Czytelnicy ocenili opowiadania wygenerowane przez ChatGPT wyżej niż prozę opublikowaną wcześniej w czasopismach literackich, a poproszeni o wskazanie autora wypadli gorzej niż przy rzucie monetą. Najwyższe noty zbierały teksty maszynowe, którym badacze doklejili fałszywą etykietę „napisane przez człowieka”.
Kluczowe fakty:
- Badanie opublikowane 5 sierpnia 2026 roku w czasopiśmie „Judgment and Decision Making" wykazało, że czytelnicy oceniali opowiadania wygenerowane przez ChatGPT 4.0 wyżej niż prozę napisaną przez ludzi i opublikowaną w czasopismach literackich.
- Uczestnicy eksperymentu nie potrafili skutecznie odróżnić tekstów maszynowych od ludzkich – ich wyniki były gorsze niż przy rzucie monetą, a najwyższe noty otrzymywały opowiadania AI opatrzone fałszywą etykietą „napisane przez człowieka".
- W trzech eksperymentach łącznie wzięło udział 2587 osób w wieku od 18 do 81 lat, dobranych tak, by próba odzwierciedlała strukturę populacji USA pod względem wieku, płci i pochodzenia.
Praca ukazała się 5 sierpnia 2026 roku w czasopiśmie „Judgment and Decision Making”, wydawanym przez Cambridge University Press. Jej autorkami są Sydney Sears i Deena Skolnick Weisberg z Wydziału Nauk Psychologicznych i Nauk o Mózgu Villanova University w Pensylwanii. Tytuł oryginalny brzmi „Bot or not”, co dobrze oddaje charakter eksperymentu: to klasyczny test Turinga przeniesiony na grunt prozy literackiej.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Trzy opowiadania z czasopism, trzy z ChatGPT 4.0
Badaczki wzięły trzy opowiadania opublikowane wcześniej przez ludzi: „FISH” Emilie Fox z „Longleaf Review” z 2021 roku, „High Heels” Susie Maguire ze zbioru „The Short Hello” z 2000 roku oraz „Inisfree” Patricka Smytha ze zbioru „Whipping the Cat” z 1993 roku. Do każdego z nich dopisały odpowiednik wygenerowany przez ChatGPT 4.0 na podstawie polecenia streszczającego temat i punkt widzenia narratora. Każdy tekst miał około tysiąca słów, czyli mniej więcej pięć minut lektury.
Poziom szczegółowości dokumentacji robi wrażenie. W artykule znajdziemy nie tylko treść poleceń, ale też moment powstania każdego tekstu maszynowego, z dokładnością do minuty. Opowiadanie „Reflections in Still Water”, odpowiednik „FISH”, powstało 15 listopada 2023 roku około 21:37.
W pierwszym eksperymencie 1682 dorosłe osoby rekrutowane przez Prolific przeczytały po jednym opowiadaniu. Połowie powiedziano prawdę o autorze, połowie skłamano. W drugim i trzecim eksperymencie 424 i 481 osób dostało parę tekstów na ten sam temat i miało wskazać, który napisał człowiek. Łącznie w trzech badaniach wzięło udział 2587 osób w wieku od 18 do 81 lat, dobranych tak, by próba odzwierciedlała strukturę populacji USA pod względem wieku, płci i pochodzenia.
Etykieta podnosi ocenę każdego tekstu, niezależnie od tego, kto go napisał
Wyniki układają się w schemat, który sam w sobie jest ciekawszy niż nagłówek o wygranej maszyny.
- Opowiadania z ChatGPT wciągały mocniej (średnia 1,42 wobec 1,00 na skali od minus 3 do 3) i były oceniane jako lepiej napisane (1,54 wobec 0,97).
- Etykieta „autor: człowiek” podnosiła ocenę tego samego tekstu niezależnie od jego prawdziwego pochodzenia.
- W drugim eksperymencie poprawnie wskazało autora 167 z 424 osób, czyli 39,39 procent. To wynik gorszy od przypadku, statystycznie odróżnialny od pięćdziesięciu procent.
- W trzecim eksperymencie trafiło 250 z 481 osób, czyli 51,97 procent. Od losowania nie różni się to niczym.
- Osoby, które deklarowały, że decydowały na podstawie języka opowiadania, myliły się częściej niż reszta.
Ten ostatni punkt jest dla mnie najbardziej niepokojący z całego zestawu. Ludzie nie tylko nie potrafią rozpoznać tekstu maszynowego. Oni sięgają po sygnały, które prowadzą ich w złą stronę. W trzecim badaniu pojawiła się jeszcze jedna zależność: im dłużej ktoś czytał, tym gorzej trafiał. Efekt był drobny, ale kierunek ten sam.
Czytam ten wynik jako komunikat o czytelnikach, nie o maszynach. Prosty, uporządkowany tekst z jasno postawioną tezą wygrywa z prozą, która każe się domyślać. To nie jest odkrycie z 2026 roku, tylko coś, o czym redaktorzy wiedzą od dziesięcioleci. Nowe jest to, że narzędzie produkujące taką gładką średnią kosztuje kilkadziesiąt złotych miesięcznie i pracuje bez przerwy. Jednocześnie odradzam wyciąganie z tego wniosku, że algorytm pisze lepiej od ludzi. Badanie porównywało krótkie formy, po tysiąc słów, w jednej konwencji realistycznej. Autorki same to zastrzegają. Pytanie, na które nikt jeszcze nie odpowiedział, brzmi: co się stanie przy dwustu stronach, gdzie trzeba prowadzić postać i utrzymać napięcie. Podejrzewam, że tam przewaga człowieka nadal istnieje. Ale nie przyjmuję tego na wiarę i chciałbym zobaczyć badanie.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Rozpoznają lepiej ci, którzy sami korzystają z AI
Sears i Weisberg sprawdziły dwie kompetencje: znajomość systemów AI i znajomość literatury pięknej. Zadziałała tylko pierwsza. W drugim eksperymencie każdy punkt na skali doświadczenia z AI zwiększał szanse na trafne wskazanie autora o 14 procent. W trzecim, gdzie użyto zwalidowanej skali AI Literacy Scale, przyrost wynosił 33 procent na punkt. Deklarowane obycie z literaturą nie dawało żadnej przewagi.
Weisberg tłumaczyła to w komunikacie prasowym Cambridge University Press tym, że obycie z systemami AI pozwala wychwycić powtarzalne wzorce w tekście: „myślniki i konstrukcje w rodzaju »to nie tylko X, to Y«” / „em dashes and sentence structures such as 'it’s not just X, it’s Y'”. Dodała, że społeczne wyobrażenia o granicach możliwości AI robią się coraz bardziej nieaktualne.
Zwracam uwagę na ironię tej sytuacji. Rozpoznawanie tekstu maszynowego stało się umiejętnością warsztatową, której uczy się przez kontakt z narzędziem, a nie przez lekturę. Kto nie używa modeli językowych, ten ich nie widzi.
Luke Kennard: absolutnie i kategorycznie nie
Nie wszyscy w środowisku literackim przyjmują takie badania spokojnie. Luke Kennard, profesor filmu i pisarstwa kreatywnego na University of Birmingham, który nie brał udziału w pracy, powiedział „Guardianowi”, że generatywna AI to nie narzędzie w rodzaju sprawdzania pisowni, tylko zagrożenie egzystencjalne dla zawodu. Jego zdaniem model wytrenowany na tysiącach lat ludzkiej twórczości musiałby być żenujący, gdyby nie umiał wygenerować przyzwoitego wiersza, więc sam fakt, że mu się to udaje, niczego nie dowodzi. Kennard pytał raczej o bilans całości, wliczając w to koszty energetyczne i wodne centrów danych oraz sposób pozyskania materiału treningowego: „czy to jest tego warte? A odpowiedź brzmi: absolutnie, kategorycznie nie” / „is it worth it? And the answer is absolutely, categorically, it is not”.
Sama Weisberg, która pisze prozę, zajmuje stanowisko łagodniejsze. Uważa, że trzeba będzie zrobić miejsce dla powieści maszynowych i dla tekstów pisanych wspólnie przez człowieka i model, co nie kasuje sensu ludzkiego pisania jako formy wyrazu.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Artykuł 50 AI Act nie ochroni czytelnika przed powieścią z ChatGPT
Od 2 sierpnia 2026 roku stosuje się obowiązki przejrzystości z artykułu 50 unijnego rozporządzenia o sztucznej inteligencji. Wiele osób odczytało tę datę jako moment, od którego każda treść zrobiona z pomocą modelu ma być oznaczona. Sprawdziłem i tak nie jest. Obowiązek widocznego oznaczenia tekstu powstaje wtedy, gdy materiał jest publikowany w celu informowania społeczeństwa o sprawach będących przedmiotem interesu publicznego. Powieść, opowiadanie i tomik poezji się w tej definicji nie mieszczą.
Konsekwencja jest prosta: polski czytelnik kupujący książkę nie ma i po 2 sierpnia nadal nie będzie miał prawnej gwarancji, że dowie się o udziale algorytmu w jej powstaniu. Sankcje za naruszenie artykułu 50 sięgają 15 milionów euro albo 3 procent światowego obrotu firmy, w zależności od tego, która kwota jest wyższa, ale dotyczą innych sytuacji: chatbotów, deepfake’ów i treści informacyjnych. Nadzór w Polsce obejmie Komisja Rozwoju i Bezpieczeństwa Sztucznej Inteligencji, powołana ustawą z 3 lipca 2026 roku o systemach sztucznej inteligencji (Dz.U. 2026 poz. 1003). Ustawa wchodzi w życie 11 sierpnia, a przepisy o kontrolach, skargach i karach zaczną działać dopiero pod koniec października.
Zostaje więc rynek i samoregulacja. Włodzimierz Albin z Rady Polskiej Izby Książki przyznał w rozmowie z RadioZET.pl, że „nie istnieje metoda, która pozwalałaby z pełną pewnością stwierdzić”, czy dany tekst powstał z udziałem sztucznej inteligencji. Wskazywał na dwie zmiany, które już widać: gwałtowny przyrost liczby publikacji w self-publishingu i związane z tym ograniczenia wprowadzone przez Kindle’a, a w dalszej perspektywie spadek średniej jakości i konieczność mocniejszej selekcji redakcyjnej po stronie wydawców.
Badanie z Villanova dokłada do tego argument, którego polska branża wydawnicza może nie chcieć usłyszeć. Jeśli czytelnik nie odróżnia tekstu maszynowego od ludzkiego nawet wtedy, gdy dostaje oba obok siebie i wie, że jeden z nich napisał algorytm, to na rynku księgarskim, gdzie takiej podpowiedzi nie ma, jego szanse są jeszcze mniejsze. Ochroną nie będzie ani przepis, ani smak literacki. Będzie nią reputacja konkretnego autora i konkretnego wydawcy, czyli dokładnie to, co Albin nazwał autentycznym stylem i wiarygodnością.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz źródeł pierwotnych, w tym pracy Sydney Sears i Deeny Skolnick Weisberg „Bot or not: Can people tell the difference between stories written by a human or by an AI system?” w „Judgment and Decision Making” z 05.08.2026, komunikatu prasowego Cambridge University Press z 04.08.2026 oraz materiału „The Guardian” autorstwa Nicoli Davis. Dane liczbowe zweryfikowano bezpośrednio w tekście pracy naukowej, materiały badania są dostępne w repozytorium Open Science Framework. Cytaty Deeny Skolnick Weisberg i Luke’a Kennarda zweryfikowano z oryginalnym anglojęzycznym materiałem źródłowym. Kontekst polski opracowano na podstawie analiz prawnych dotyczących artykułu 50 AI Act publikowanych przez Prawo.pl, GazetaPrawna.pl i Infor.pl oraz wypowiedzi Włodzimierza Albina dla RadioZET.pl, przywołanej przez portal Rynek Książki. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych badań nad rozpoznawalnością tekstów generowanych przez modele językowe.
