscasts in Chinese journalism. Frontiers in Psychology.
- Gonçalves, A., Afonso, M., Martins, P., Teixeira, A. (2026). Eye-Tracking Analysis of Visual Attention and Preference in Human-Created, AI-Generated, and AI-Refined Human Advertisements. Sensors.
- Heimstad, S., Wien, A., Gaustad, T. (2025). Machine heuristic in algorithm aversion: Perceived creativity and effort of output created by or with artificial intelligence. Computers in Human Behavior: Artificial Humans.
- Huang, J., Gopalakrishnan, S., Mittal, T., Zuena, J. i in. (2025). Analysis of Human Perception in Distinguishing Real and AI-Generated Faces: An Eye-Tracking Based Study. IEEE International Conference on Automatic Face and Gesture Recognition.
- Jakesch, M., Hancock, J., Naaman, M. (2023). Human heuristics for AI-generated language are flawed. Proceedings of the National Academy of Sciences.
- Kiper, E., Liang, Y. (2025). Do AI-generated fashion ads work as effectively as real fashion ads? An eye-tracking comparison of consumers' visual attention. Journal of Global Fashion Marketing.
- Kramer, R., Jones, A., Fitousi, D., Tree, J. (2025). AI-generated images of familiar faces are indistinguishable from real photographs. Cognitive Research: Principles and Implications.
- Lim, S., Schmälzle, R. (2024). The effect of source disclosure on evaluation of AI-generated messages. Computers in Human Behavior: Artificial Humans.
- Miller, E., Steward, B., Witkower, Z., Sutherland, C. i in. (2023). AI Hyperrealism: Why AI Faces Are Perceived as More Real Than Human Ones. Psychological Science.
- Nightingale, S., Farid, H. (2022). AI-synthesized faces are indistinguishable from real faces and more trustworthy. Proceedings of the National Academy of Sciences.
- Osińska, V., Kortas, W., Szalach, A., Welter, M. (2025). AI Images vs. Real Photographs: Investigating Visual Recognition and Perception. Journal of Eye Movement Research.
- Porter, B., Machery, E. (2024). AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably. Scientific Reports.
- Proverbio, A., Dosaikina, M. (2026). Neural signatures of hyper-realistic AI-generated faces: dissociating behavioral indistinguishability from implicit neural evaluation. Scientific Reports.
- Toff, B., Simon, F. (2024). "Or They Could Just Not Use It?": The Dilemma of AI Disclosure for Audience Trust in News. The International Journal of Press/Politics.
- Wang, Y., Leng, X., He, G., Lin, H. (2026). When Labels Matter More: Behavioral and Eye-Tracking Evidence on Aesthetic Judgment of AI-Generated and Human-Created Paintings by Lay Viewers. Empirical Studies of the Arts.
- Zhang, Z., Fort, J., Giménez Mateu, L. (2024). Decoding emotional responses to AI-generated architectural imagery. Frontiers in Psychology.
Pomiar wielokanałowy w jednym nagraniu
Rozbieżność między deklaracją a zapisem widać dopiero wtedy, gdy obie rzeczy stoją na wspólnej osi czasu. Platforma iMotions spina okulografię, aktywność elektrodermalną, EEG i analizę mimiki z odpowiedziami uczestnika w jedno nagranie.


