Rubrika: Technologie & AI | Justice & právo Autor: V Délka čtení: ~27 min Prameny a další četba: 22 položek Témata: deepfake, C2PA, Content Credentials, detekce videa, fotografie, AI Act, trestní zákoník SEO / pracovní titulek: Deepfake: Jak poznat falešné video nebo fotografii?
Otázka zní: jak poznat falešné video nebo fotografii? Zní jednoduše jen do chvíle, než si všimneme, že neporovnáváme jednu věc. Chybějící razítko Content Credentials není důkaz pravosti. C2PA říká, kdo prohlásil původ, ne že scéna ve světě nastala. Detektor „krve v pixelu“ není forenzní závěr na Instagramu. Označení podle AI Actu není trestní stíhání pachatele. Teprve když se tyto čtyři věci oddělí, jde číst, co podpis, laboratoř a novela trestního zákoníku k září 2026 skutečně drží — a co oko, které trefilo náhodu, nedrží.
Tento text neřeší hlas. Telefonát, syntetický hlas a platba patří do jiného článku. Neřeší ani širší otázku, zda fotografie sama stačí jako důkaz před soudem; to je samostatný text o fotografii jako důkazu. Tady jde o praktičtější otázku: co udělat se souborem, který leží na displeji a tváří se jako obraz světa.
1. Novinář, detektor a státní zástupce neřeší tutéž fotografii
Představme si redakční poradu v den, kdy se v síti šíří krátké video politika. Editorka chce vědět, zda je u něj zjevné označení podle AI Actu. Grafik hledá Content Credentials. Forenzní nadšenec spouští detektor, který slibuje odhalit syntetické video podle jemných změn barvy v obličeji. Právník se ptá, zda jde o pomluvu, podvod, zásah do podobizny nebo novou skutkovou podstatu v trestním zákoníku. Čtenář v komentářích píše, že to „na první pohled vidí“.
Na první pohled je to spor, jestli je video pravé. Ve skutečnosti každý drží jiný předmět. Editorka řeší povinnost označení vůči publiku. Grafik řeší kryptografický manifest v souboru. Nadšenec řeší statistický signál v obrazu. Právník řeší nakládání s podobiznou, úmysl a následek. Čtenář řeší dojem.
Proto mohou být všichni částečně správně a společný verdikt přesto špatně. Video může být neoznačené a přitom pravé. Může mít platný manifest a přitom nezachycovat to, co divák z titulku vyvozuje. Může projít laboratorním detektorem a přesto být jen špatně komprimované. Může být zjevně syntetické a přesto nemusí naplnit konkrétní trestný čin.
První pravidlo praktické detekce proto nezní: najděte nejlepší detektor. Zní: určete vrstvu. U podpisu se ptáme, zda soubor nese ověřitelný manifest. U detektoru se ptáme, na jaké populaci byl testován. U práva se ptáme, co s obrazem někdo udělal. U lidského oka se ptáme, zda vůbec má šanci rozlišit to, co tvrdí.
Chybějící razítko není důkaz pravosti.
— Jiný Kontext
2. Jedna scéna na displeji má nejméně šest vrstev
Jeden obrázek v telefonu vypadá jako jedna věc. Není jí. Je to výsledek řetězce, v němž se mísí snímač, kontejner, úpravy, distribuce, popisky, algoritmické zásahy a právní následky. Když se tyto vrstvy smíchají, vzniká falešná jistota: chybí metadata, tedy je to podvrh; detektor ukázal vysoké skóre, tedy je hotovo; není označení, tedy je porušen zákon; obraz vypadá divně, tedy je AI.
Šest vrstev jedné scény:
- Snímač a kontejner. Fotoaparát, telefon, sociální síť, messenger, screenshot a komprese. Každý krok může zachovat, změnit nebo zahodit metadata.
- Generátor nebo úprava. Face-swap, GAN tvář, obrazový model, video model, ruční retuš, střih nebo běžný filtr. Ne každá úprava je deepfake a ne každý deepfake je stejný.
- Signál detekce. Vizuální artefakt, biologický rytmus v obličeji, watermark, strojové metadata, síť natrénovaná na konkrétní sadě.
- Distribuce. Redakční publikace, reklama, soukromá zpráva, předvolební materiál, anonymní repost. Stejný soubor v jiném kanálu znamená jinou odpovědnost.
- Označení. Strojově čitelné značení poskytovatele a zjevné označení deepfake vůči publiku podle čl. 50 AI Actu jsou dvě věci [6][7].
- Právo po činu. Trestní zákoník, občanský zákoník a ochrana osobních údajů posuzují jednání, souhlas, újmu, úmysl a kontext, ne jen strukturu pixelu [9][10][22].
Tato vrstevnatost není slovní hra. Mění, koho se ptát při selhání. Pokud se ztratil manifest, možná ho shodil screenshot. Pokud detektor křičí, možná vidí špatné světlo. Pokud je dílo neoznačené, ještě nevíme, kdo ho zveřejnil a v jakém režimu. Pokud jde o nepravou podobiznu, právo se nebude ptát jen na techniku vytvoření, ale na nakládání se zobrazenou osobou.
Ilustrační schéma: Podpis, detektor a právo jsou tři sloupce. Mezi nimi nevede šipka „je to fake“. V každém sloupci stojí jiná otázka: je manifest platný, na jaké sadě byl signál ověřen, jaké jednání se stalo.
3. Chybějící razítko není důkaz pravosti
Content Credentials se někdy popisují jako digitální rodný list obrázku. Je to užitečná zkratka, pokud víme, kde končí. C2PA manifest může nést tvrzení o původu, úpravách a podepsaném obsahu. Jenže většina běžných souborů takový manifest vůbec mít nemusí. Telefon ho nepřidal. Sociální síť ho zahodila. Messenger obrázek přepočítal. Někdo udělal screenshot.
Absence razítka proto není podezření sama o sobě. Je to často výchozí stav. Pokud soubor z běžného telefonu nenese C2PA, neplyne z toho, že byl vygenerován umělou inteligencí. Pokud obrázek po cestě přes chat ztratil metadata, neplyne z toho, že původní scéna nenastala. Plyne z toho jen to, že konkrétní soubor, který právě držíme, nenese ověřitelný manifest.
To je pro redakci nepohodlné, ale přesnější. Veřejný census, kolik zpravodajských vizuálů v Česku k září 2026 nese platné Content Credentials, dossier nemá. Bez takového měření nejde z absence podpisu dělat pravidlo o českém mediálním provozu. Lze jen říct, že podpis pomáhá tam, kde je přítomen a kde sedí řetězec důvěry.
Praktická otázka tedy nezní, zda obrázek „má razítko pravosti“. Zní, zda u konkrétního souboru existuje ověřitelný podpis původu a co přesně podepisuje. Absence je signál k opatrnosti. Není to rozsudek.
4. C2PA říká, kdo prohlásil původ. Neříká, že scéna nastala
C2PA je technická specifikace pro provenance. V jádru pracuje s manifestem, tvrzeními, claimem a podpisem. Pokud soubor manifest nese a řetězec důvěry sedí, ověření může říct, kdo určité tvrzení o obsahu podepsal a zda se podepsaná část od té doby změnila [1][2][3].
To je hodně. Není to všechno. Specifikace 2.2 z května 2025 výslovně neuděluje hodnotový soud o „dobré“ provenance [1]. Neříká: tato scéna se stala. Neříká: popisek je pravdivý. Neříká: zobrazená osoba souhlasila. Neříká ani: každý pozdější divák rozumí kontextu. C2PA může zlepšit stopu původu, ale nemění obraz v důkaz bez další práce.
Představme si fotografii z demonstrace s platným manifestem fotoaparátu. Manifest může potvrdit, že soubor pochází z určitého zařízení a nebyl po podpisu upraven způsobem, který by podpis přežil. Neodpoví však sám, zda titulek správně pojmenoval místo, zda snímek není z jiného dne, zda výřez nezamlčuje okolí a zda osoba v popředí dělala to, co jí text přisuzuje.
Opačný omyl je stejně nebezpečný. Pokud manifest chybí, není to automaticky známka manipulace. Pokud manifest existuje, není to automaticky známka pravdy. Správné čtení je užší: C2PA je vrstva důvěry v určité tvrzení o původu a integritě souboru. C2PA není detektor deepfake.
5. SynthID není Content Credential
Vedle manifestů existují watermarky. Google DeepMind popisuje SynthID jako technologii, která vkládá digitální watermark do výstupů vybraných modelů [19]. OpenAI v květnu 2026 oznámila vrstvení C2PA a SynthID u obrazového obsahu a v aktualizaci z července 2026 přidala i audio; tento text se drží obrazu a videa [20].
Rozdíl je podstatný. Content Credentials nesou strukturovaná tvrzení a podpis v kontejneru. Watermark je signál vložený do obsahu. Může přežít některé transformace lépe než metadata, ale obvykle nese méně kontextu. Umí říct, že výstup pravděpodobně pochází z určitého zapojeného systému. Neumí sám popsat celý řetězec úprav, zdroj snímku, souhlas osoby ani pravdivost scény.
OpenAI uvádí ztrátu metadat screenshotem, re-encodem nebo ořezem kontejneru jako důvod, proč vrstvit watermark k C2PA [20]. To neznamená, že watermark je zámek. Funguje u zapojených generátorů a podle vlastností konkrétní implementace. U obsahu z jiného modelu, ruční úpravy, staršího souboru nebo běžné fotografie bez dané technologie nemusí být co číst.
Není to spor „metadata proti watermarku“. Jsou to dvě různé vrstvy. Manifest dává kontext a podpis tam, kde přežil. Watermark dává signál tam, kde byl vložen a kde jej detektor umí číst. Ani jeden sám neodpovídá na otázku, co se stalo ve světě.
6. Oko u GAN tváře trefilo náhodu
Lidské oko je dobré v mnoha věcech. Umí číst výraz, náladu, záměr, sociální nápovědy. Právě proto mu u syntetických tváří často věříme víc, než si zaslouží. Studie Nightingale a Farida v PNAS z roku 2022 testovala rozlišování reálných a StyleGAN2 tváří. V prvním experimentu 315 účastníků posuzovalo 128 tváří z 800 položek, kde bylo 400 reálných a 400 syntetických. Průměrná správnost byla 48,2 procenta, s 95% intervalem spolehlivosti 47,1 až 49,2 procenta [13].
To je blízko náhodě. Číslo měří binární úlohu „real vs. synthetic“ u statických tváří v konkrétním experimentu. Neměří video, český feed, současné diffusion modely ani schopnost vyhodnotit celý kontext snímku. Právě proto je užitečné: neříká, že lidé nikdy nic nepoznají. Říká, že jistota pohledu je špatný detektor.
Autoři zkusili také trénink se zpětnou vazbou. V druhém experimentu 219 nových účastníků dosáhlo 59,0 procenta, s 95% intervalem 57,7 až 60,4 procenta [13]. Ani zde nejde o návod, jak lovit syntetické obličeje v práci. Mezi první a druhou polovinou 64 tváří se přesnost nezvedla: 59,3 proti 58,8 procenta. Test ukazuje, že i krátký trénink má omezený účinek.
Z toho neplyne, že vizuální kontrola nemá cenu. Plyne z toho, že oko patří na začátek otázky, ne na její konec. Když se něco zdá divné, je rozumné zastavit sdílení a hledat druhý kanál, zdroj, originál a kontext. Není rozumné ukázat na obličej kolegy a říct: poznal jsem AI.
7. Šestadevadesát procent na FaceForensics není zámek na Instagramu
Intel v listopadu 2022 představil FakeCatcher jako real-time deepfake detector a v produktové větě uvedl 96% accuracy rate [15]. Akademická práce Ciftciho, Demira a Yina popisuje detekci syntetických portrétních videí pomocí biologických signálů, zejména jemných změn souvisejících s průtokem krve v obličeji. Na datasetu FaceForensics uvádí 96 procent accuracy, na FaceForensics++ 94,65 procenta, na Celeb-DF 91,50 procenta a na autory označeném „in the wild“ Deep Fakes Dataset 91,07 procenta [14].
To jsou konkrétní výsledky na konkrétních sadách. Nejsou to dveře se zámkem. Accuracy není totéž co falešně pozitivní míra v provozu. FaceForensics není Instagram 2026. Portrétní video v dobrém světle není temný klip z koncertu. Signál v čelním obličeji není profil, make-up, nízký fps, silná komprese nebo novější generátor, který se naučí podobný rytmus napodobit nebo rozmazat.
Marketingová věta bez řezu datasetů a bez provozní populace navíc snadno sklouzne do špatného použití. Pokud někdo řekne „detektor má 96 procent“, chybí otázka: na čem, kdy, s jakým prahem, s jakým podílem falešných poplachů a u jaké škody? Pro redakční rozhodnutí je falešný poplach drahý. Označit pravé video za podvrh může poškodit stejně jako sdílet podvrh jako pravý.
rPPG detektor tedy není forenzní závěr. Může být hypotéza u portrétního videa, pokud známe podmínky a limity. Nemá stát sám ve sloupci „pravda / lež“. Bez nezávislé evaluace na současných generátorech, s kalibrovanou falešně pozitivní mírou a reálnými kanály distribuce, je to pomocná stopa, ne verdikt.
8. DFDC nechal detekci otevřenou. Nikdo na black-boxu nedosáhl sedmdesáti
Deepfake Detection Challenge byla užitečná právě tím, že ukázala rozdíl mezi známou sadou a skrytým testem. Podle Meta AI měla výzva 2 114 účastníků a přes 35 000 modelů. Dataset popsaný Dolhanskym a kolegy obsahoval více než 100 000 klipů s 3 426 placenými herci [16][17]. To je velká, ale stále konkrétní konstrukce.
Na veřejné sadě uvádí Meta číslo 82,56 procenta, přičemž v komunikaci kolísá označení metriky mezi accuracy a average precision [16]. Na black-box sadě dosáhl nejlepší účastník, Selim Seferbekov, 65,18 procenta; nikdo nedosáhl 70 procent [16]. Číslo měří konkrétní výzvu z roku 2020, ne dnešní internet. Jeho hodnota je v distinkci: výkon na známých datech neznamená generalizaci na neviděné podvrhy.
To je jádro problému detekce. Generátory se mění. Komprese se mění. Publikační kanály se mění. Detektor se může naučit stopu datasetu místo obecného znaku podvrhu. V laboratoři pak působí přesně a v provozu se potká s jiným světem.
NIST GenAI Image-D publikuje plán a metriky jako AUC, EER, TPR při daném FPR a Brier score v binech; zároveň účastníkům zakazuje reklamní tvrzení o pořadí [18]. To je rozumná zdrženlivost. K září 2026 není v dossieru žádné jedno primární číslo typu „NIST ověřil 96 procent ve volné přírodě“. Pokud taková věta někde koluje, v tomto textu pro ni není opora.
9. Označení podle AI Actu není trestní stíhání
AI Act zavádí povinnosti transparentnosti, ne nový univerzální policejní detektor. Článek 3 bod 60 definuje deepfake kumulativně: musí jít o obsah podobající se existujícím nebo věrohodně existujícím osobám, objektům, místům, entitám či událostem a musí falešně působit jako autentický nebo pravdivý [6]. Článek 50 pak rozlišuje povinnosti poskytovatelů a zavádějících subjektů [6][7].
Od 2. srpna 2026 se článek 50 použije; u systémů uvedených na trh před tímto datem se strojové značení podle odst. 2 odkládá do 2. prosince 2026 [7]. Komise ve FAQ z 24. července 2026 uvádí také to, že obsah vytvořený před 2. srpnem 2026 se nemusí značit zpětně [7]. ČTÚ k 31. červenci 2026 upozornil na použitelnost pravidel transparentnosti a odkazoval na Kodex správné praxe [8].
Tato data měří použitelnost povinností, ne pravost souboru. Označení deepfake vůči publiku podle čl. 50 odst. 4 není totéž co strojově čitelná značka poskytovatele podle odst. 2. Komise navíc uvádí, že zavádějící subjekt se nemá spoléhat jen na strojovou značku poskytovatele [7]. Když redakce publikuje syntetický nebo upravený vizuál, řeší vlastní povinnost vůči čtenáři. Když pachatel použije obraz k podvodu, těžko čekat, že povinnost poctivě splní.
FAQ Komise uvádí u porušení povinností transparentnosti sankční strop až 15 milionů EUR nebo 3 procenta celosvětového obratu, podle toho, co je vyšší, s proporcionalitou u malých a středních podniků [7]. To je strop, ne tarif za neoznačený meme. A hlavně: sankční režim transparentnosti není trestní kvalifikace konkrétní újmy.
10. Paragraf o nekonsenzuální pornografii není paragraf o politickém videu
Česká novela č. 270/2025 Sb. je účinná od 1. ledna 2026 a do trestního zákoníku přidává mimo jiné § 181 odst. 2 a nový § 191a [9]. To je podstatná změna, ale také častý zdroj zkratek. Nový § 191a se týká výroby a šíření pornografického díla zneužívajícího osobu bez jejího souhlasu. Základní skutková podstata uvádí sazbu až 2 léta odnětí svobody [9].
Toto číslo měří zákonnou sazbu základního skutku od 1. ledna 2026. Neměří počet odsouzení, nevypovídá o každém syntetickém obrazu a neplatí pro nepornografické politické video jen proto, že bylo vytvořeno nebo upraveno umělou inteligencí. Důležité je nakládání s dílem, povaha obsahu a souhlas zobrazené osoby.
§ 181 odst. 2 míří na nepravou podobiznu nebo projev v úmyslu způsobit vážnou újmu na právech [9]. To je jiná konstrukce. Satira a umění nejsou automaticky trestné. Stejně tak není každý špatný popisek trestným činem. Právo posuzuje konkrétní okolnosti.
Z toho neplyne, že technologie je právně neutrální hračka. Plyne z toho, že „deepfake“ není jeden paragraf. Obraz může být nástrojem sexuálního zneužití, pomluvy, podvodu, zásahu do soukromí nebo civilního sporu o podobiznu. Jedna aplikace na detekci to nerozliší.
11. Pomluva a podvod trestají lež a následek. Ne soubor
Trestní zákoník zná pomluvu v § 184, podvod v § 209 a neoprávněné nakládání s osobními údaji v § 180 [10]. Občanský zákoník chrání podobiznu a soukromí v § 84 a následujících [22]. Deepfake může být prostředek. Není automaticky skutková podstata.
To zní právnicky, ale pro praxi je to jednoduchá brzda. Pokud někdo ukáže video a zeptá se „je to trestné?“, nestačí odpovědět, zda je obraz syntetický. Je třeba vědět, kdo ho vytvořil, kdo ho šířil, co tvrdil, komu způsobil škodu, zda šlo o pornografické dílo, zda existoval souhlas, zda byl úmysl způsobit vážnou újmu a zda došlo k majetkovému nebo jinému následku.
Detektor z pixelu skutkovou podstatu nesestaví. Může dát podnět k opatrnosti, může pomoci redakci nepublikovat rychle, může být jednou stopou pro odborné posouzení. Nemůže nahradit právní kvalifikaci. Stejně jako platný C2PA manifest nenahradí souhlas osoby se zveřejněním, vysoké skóre detektoru nenahradí důkaz o úmyslu.
Praktické doporučení je proto méně efektní, ale pevnější: při podezření na škodu zastavit šíření, uchovat dostupný soubor a kontext, ověřit druhým kanálem a právní kvalifikaci nechat na oznamování a orgánech činných v trestním řízení. Článek nespojuje konkrétní video s konkrétním paragrafem. Ukazuje, proč to nejde dělat z jednoho skóre.
12. Screenshot shodí manifest. Neshodí událost
Nejkratší test Content Credentials je záměrně banální. Vezměte soubor, o kterém víte, že má podepsané Content Credentials, a ověřte ho na Content Credentials Verify [5]. Zapište stav: platný, neplatný, chybí. Pak z něj udělejte screenshot a ověřte nový soubor znovu. Často uvidíte, že manifest chybí.
To není odhalení podvodu. Je to vlastnost cesty. Screenshot nevytváří kryptografickou kontinuitu s původním souborem. Re-encode, ořez nebo změna kontejneru může manifest shodit také; OpenAI to uvádí jako jeden z důvodů, proč k C2PA vrství SynthID [20]. Ztráta manifestu proto nesmí být čtena jako důkaz, že původní událost nenastala.
Stejně tak platný manifest u originálu neříká, že screenshot, který koluje o dvě hodiny později, nese stejnou hodnotu. Čtenář drží jiný soubor. Může mít jiný výřez, jiný popisek a jiný kontext. Ověření se vždy týká konkrétního souboru, ne obecné vzpomínky na obraz.
Jak testovat Content Credentials před a po screenshotu
Test má tři kroky. Nejprve ověřte původní soubor a uložte si výsledek ověření. Potom vytvořte screenshot nebo běžnou kopii přes aplikaci, která mění kontejner. Nakonec ověřte nový soubor. Pokud manifest zmizí, zapisujete rozdíl mezi soubory, ne závěr o pravdě scény. Pokud manifest zůstane, stále čtete jen tvrzení, která v něm jsou.
13. Nejlepší kontrola je ta, jejíž falešný poplach unesete
U deepfake obrazu se často mluví o tom, jak zachytit podvrh. Stejně důležité je, jak nepoškodit pravý obsah falešným poplachem. Redakce, firma i jednotlivec musí vědět, jaký omyl si mohou dovolit. Pozastavit interní sdílení je levná chyba. Veřejně označit člověka za autora podvrhu je drahá chyba. Poslat peníze podle videa je jiná škoda než omylem nepublikovat ilustrační obrázek.
| Druh selhání | Jak vypadá | Jak testovat | Co omezí škodu |
|---|---|---|---|
| Absence C2PA jako fake | Telefon bez razítka je označen za AI | Ověřit soubor, screenshot a cestu souboru | Absence není úprava; census českých vizuálů chybí |
| Accuracy jako provoz | Laboratorní číslo rozhodne spor na síti | Ptát se na dataset, práh, FPR, rok generátoru | Detektor jen jako hypotéza, ne verdikt |
| Oko stačí | „Vidím, že obličej není pravý“ | Připomenout experiment 48,2 procenta u GAN tváří | Druhý kanál a zdrženlivost |
| Označení jako pachatel | Čekáme, že podvodník označí deepfake | Oddělit čl. 50 od trestního zákoníku | Označení nečíst jako trest |
| Jeden paragraf na vše | Politické video je automaticky § 191a | Oddělit § 191a, § 181 odst. 2, § 184, § 209 a OZ | Kvalifikace podle jednání |
NÚKIB zmiňuje deepfake ve výuce kyberhygieny, ne jako certifikovaný detektor [11]. Národní plán výzkumu a vývoje v kybernetické a informační bezpečnosti do roku 2025 pracuje s deepfake jako s vektorem rizika [12]. ÚOOÚ v dubnu 2026 zařadil deepfake videa do přehledu kanálů AI podvodů a digitální stopy [21]. Společná linka těchto materiálů není „nainstalujte kouzelnou aplikaci“. Je to gramotnost, ověřování a proces.
Nejlepší kontrola tedy není nejpřísnější kontrola. Je to kontrola, jejíž omyl rozpoznáte včas a unesete jeho cenu. U nízké škody může stačit zdržení a druhý zdroj. U veřejného obvinění je potřeba přísnější postup. U podezření na trestný čin patří věc do jiného režimu než do komentářového vlákna.
14. Podpis, detektor a druhý kanál se nesčítají do jednoho verdiktu
Praktický test nesmí učit vyrábět podvrh. Má čtenáři ukázat, kde končí podpis, kde končí detektor a kde začíná ověření situace mimo soubor.
Co je potřeba testovat, než uvěříte oku
První test je o podpisu. Ověřte soubor s Content Credentials, potom jeho screenshot. Druhý test je o absenci. Vezměte běžnou fotografii z vlastního telefonu bez C2PA a nepřisuzujte jí umělý původ jen proto, že manifest chybí. Třetí test je o oku. Porovnejte známou syntetickou tvář z bezpečného demonstračního zdroje s běžnou fotografií a předem počítejte s tím, že lidská jistota je slabý nástroj. Nightingale a Farid dávají pro první experiment 48,2 procenta, ne licenci k lovu kolegů [13].
U zpravodajského nebo firemního vizuálu hledejte zjevné označení tam, kde ho má řešit zavádějící subjekt podle čl. 50 odst. 4 [6][7]. Nečekejte ho u anonymního repostu jako důkaz poctivosti pachatele. U podezření na škodu ověřujte druhým kanálem: známým číslem, známým účtem, osobním kontaktem nebo institucí, jejíž komunikace má vlastní ověřovací postup. To je proces, ne detektor.
Detektor krve v pixelu není zámek.
— Jiný Kontext
Výsledek testu nezní „pravé“ nebo „falešné“ jedním slovem. Zní: podpis platný, neplatný nebo chybí; detektor je použitelný jen pro daný typ souboru a za daných limitů; nezávislý kanál potvrzuje nebo nepotvrzuje událost. Teprve tyto věty dohromady snižují riziko, že se z jednoho dojmu stane veřejný závěr.
15. Osobní užití je mimo AI Act. Není mimo trestní zákoník
FAQ Komise uvádí, že osobní neprofesionální užití je mimo AI Act [7]. To je důležitá hranice. Neznamená však, že osobní jednání nemůže narazit na jiné právo. Pokud někdo vytvoří nebo šíří nekonsenzuální pornografické dílo zneužívající osobu bez souhlasu, § 191a se neptá, zda šlo o podnikové nasazení AI systému [9]. Pokud někdo použije nepravou podobiznu nebo projev v úmyslu způsobit vážnou újmu na právech, nastupuje jiná otázka podle § 181 odst. 2 [9].
Směšovat tyto vrstvy je pohodlné, ale chybné. AI Act reguluje určité role na trhu a transparentnost. Trestní zákoník posuzuje určité jednání. Občanský zákoník chrání podobiznu a soukromí. Ochrana osobních údajů se ptá na zpracování údajů. Jeden soubor může spadnout do více vrstev, nebo do žádné z těch, o nichž se v komentáři mluví.
Praktický důsledek je jednoduchý. Když se ptáme, zda měl být obsah označen, čteme AI Act. Když se ptáme, zda byla zneužita podobizna, čteme české právo a konkrétní okolnosti. Když se ptáme, zda je soubor technicky podepsaný, čteme C2PA. Když se ptáme, zda je bezpečné jednat podle obsahu, voláme druhý kanál.
16. Veřejná řada stíhání podle nových paragrafů zatím chybí
K září 2026 dossier neobsahuje veřejnou policejní statistiku počtu stíhání podle § 181 odst. 2 a § 191a za rok 2026. To není důkaz, že se skutky nedějí. Je to mezera ve veřejné řadě. Přesnější věta tedy nezní „nikdo se za deepfake nestíhá“. Zní: pro nové paragrafy nemáme k datu rešerše veřejný roční přehled, který by šlo poctivě citovat.
Stejně tak nemáme ověřené primární číslo, že by FakeCatcher nebo podobný rPPG detektor držel provozní přesnost na generátorech let 2025 a 2026 ve volných sociálních kanálech. Nemáme ani oficiální český census platných C2PA manifestů u zpravodajských vizuálů. A nemáme jedno agregované NIST číslo, které by dovolovalo říct „detektory jsou v provozu vyřešené“ [18].
To hlavní tezi neoslabuje. Spíš ji drží při zemi. Kdyby se C2PA stalo výchozí, nesnímatelnou vrstvou většinového sdílení, absence razítka by změnila význam. Kdyby nezávislá evaluace rPPG na současných generátorech s kalibrovaným FPR ukázala stabilní provozní výkon, detektor by měl silnější roli. Kdyby výzva podobná DFDC držela vysoko nad 70 procent na skryté sadě i v provozu, opatrnost by se přepočítala. Dokud to není, chybějící razítko není pravost a 96 procent není zámek.
17. Skrytým nákladem je oko, které trefilo náhodu
Nejpohodlnější odpověď by zněla: naučte se pár znaků, nainstalujte detektor a hledejte razítko. Byla by krátká. A byla by nebezpečně sebejistá. Obraz a video dnes nevyžadují jeden trik, ale změnu pořadí kontroly.
Nejdřív se ptáme, co máme v ruce. Originál, screenshot, repost, komprimované video, nebo jen náhled? Potom se ptáme, zda existuje ověřitelný manifest a co tvrdí. Pak se ptáme, zda má smysl nějaký detektor pro tento typ souboru, tuto kvalitu a tuto populaci. Teprve potom se ptáme, co vyplývá právně a prakticky. A pokud jde o škodu, peníze, reputaci nebo intimní podobiznu, vracíme se z pixelu k člověku a instituci.
Tím se kontrola zpomalí, ale zpomalí se na správném místě. Ne při každém obrázku. Při každém obrázku, podle kterého máme jednat.
Otázka nezní, jak poznat falešné video nebo fotografii jedním pohledem. Zní: čemu z podpisu, z detektoru a z práva smíte u tohoto souboru věřit — a který falešný poplach, chybějící razítko nebo minutý zásah oka u této scény unesete?
Související texty této řady
- Na webu: Fotografie už sama nestačí. Důkazem se stává i její původ — hodnota pravého obrazu po generativní AI. Tento text je praktická detekce videa a fotky.
- Je fotografie důkaz? Kdy může obraz klamat i bez úprav — klam bez úprav pixelů.
- Co dělat, když někdo zneužije vaši fotografii nebo identitu? — občanský, trestní a platformní kanál.