Přeskočit na obsah
EshAlora · Laboratoř chování AI
Česky English

Co se stane s obrázkem, když ho AI padesátkrát zkopíruje?

Na X koloval pokus: jeden obrázek sedmdesátkrát za sebou v ChatGPT, pokaždé s prosbou o přesnou kopii. Udělala jsem si laboratorní verzi, tři řady po padesáti kolech a k tomu měření. Čekala jsem, že nejvíc se obraz rozjede v jednom dlouhém chatu, kde se hromadí kontext. V mém běhu vyšel opak. Jeden chat se od startu vzdálil nejméně.


Pokus

Startem je ilustrovaný portrét ženy u stolu plného knih, krabic a rodokmenů, 1254 × 1254 pixelů. Vznikl den předtím v ChatGPT. Obličej jsem zvolila záměrně, protože oko pozná i malý posun ve tváři. V každém kole dostal model stejnou větu:

Create an exact replica of this image, don't change a thing.

Tři řady, všechny 10. listopadu 2026:

  1. ChatGPT, nový chat v každém kole. Do čistého chatu jsem nahrála jen výsledek předchozího kola.
  2. ChatGPT, celá řada v jednom chatu. Start jsem nahrála jednou. Dalších 49 kol byla ve stejném chatu jen znovu stejná věta, tak jako v pokusu na X.
  3. Qwen-Image 2.1 Uncensored v kvantizaci Q4_K_M, lokálně v ComfyUI na domácí kartě. Obrázek šel do modelu jako referenční vstup, 25 kroků, v každém kole jiné semínko, výstup 1024 pixelů. Kolo trvalo většinou kolem čtyř minut.

Obrazový model v ChatGPT nejmenuju. Metadata obrázků (C2PA) uvádějí jen ChatGPT a obecné označení gpt-image bez čísla verze, takže nevím, která verze kreslila. Obě řady v ChatGPT běžely na stejném účtu tutéž noc, jedna po druhé. V řadě s novými chaty model v pátém kole napoprvé odpověděl, že obrázek není k dispozici, a kolo jsem zopakovala. Ve třech kolech nabídl dvě varianty, vzala jsem vždy první.

Jak jsem drift měřila

Každé kolo se porovnává se startem, ne s předchozím kolem. Všechny obrázky se zmenší na 512 × 512 a nejdřív se zarovnají: skript najde v obou obrázcích stejné body a srovná posun, otočení a měřítko. Teprve pak se počítá SSIM, číslo strukturní podobnosti v odstínech šedi, kde 1 znamená shodu. Zvlášť pro celý obrázek a zvlášť pro výřez obličeje. K tomu barevná odchylka ΔE v prostoru CIELAB, posun složky b*, který ukazuje žloutnutí, a ostrost jako rozptyl Laplaciánu proti startu.

Samotné SSIM potřebuje měřítko. Start rozmazaný gaussovským filtrem tak silně, že z něj zbydou jen skvrny (sigma 20 pixelů), má proti originálu 0,22. Jiné portréty ze stejné sady, tedy jiná žena v jiné scéně, vycházejí po zarovnání mezi 0,01 a 0,11.

SSIM ale nereaguje jen na tvary. Sníží ho i změna jasu a kontrastu, takže u kopie, která jen zesvětlá a přeostří, klesne, i když kompozice drží. Proto jsem jasy a kontrast každé kopie srovnala se startem a SSIM spočítala znovu. Jeden chat po padesáti kolech zůstal jasně nejvýš (0,61), nový chat a Qwen skončily skoro stejně nízko (0,28 a 0,27).

Zarovnání přitom není kosmetika. Bez něj graf u Qwenu ukázal v patnáctém kole zhroucení: SSIM spadlo z 0,45 pod 0,05. Ve skutečnosti se obraz jen oddálil na 0,957 původní velikosti a pixely se přestaly krýt. Po zarovnání je křivka plynulá. Prudký propad v jednom kole tak může být jen posunutý záběr, ne rozpad obrazu.

Výsledek po padesáti kolech

Dva grafy. Vlevo podobnost se startem po kolech: jeden chat klesá pomalu na 0,55, nový chat a Qwen rychle na 0,22 a 0,23. Vpravo žloutnutí: nový chat stoupá na +11,9, jeden chat drží kolem +2, Qwen nejdřív stoupá a od 21. kola padá pod nulu na −7,6
Podobnost se startem (SSIM po zarovnání) a posun b* po padesáti kolech. Každá řada je jeden běh.

Podobnost se startem po 50. kole (SSIM):

řada celý obrázek obličej
nový chat 0,22 0,33
jeden chat 0,55 0,61
Qwen 0,23 0,29

Barva po 50. kole:

řada ΔE posun b*
nový chat 49 +11,9
jeden chat 27 +2,0
Qwen 35 −7,6

Ostrost proti startu vzrostla v novém chatu 3,1krát, v jednom chatu 1,6krát a u Qwenu 10,6krát.

Jeden chat se od startu vzdaloval nejpomaleji. Pod 0,7 spadl až ve 34. kole, nový chat už v 11. a Qwen v 9. Na konci drží 0,55. Nový chat měl tolik už v 17. kole. Nový chat a Qwen skončily u 0,22 a 0,23, tedy zhruba tam, kde je rozmazaný start. Nejde o výkyv jednoho kola: od druhého kola je jeden chat v každém kole výš než nový chat, od pátého aspoň o 0,08.

Jak silné to je, musím říct rovnou. Každá řada je jeden běh z jednoho startovního obrázku s jednou větou. Nevím, jak moc by se od prvního lišil druhý běh téže řady, takže neumím říct, jaký rozdíl je ještě v mezích náhody. Rozdíl je velký a soustavný, ale pořád je to jedno pozorování na řadu, ne závěr o modelu. Obě řady v ChatGPT navíc neběžely naráz, takže nevylučuju ani změnu na straně služby mezi nimi. Že jeden běh nestačí ani u textu, jsem ukazovala v článku Jedna scéna, devět běhů.

Proč jeden chat drží, nevím. Nabízí se vysvětlení, že model má v jednom chatu po celou dobu v kontextu i původní nahraný obrázek a může se k němu vracet, kdežto v novém chatu vidí jen poslední kopii. Ověřené to není a úplně to nesedí. Kdyby model kreslil pokaždé z originálu, křivka by se zastavila. Ona ale klesá dál, zhruba o 0,01 za kolo od začátku do konce, a každá kopie je podobnější té předchozí než startu. Drift se tedy sčítá i v jednom chatu. Nový chat ztrácel v prvních pětadvaceti kolech asi třikrát rychleji, pak zpomalil, jak se blížil dnu.

Jak vypadá padesátá kopie

Čtyři verze téhož portrétu. Vlevo nahoře start, vpravo nahoře přepálená žlutá kopie z nových chatů, vlevo dole teplejší, ale podobná kopie z jednoho chatu, vpravo dole černobílá rytina od Qwenu se sluchátky v ruce
Vlevo nahoře start. Vpravo nahoře ChatGPT v novém chatu, vlevo dole ChatGPT v jednom chatu, vpravo dole Qwen-Image 2.1 Uncensored Q4_K_M, vše po 50. kole.

V řadě s novými chaty drží kompozice, póza i rozmístění předmětů. Obraz ale plynule žloutne, roste kontrast a sytost, plochy se slévají a hrany se přeostřují. Kolem třicátého kola vypadá jako přepálený plakát.

Šest stále žlutějších a kontrastnějších verzí portrétu vedle sebe
ChatGPT, nový chat v každém kole: kola 0, 10, 20, 30, 40 a 50.

V jednom chatu je to na pohled pořád tentýž obrázek. Je teplejší a ostřejší a vlasy se víc kroutí, ale scéna, barvy pozadí i obličej zůstaly.

Podle SSIM ztrácí Qwen podobnost stejně rychle jako nové chaty, jen jiným směrem. Prvních dvacet kol obraz hnědne a žloutne, b* vystoupá až na +7,8. Od 21. kola ztrácí barvu, jde do černobílé rytiny a b* spadne pod nulu. Ostrost vzroste desetkrát. A mění předměty: propiska v ruce se změní v plechovku a ta pak ve sluchátka. Srovnání s ChatGPT tu není úplně férové. Qwen běžel v jiném rozlišení a v každém kole s jiným semínkem, takže ukazuje spíš, kam se ubírá jiný druh modelu, než kdo kopíruje lépe.

Pět výřezů ruky u brady: propiska, válec, plechovka, sluchátka, sluchátka
Qwen-Image 2.1 Uncensored Q4_K_M, výřez ruky v kolech 0, 10, 15, 35 a 50.

Na tomhle portrétu a v téhle noci se kopie v jednom chatu od originálu vzdalovala nejpomaleji.

Výstupy modelů jsou zkrácené a zjednodušené.