Lži z Francie: hořící věž i šéfkuchař na ulici. Falešná videa už nepoznáte

Natáčet probíhající protesty v Paříži není jednoduché. Štáb redakce Euronews byl dokonce v sobotu 17. října napaden, možná v reakci na povzbuzení na sociálních sítích, které vyzývaly k tomu, aby demonstranti zabránili novinářům natáčet protesty.

„Byli jsme u bulváru Magenta, nedaleko supermarketu, který zrovna rabovali mladí lidé, mladí dospělí i náctiletí. Když viděli, že natáčíme, začali mlátit mého kameramana, pokusili se mu vytrhnout mikrofon a obklíčili nás,“ popisuje Estelle Nilsson-Julienová, zpravodajka Euronews v Paříži.

Následně jim útočníci vytrhli kameru, kterou sice následně vrátili, ale bez paměťové karty. Všechny záběry byly pryč. Novináři samozřejmě na pařížských ulicích natáčejí dál, ale s vědomím, že to není bez rizika.

Mezitím se na sociálních sítích šíří videoklipy, které v Paříži vůbec nevznikly. Ukázky najdete v úvodním videu. K jejich vytvoření stačí AI nástroje, které jsou nyní překvapivě dostupné, rychlé a relativně levné.

Zatímco ještě před rokem bylo obvykle možné generované videozáběry poznat, dnes už se odborníci shodují, že to je – jen ze samotného videa – prakticky nemožné.

Když něco natočila kamera, lidé věděli, že se to s největší pravděpodobností opravdu stalo. Obvykle stačilo ověřit, že záběr není starý, nebo odjinud. U události, která se právě stala, bylo čerstvé video samo o sobě důkazem. Bylo nemyslitelné, aby někdo stihl tak rychle zinscenovat falešné záběry.

Už v roce 2017 výzkumník Ian Goodfellow varoval, že vztah lidí k videu a k realitě se bude muset změnit. Pracoval tehdy v Google Brain na GAN – neuronových sítích, které lze označit za předchůdce dnešních generativních nástrojů pro AI tvorbu obrázků i videa.

„Historicky to byla tak trochu anomálie, že jsme se mohli spolehnout na to, že když něco vidíme na videu, tak se to skutečně událo,“ podotkl. Připomněl ale, že třeba fotografie lidé upravují už dlouho, a pokroky v AI jen umožní to samé i pro video: „Umělá inteligence v tomto případě zavře dveře, které jsme brali jako samozřejmé.“

Netrvalo dlouho a jeho slova se víceméně naplnila. Videoklipům se nedá věřit. Respektive, jen z toho, že něco vidíte na videu, nemůžete usuzovat, že se to skutečně stalo.

„Falešných videí je rozhodně více,“ říká Nela Vejvodová, hlavní editorka iROZHLAS.cz, který v rámci sekce Ověřovna systematicky ověřuje podezřelá videa nebo fotografie. „Rojí se ale při každé větší události: útoku, nehodě, demonstracích.“

Umělá inteligence se trénovala na skutečných fotografiích. Není proto až tak překvapivé, že dokáže generovat fotorealistické výsledky. Už na začátku roku 2024 jsme v našem velkém testu ukázali, že většina lidí nedokáže rozeznat pravou fotografii od vygenerovaného, realisticky se tvářícího obrázku.

Videoklipy byly těžší oříšek. Pohyb, fyzika nebo konzistence postav dělala generátorům „umělého videa“ dlouho problémy. Když jsme v létě 2025 podrobili testu nejlepší tehdy dostupné generátory, byly výsledky sice ohromující, ale při podrobném prozkoumání by si pozorný divák prakticky u všech klipů všiml nějakých nesrovnalostí.

Jenž rok je v AI oblasti dlouhá doba, a v roce 2026 už jsou generátory tak schopné, že se lidé zkrátka nemohou spolehnout na to, že poznají, zda je video skutečné, nebo jde o AI produkt.

Letos v září to ukázal tým z Českého vysokého učení technického v Praze. Ve své studii (zatím neprošla recenzním řízením) experti otestovali přes dva tisíce syntetických videí. Dobrovolníci, převážně studenti technických oborů, měli možnost každý klip přehrát až desetkrát – tedy žádné povrchní listování – a poté měli rozhodnout, zda je skutečný, nebo vygenerovaný.

U starších vygenerovaných videí dokázali studenti identifikovat skoro 75 % podvrhů. U novějších generátorů byla ale jejich úspěšnost pouhých 52,6 %, tedy jen nepatrně vyšší, než náhoda.

„Překvapivé to pro nás není. Pozorovali jsme rychle se zlepšující kvalitu generátorů videa,“ říká Jan Čech se skupiny vizuálního rozpoznávání FEL ČVUT v Praze, který se na studii podílel.

Zlepšení podle něj není jen u velkých komerčních modelů, ale i u volně dostupných, které si kdokoli stáhne a spustí doma. U AI generátoru LTX 2.3 respondenti odhalili jen 25 % falešných videí. Jedná se přitom o open-source nástroj, takže existuje jen minimální možnost dohledu nad tím, k čemu jej budou lidé používat.

Lidé si podle Čecha často myslí, že videa vygenerovaná AI poznají, že na to mají cit, a hledají podivné zuby, vlasy nebo vyhlazený obraz. „Obecně to pravda není. V naší studii jsme ukázali, že u nových modelů už to poznat nejde.“

Nová generace AI nástrojů přináší takovou míru realistické vizuální fabulace, že ani experti si nejsou jistí tím, zda dokáží odhalit každou videomontáž. Hany Farid, profesor informatiky na Dartmouth College, patří k předním expertům na rozpoznávání falešného videa od pravého. V létě 2026 přiznal, že si přestává být jistý, zda je schopen falešné AI video odhalit: „Kdokoliv dnes může udělat video kohokoliv, jak říká cokoliv.“

„Mám pocit, jako by mi odcházel zrak,“ řekl Farid reportérovi New York Times s tím, že poslední dobou jsou falešná AI videa opravdu realistická a často zákeřná.

„Stýská se mi po těch dnech, kdy lidé (pomocí AI) generovali zašumělé video žraloka, jak plave po ulici. Už nemůžu věřit ničemu. Kreslím si čáry stínů, počítám geometrické souvislosti a snažím se rozklíčovat, na co se dívám.“ Samotným pohledem už podle něj nelze poznat, zda je video skutečné, či zfalšované.

„Geometrie a fyzika scény, což jsou stíny, perspektiva, odrazy, geometrie, to pořád může fungovat, má smysl se na to dívat,“ domnívá se Barbara Zitová z Ústavu teorie informace a automatizace Akademie věd.

Dále je dobré zkusit najít, odkud se video vzalo. „Je to úspěšnější než analýza falešnosti,“ připomíná Zitová. Profesionální ověřovači mohou zkusit ve videu identifikovat orientační body, ověřit počasí, zkontrolovat nápisy apod.

Ani strojová detekce AI videí není příliš spolehlivá. Částečně i proto, že existuje řada různých nástrojů pro generování AI videí. „Není problém, mám-li příklady z nějakých generátorů, natrénovat detektor, který je bude detekovat,“ vysvětluje Jan Čech. Na takových videích dosahuje přesnosti 99 procent, i když je člověk nepozná. Pokud se tedy detektor setká s videem, které bylo vygenerované nástrojem, na kterém byl detektor sám trénovaný, úspěšnost rychle klesá.

S kolegy otestoval devět špičkových detektorů AI videí. Nejlepší dosáhl úspěšnosti 69,7 bodu ze sta, u starších podvrhů přitom měl 89,9. Jeden dokonce spadl na úroveň náhody.

Čechův tým navíc zjistil, že i nejlepší detektory (včetně jejich vlastního řešení) selhávaly u videí vygenerovaných od nuly. Lépe fungují tam, kde se generované části spojují se skutečnými.

Úplně nespolehlivé jsou pak AI nástroje dostupné veřejnosti. Když se lidé ptají chatbotů, zda je nějaký obrázek nebo video vygenerované, mohou dostat věrohodně znějící – ale zcela nepodloženou – odpověď. Paradoxně může například i označit skutečný záběr za montáž.

Lidé se tak probouzejí do doby, ve které nemohou věřit videu jen proto, že se hýbe. S tím klesá důvěra ve videoklipy obecně, což pak dopadá i na skutečné záběry. Hany Farid a další výzkumníci letos dokonce ukázali, že lidé pouze 60 % skutečných videoklipů označí za reálné.

Zatímco u videomontáží platí, že čím delší video lidé vidí, tím spíše poznají, že jde o montáž, u skutečných videí se s délkou šance nemění. Když totiž sledujete falešné video, čím je delší, tím je větší šance, že narazíte na nesrovnalost, která vám napoví, že jde o generovanou sekvenci. Reálné video naproti tomu ale nemá žádný další „nástroj“, pomocí kterého by prokázalo, že je reálné. Nedůvěra lidí tak přetrvává. To nahrává všem, kdo mohou těžit z toho, že lidé nevědí, komu a čemu věřit. Například klasickým cílem hybridní války není přesvědčit obyvatelstvo, že něco je, nebo není pravda. Cílem často je samotná důvěra lidí v to, že pravdu je vůbec možné poznat. „Kdo ví, jak to doopravdy je,“ řekne si člověk, když vidí desítky videí a nemůže si být jist, které je to pravé. I na ta skutečná videa potom dopadá stín pochybností.

Dále na falšování videí vydělávají podvodníci. V Česku jsou například na sociálních sítích rozšířené podvodné reklamy, které zneužívají tváře slavných lidí (premiéra, prezidenta, moderátorů, herců) k prodeji podvodných služeb nebo investičních nabídek.

Ale i další lidé mohou využít faktu, že existuje nástroj, který umožňuje generování realistických videí, aniž by přímo tento nástroj využili. Stačí, že mohou jakýkoli důkazní materiál v očích veřejnosti zpochybnit: „To nejsem já, to je AI.“

Videa, která by dříve představovala jasný a přesvědčivý důkaz, dnes mají váhu jen o něco málo větší, než anonymní svědectví.

Důvěru lidé odpradávna vázali na osobní zkušenost. Fotografie a videa daly ve 20. století lidem možnost věřit „objektivnímu záznamu reality“ i tam, kde osobně neznali původce. Tato – jak říká Goodfellow – historická anomálie nyní pomalu končí. Lidé se tak vracejí k rozhodování na základě toho, odkud informace pochází.

Ne vždy je to jednoduché. „Lidi stále mate například modrá fajfka na síti X. Berou to jako ověřený účet, byť si ji dnes může koupit úplně kdokoliv,“ připomíná Vejvodová z Českého rozhlasu. „Následné přidání různě barevných fajfek či malých log a odznáčků, které znamenají každý něco trochu jiného, situaci dále znepřehledňuje.“

Lidé proto musí nejen zkoumat, zda video pochází z pro ně důvěryhodného zdroje, ale i to, zda se někdo za tento zdroj nevydává. Přilepit logo důvěryhodné televizní stanice na falešnou reportáž je ostatně levná taktika, které se používala dávno před nástupem generativní AI.

Přesto zůstává důraz na zdroj tím doporučením, na němž se odborníci na ověřování informací shodují : posuzovat spíše zdroj videa, než řešit samotné pixely. Kdo a proč se snaží video šířit? Chce u mne vyvolat nějakou emoci? Dává smysl, aby takové video vzniklo?

Tuto kalkulaci ostatně museli lidé dělat vždy. I ve 20. století bylo možné videa falšovat. Jen to stálo desítky hodin práce a statisícové částky, a tak bylo logické předpokládat, že většina videí, která vidíte, jsou videa reálná.

Tento předpoklad už však do budoucna platit nebude. Vygenerovat video bude totiž paradoxně jednodušší, než ho doopravdy natočit. O to těžší pak bude v takovém – oprávněně podezřívavém – světě získat si důvěru ostatních.