Onko Wikimedia Commonsin tekoälyllä luoduissa kuvissa alkuperämerkintöjä?

Wikimedia Commons tallentaa ladatut tiedostot tavu tavulta. Siksi se osoittaa, mitkä tekoälyn alkuperämerkinnät päätyvät julkiseen arkistoon, kun isännöivä palvelu ei poista niitä. Luetteloimme kaikki tiedostot, jotka Commons luokittelee tekoälyllä luoduiksi: luokkapuun Category:AI-generated images (530 luokkaa) ja mallineen {{PD-algorithm}}, yhteensä 8 971 tiedostoa. Sen jälkeen tarkastimme ai-mark-lint-työkalulla 2 084 alkuperäistiedostoa kuukausittain ositetusta otoksesta; jokainen tiedosto ladattiin, tarkistettiin ja poistettiin.

Raportoimme kaksi populaatiota. Pääpopulaatio muodostuu luokkapuusta sekä niistä {{PD-algorithm}}-tiedostoista, joiden luokissa on viitteitä tekoälystä (1 585 mitattua tiedostoa); osa näistä kuvista on tekoälyllä muokattuja eikä tekoälyllä luotuja. Yhdiste sisältää lisäksi muut {{PD-algorithm}}-tiedostot (2 084 mitattua).

Merkinnät pääpopulaatiossa. Koneluettavan tekoälymerkinnän sisältävien tiedostojen osuus nousi jyrkästi kesäkuussa 2026: tammi–toukokuun latausten 25,8 %:sta (n = 532) kesä–heinäkuun latausten 50,2 %:iin (n = 313). Nousu on +24,4 prosenttiyksikköä; latauspäivien uudelleenotantaan perustuva bootstrap antaa välin +14,7 – +33,6. Elo–syyskuussa (n = 461) osuus on 43,4 % tai 53,3 % ilman yhtä suurta merkitsemätöntä vaakunoiden erää.

Ennen 2. elokuuta ja sen jälkeen. Kun tammi–heinäkuuta verrataan elo–syyskuuhun, jolloin EU:n tekoälysäädöksen Art. 50(2) tuli sovellettavaksi, ero on +8,4 prosenttiyksikköä (päiväklustereittain tehty bootstrap +0,2 – +17). Ero riippuu tuosta erästä: ilman sitä ero on +17,8 prosenttiyksikköä. Kummassakaan vertailussa havaittua eroa ei voida katsoa tekoälysäädöksen aiheuttamaksi.

Merkintätyypit. Lähes kaikki merkinnät ovat C2PA-manifesteja, enimmäkseen OpenAI:lta ja Googlelta. Pelkkä IPTC:n DigitalSourceType merkitsee 1,5 % pääpopulaation tiedostoista. Luettava kiinalainen AIGC-merkintä on yhdisteen 1 tiedostossa, ja vielä 3 tiedostossa on kahdesti koodattu merkintä.

Validointi. Löysimme virheen omasta validointityökalustamme: ai-mark-lint 0.1.0 hylkäsi 302 yhdisteen 625 luettavasta manifestista, niistä 187 siksi, että laajennetun avaimen käytön (extended key usage) luetteloa ei ollut määritetty. Virhe on korjattu versiossa 0.1.1. Korjatulla säännöllä 117 manifestia (18,7 %) ei läpäise tarkistusta, ja syyt ovat seuraavat:

• vanhentuneet varmenteet manifesteissa, joissa ei ole aikaleimaa (85);
• sisältöä muutettu allekirjoittamisen jälkeen (32);
• C2PA:n ensimmäistä toimintoa koskevan säännön rikkomukset (26);
• Microsoft Paint -ohjelman manifestit (12).

Virallisen C2PA Trust List -luettelon mukaan 452 manifestia 624:stä (72 %) on kelvollisia ja luotettuja.