W Paprice detektyw Toshimi Konakawa nie musi dokładnie opowiadać terapeucie swojego koszmaru. Nie musi szukać właściwych słów, decydować, co chce ujawnić, ani próbować odtworzyć obrazów, które po przebudzeniu zaczęły już znikać. Dzięki eksperymentalnemu urządzeniu DC Mini Paprika może wejść do jego snu i zobaczyć go od środka.
To jedna z najbardziej niepokojących możliwości technologii wymyślonej przez Satoshiego Kona. Nie dlatego, że pozwala pomieszać sen z rzeczywistością. Filmów o zacieraniu tej granicy powstało wiele. DC Mini robi coś ciekawszego: próbuje ominąć człowieka jako tłumacza samego siebie.
W zwykłej rozmowie pomiędzy doświadczeniem a drugim człowiekiem zawsze pozostaje jego właściciel. To on opowiada, interpretuje, zapomina, przemilcza albo zwyczajnie nie potrafi czegoś nazwać. DC Mini obiecuje krótszą drogę. Zamiast pytać człowieka, co znajduje się w jego wnętrzu, technologia próbuje zajrzeć tam bezpośrednio.
W 2006 roku była to fantastyka. Nadal nią jest. Nie potrafimy odtwarzać cudzych snów tak, jak robi to Paprika, a współczesne badania nad marzeniami sennymi wciąż w dużej mierze zależą od późniejszej relacji osoby śniącej. W innym sensie zaczęliśmy jednak realizować marzenie DC Mini. Nie nauczyliśmy się wchodzić do snów. Nauczyliśmy się wnioskować o człowieku z rzeczy, których nigdy świadomie nam o sobie nie powiedział.
Ślady zamiast wyznania.
W 2013 roku Michal Kosinski, David Stillwell i Thore Graepel opublikowali badanie pokazujące, że cyfrowe ślady pozostawiane w postaci polubień na Facebooku mogą służyć do przewidywania szeregu prywatnych cech i atrybutów użytkowników. Model nie potrzebował długiej rozmowy z człowiekiem. Wystarczał zapis jego wcześniejszych zachowań.
Dwa lata później Wu Youyou, Michal Kosinski i David Stillwell porównali komputerowe oceny osobowości oparte na polubieniach z ocenami wystawianymi przez ludzi znających badanych. W ich eksperymencie komputerowe przewidywania osiągały większą zgodność z kwestionariuszowym profilem osobowości niż oceny znajomych.
Łatwo zrobić z tego efektowny nagłówek: komputer zna cię lepiej niż twoi przyjaciele. Tylko że badanie nie pokazuje czegoś takiego. Model nie odkrył ukrytej istoty badanego. Nauczył się zależności pomiędzy określonymi zachowaniami cyfrowymi a wynikami uzyskiwanymi w konkretnym modelu psychologicznym. Pomiędzy stwierdzeniem „potrafimy przewidzieć pewien wynik dotyczący człowieka” a „wiemy, kim jest człowiek” znajduje się ogromna przestrzeń. I właśnie w tę przestrzeń wchodzi Paprika.
DC Mini po drugiej stronie ekranu.
Urządzenie Kona działa od środka na zewnątrz. Otwiera dostęp do psychiki, a terapeuta próbuje zrozumieć pojawiające się tam obrazy. Współczesne systemy zaczynają z drugiej strony. Nie widzą wnętrza człowieka. Widzą jego zachowanie.
Smartfon może rejestrować ruch i rytm aktywności. Platforma widzi kliknięcia, wyszukiwania i czas spędzony przy treściach. Sklep internetowy otrzymuje informacje powstające podczas korzystania ze strony. Serwis muzyczny zna historię odsłuchów. Z tych fragmentów można próbować wywnioskować coś, czego bezpośrednio nie widać: zainteresowania, ryzyko, nastrój, prawdopodobieństwo zakupu albo określonego zachowania.
DC Mini mówi: „pokaż mi swoje wnętrze, a spróbuję cię zrozumieć”. Współczesny model działa raczej odwrotnie: „pokaż mi wystarczająco dużo śladów, a spróbuję obliczyć coś, czego mi o sobie nie powiedziałeś”. I nie chodzi już wyłącznie o wybór reklamy.
Człowiek jako prawdopodobieństwo.
Tobias Berg, Valentin Burg, Ana Gombović i Manju Puri badali, czy cyfrowe ślady klientów internetowego sprzedawcy mogą pomagać w przewidywaniu niewypłacalności. Analiza obejmowała ponad 250 tysięcy obserwacji. Okazało się, że proste informacje powstające podczas korzystania z serwisu miały znaczącą wartość w przewidywaniu ryzyka. W analizowanym zbiorze ich siła mogła być porównywalna z tradycyjnymi danymi biura kredytowego, a połączenie obu rodzajów informacji poprawiało wyniki.
Nie oznacza to, że przeglądarka zdradza ukryty „gen niewiarygodności”. System próbuje oszacować prawdopodobieństwo konkretnego wyniku w określonych warunkach. Kłopot pojawia się wtedy, gdy takie przewidywanie zaczynamy traktować jak cechę człowieka.
Model może wskazać podwyższone ryzyko, instytucja zobaczy ryzykownego klienta, a człowiek po prostu dostanie gorsze warunki albo usłyszy odmowę. Bank nie musi wiedzieć, dlaczego ktoś znalazł się w trudnej sytuacji, jakie ma plany ani jak wygląda jego życie. Do konkretnej decyzji może wystarczyć wynik. Dla modelu to liczba. Dla człowieka może oznaczać mieszkanie, samochód albo możliwość rozpoczęcia czegoś od nowa.
System nie musi wiedzieć, kim jesteś. Wystarczy, że wie o tobie wystarczająco dużo, aby podjąć decyzję.
Telefon, który nie musi pytać, jak się czujesz.
Jeszcze bliżej problemu Papriki znajduje się dziedzina określana jako digital phenotyping. Badacze sprawdzają, czy dane ze smartfonów i urządzeń noszonych — na przykład dotyczące aktywności, mobilności, snu czy sposobu korzystania z urządzenia — mogą pomagać w wykrywaniu zmian związanych ze zdrowiem i zachowaniem.
Idea jest kusząca. Człowiek nie musi każdego dnia odpowiadać na pytanie: „jak się czujesz?”. Zmiana może zostawić ślad wcześniej. Ktoś mniej wychodzi, inaczej śpi, zmienia rytm dnia albo sposób korzystania z telefonu. System może zauważyć odchylenie. W medycynie taka możliwość może być cenna. Jeżeli zmiana zachowania pozwoli wcześniej zauważyć pogorszenie stanu pacjenta, trudno traktować samo zbieranie takich sygnałów jako coś z definicji złego.
Możliwości tych metod łatwo jednak przecenić. Meta-analiza opublikowana w 2026 roku, obejmująca 45 niezależnych prób i 2939 młodych osób, wykazała statystycznie istotny, ale średnio niewielki związek pomiędzy pasywnie zbieranymi danymi ze smartfonów a wynikami dotyczącymi zdrowia psychicznego: około r = 0,12.
To dalekie od popularnej wizji telefonu, który „zna nas lepiej niż my sami”. Czasami mamy do czynienia ze słabym sygnałem, który nabiera znaczenia dopiero w połączeniu z innymi informacjami i właściwym kontekstem. Technologia może widzieć coś rzeczywistego, a jednocześnie widzieć znacznie mniej, niż chcielibyśmy jej przypisać.
Co, jeśli model się nie pomyli?
Najłatwiej dostrzec zagrożenie wtedy, gdy system popełnia błąd. Człowiek zostaje źle sklasyfikowany, a błędna ocena przynosi rzeczywiste konsekwencje. Ciekawsza sytuacja pojawia się jednak wtedy, gdy model działa całkiem dobrze.
Wynik statystyczny może z czasem przestać być traktowany jak przybliżenie i zacząć funkcjonować jak opis osoby. Zamiast mówić: „na podstawie dostępnych danych model przewiduje podwyższone prawdopodobieństwo X”, łatwiej powiedzieć: „to jest osoba X”.
DC Mini daje technologii coś, czego współczesne systemy nie posiadają: niemal bezpośredni dostęp do materiału psychicznego. A mimo to Paprika nie wychodzi ze snu Konakawy z prostą odpowiedzią na pytanie, kim on jest. Sen nadal wymaga interpretacji. Obraz wymaga kontekstu. Powracające motywy związane z kinem nie są etykietą opisującą Konakawę. Nabierają znaczenia dopiero w relacji z jego przeszłością, niespełnionymi ambicjami, poczuciem winy i historią przyjaźni.
Więcej informacji nie usuwa potrzeby rozumienia. Dane nie są tym samym co wiedza, a wiedza o zachowaniu nie jest tym samym co wiedza o człowieku.
Paprika nie musi być „prawdziwą Atsuko”
Ten sam problem wraca w relacji pomiędzy Atsuko Chibą i Papriką. Atsuko jest zdyscyplinowana, chłodna i profesjonalna. Paprika swobodna, spontaniczna i bardziej emocjonalna. Najłatwiejsza interpretacja podpowiada więc, że Atsuko jest społeczną maską, pod którą ukrywa się jej prawdziwe „ja”.
Film nie pozwala jednak tak łatwo zamknąć tej relacji. Paprika nie funkcjonuje wyłącznie jak informacja wydobyta z Atsuko. Zyskuje własną sprawczość, potrafi się jej przeciwstawiać, a pomiędzy obiema wersjami powstaje relacja.
Można więc odczytać film inaczej: technologia niekoniecznie odkryła gotową Paprikę ukrytą gdzieś wewnątrz Atsuko. Być może stworzyła środowisko, w którym taka wersja Atsuko mogła zaistnieć. To interpretacja, nie potwierdzony opis działania DC Mini. Prowadzi jednak do pytania, którego nie da się już ograniczyć do filmu: czy zachowanie człowieka w nowym środowisku ujawnia coś, co zawsze w nim było, czy środowisko uczestniczy w powstawaniu tego zachowania?
Profil nie tylko opisuje.
Wyobraźmy sobie, że system określa człowieka jako klienta podwyższonego ryzyka. Ocena wpływa na ofertę, oferta zmienia dostępne możliwości, a człowiek podejmuje decyzję w nowych warunkach. Ta decyzja pozostawia kolejne dane, które mogą później trafić do następnego modelu.
Powstaje pętla: zachowanie → profil → decyzja → zmienione środowisko → nowe zachowanie → nowy profil.
Nie oznacza to, że każdy model tworzy samospełniającą się przepowiednię. Tak mocnego wniosku badania nie uzasadniają. System nie musi jednak zmieniać osobowości człowieka, aby wpłynąć na jego życie. Wystarczy, że zacznie inaczej traktować osobę opisaną przez swój model.
Podobne napięcie pojawia się w systemach rekomendacyjnych. Platforma obserwuje wcześniejsze zachowanie, na jego podstawie wybiera to, co pokaże użytkownikowi, a następnie obserwuje jego reakcję na środowisko, które sama częściowo przygotowała. Kolejne dane nie powstają więc całkowicie poza działaniem systemu. Obserwator zaczyna uczestniczyć w produkowaniu tego, co później obserwuje.
W przypadku profilowania konsekwencja może być jeszcze poważniejsza: system tworzy model człowieka, a człowiek zaczyna funkcjonować w świecie częściowo zorganizowanym według tego modelu.
Kiedy zaczynamy patrzeć na siebie oczami systemu.
Do następnego etapu tej pętli nie potrzeba bardziej zaawansowanej technologii. Wystarczy wiedzieć, że jesteśmy oceniani. Kandydat konstruuje CV tak, aby przeszło przez system rekrutacyjny. Twórca zastanawia się, czego oczekuje algorytm platformy. Kierowca patrzy na rating. Klient myśli o tym, jak wygląda dla banku.
Nie trzeba nawet znać dokładnych kryteriów. Sama świadomość istnienia oceny może wpływać na sposób działania. Obok pytania „co chcę zrobić?” pojawia się drugie: „jak moje zachowanie zostanie odczytane?” Obserwowany zaczyna patrzeć na siebie oczami obserwatora.
I tutaj Paprika spotyka współczesność znacznie mocniej niż w fantazjach o maszynach czytających myśli. Modele tworzone na podstawie naszego zachowania mogą uczestniczyć w warunkach, w których podejmujemy następne decyzje.
Internet nie znajduje się poza rzeczywistością.
Satoshi Kon sam dostrzegał pokrewieństwo między snem a internetem. W rozmowie z Midnight Eye mówił o obu jako przestrzeniach, w których mogą ujawniać się rzeczy tłumione w codziennym życiu. Jednocześnie nie traktował świata wirtualnego jako przeciwieństwa rzeczywistości. Wirtualna przestrzeń również była dla niego częścią realnego świata.
Z dzisiejszej perspektywy ta obserwacja nabiera dodatkowego znaczenia. Internet przestał być wyłącznie miejscem, do którego wchodzimy. Jest również środowiskiem, które obserwuje nasze zachowanie, buduje na jego podstawie reprezentację użytkownika, a następnie wykorzystuje ją do organizowania tego, co zobaczymy później.
Technologia nie tylko otrzymuje informacje o człowieku. Zaczyna organizować część jego otoczenia na podstawie informacji, które wcześniej o nim zebrała.
Mapa, która zaczyna decydować o terenie.
Model człowieka może być użyteczny. Scoring może pomagać oceniać ryzyko. System rekomendacyjny może znaleźć muzykę, której sami nigdy byśmy nie odkryli. Analiza zmian zachowania może wspierać lekarza w zauważeniu czegoś, co wymaga uwagi. Nie trzeba odrzucać tych zastosowań dlatego, że model nie opisuje człowieka doskonale. Mapa również nie musi zawierać każdego drzewa, żeby doprowadzić nas do miasta.
Problem pojawia się, gdy zaczynamy mylić mapę z terenem. Profil kredytowy, konsumencki, pracowniczy, zdrowotny czy profil ryzyka mogą być użyteczne w konkretnym zastosowaniu. Żaden nie jest całym człowiekiem. A jednak dla systemu taki profil może być jedyną jego wersją, jaką kiedykolwiek zobaczy.
Decyzja zostanie podjęta wobec reprezentacji. Jej konsekwencje poniesie człowiek.
Nie potrzeba więc maszyny, która dowie się o nas wszystkiego. Wystarczy system, który będzie wiedział o nas tyle, ile potrzeba do podjęcia decyzji. Najciekawszy problem zaczyna się wtedy, gdy takie modele działają na tyle dobrze, że przestajemy zauważać różnicę między dwoma zdaniami: „model potrafi mnie przewidzieć” i „model wie, kim jestem”.
Kiedy opis człowieka staje się wystarczająco użyteczny, by zacząć zastępować człowieka?
Źródła i dalsza lektura
Satoshi Kon — wywiad dla Midnight Eye
Rozmowa o Paprice, snach, internecie oraz relacji świata wirtualnego z rzeczywistością.
https://www.midnighteye.com/interviews/satoshi-kon-2/
Michal Kosinski, David Stillwell, Thore Graepel — „Private traits and attributes are predictable from digital records of human behavior”, PNAS, 2013
Badanie dotyczące wnioskowania o prywatnych cechach i atrybutach na podstawie polubień na Facebooku.
https://www.pnas.org/doi/10.1073/pnas.1218772110
Wu Youyou, Michal Kosinski, David Stillwell — „Computer-based personality judgments are more accurate than those made by humans”, PNAS, 2015
Porównanie komputerowych ocen osobowości z ocenami dokonywanymi przez ludzi.
https://www.pnas.org/doi/10.1073/pnas.1418680112
Tobias Berg, Valentin Burg, Ana Gombović, Manju Puri — „On the Rise of FinTechs — Credit Scoring Using Digital Footprints”
Analiza wykorzystania cyfrowych śladów w przewidywaniu ryzyka kredytowego.
https://www.nber.org/papers/w24551
Meta-analiza pasywnego monitorowania smartfonów i zdrowia psychicznego — npj Digital Medicine, 2026.
Analiza 45 niezależnych prób pokazująca możliwości i ograniczenia wnioskowania o zdrowiu psychicznym z pasywnie zbieranych danych.