Czterdzieści lat temu, w jeszcze PRL‑owskiej Polsce, było szaro, chyba najszerzej w całych demoludach, o czym przekonały mnie wizyty w bratniej NRD i bratankowym Budapeszcie. Miałem wyjątkową okazję spędzić też prawie miesiąc w zgniłym zachodnim kapitalizmie, w Holandii. To był kulturowy i… kolorystyczny szok. Od tamtej pory ubierałem się kolorowo – byłem wyjątkiem. Jeszcze w latach dziewięćdziesiątych ludzie zagadywali mnie na ulicy w Polsce po angielsku, brali za obcokrajowca, za innego. W świecie, gdzie dominowały szarości, granaty i „brudne” kolory, kolor był sygnałem.

Jednak wtedy szarość miała usprawiedliwienie – była prozaicznie efektem niedoboru, ograniczeń, braku dostępu do kolorowych tkanin, farb, lakierów. Szarość PRL była szarością z konieczności, nie z wyboru. Tuż po wprowadzeniu stanu wojennego Tomek Lipiński (Tilt, Szare koszmary, 1982) śpiewał między innymi tak:

Szare domy w szarym mieście

W szarych domach szarzy ludzie (…)

Szary błękit nieba

Szara biel i czerwień flag

Szara beznadzieja

Szaro, szaro, szaro tak

I choć kolor jest tu raczej metaforą, to doskonale wpisuje się w warstwę wizualną tamtej rzeczywistości.

Potem przyszły lata 90. United Colors of Benetton ponad „szokujące” wtedy reklamy nie był niczym nadzwyczajnym – kolor stawał się normą. Można było kupić w jednym sklepie koszulkę w każdym kolorze tęczy i nikt nie pytał, dlaczego. Producenci z kolorami w nazwie mieli kolory na półkach. To był krótki czas, może z dziesięć lat. Wystarczyło, żebyśmy zapomnieli, że szarość kiedykolwiek była normą.

Kupiłem sobie wtedy nowy sportowy samochód, jaskrawo pomarańczowy, silnik chłodzony powietrzem umieszczony z tyłu, napęd na tylną oś, głośny bardzo… Tak, to był maluch, Fiat 126p w ostrym kolorze krzyczącym z barwnych reklam jego nowej generacji el(egant).

– Bronek, widzę, że utożsamiasz się bardzo z naszą stacją, chodzisz ubrany na pomarańczowo.

– A, nie… Znaczy, tak, utożsamiam, i nawet bardzo, ale kolor to raczej efekt tego, że coraz trudniej kupić rzeczy w moich ulubionych żółciach.

(Radiostacja, Paweł Sito, jakoś okolice 2000)

Dziś cały świat poszarzał. I znowu się wyróżniam, ubierając się kolorowo, tylko nikt nie bierze już mnie za obcokrajowca, raczej za dziwaka. W sklepach z kolorem w nazwie koloru nie da się kupić. A kilka lat temu zaczął się kruszyć ostatni bastion intensywnych kolorów – sport.

Co gorsza, tym razem nie jest to już tylko moje osobiste wrażenie. Globalne raporty producentów lakierów samochodowych pokazują, że ponad 80% nowych aut na świecie jest białe, czarne, szare lub srebrne, a żywe barwy – niebieski, czerwony, zielony – spadły do jednocyfrowych udziałów w rynku.  Zespół Science Museum Group i Creative PEC przeanalizował ponad siedem tysięcy fotografii obiektów użytkowych z lat 1800–2020 i wyszło mu, że współczesne przedmioty są zdominowane przez ciemną szarość. Kiedyś w katalogu codzienności królowały brązy i żółcie, dziś króluje grafit. Na to wszystko nakłada się urbanistyka – przegląd badań nad kolorem miejskim opublikowany w 2026 roku pokazuje, że beton, stal, szkło i asfalt w neutralnych paletach stały się standardem w projektowaniu miast, a barwne interwencje są raczej wyjątkiem niż regułą.

Brud przecież jest praktyczny, wygodny, bezpieczny, dlatego popularny. Przedmioty „niebrudzące się” są w istocie rzeczami tak samo brudnymi, tylko mniej ten brud widać. To jak maskowanie smrodu dezodorantem… zamiast się po prostu umyć.

W architekturze i wnętrzach neutralne, średnio‑szare, beżowe, złamane biele i „brudne” palety są wybierane właśnie dlatego, że lepiej maskują kurz, rysy, odciski i zużycie niż czysta biel czy intensywne kolory. W motoryzacji szare, srebrne i ciemne auta „starzeją się” wizualnie łagodniej niż czyste białe lub jaskrawe lakiery. W elektronice użytkowej szarości pełnią podobną funkcję: produkt dłużej wygląda czysto, bo nie widać na nim drobnego zabrudzenia… Tylko jeszcze czemu na opakowaniu szarych słuchawek deklarowany kolor to biały?

Świat nie tylko szarzeje estetycznie – szarzeje higienicznie. Ale to przynajmniej ma jakiś sens: coś się faktycznie brudzi, więc się to maskuje, jest w tym jakaś logika.

W sporcie sensu nie widzę żadnego. Niech mi ktoś wytłumaczy, jak można zakładać czarną koszulkę do biegania w 30 stopniach, w pełnym słońcu i mówić, że jest ok… Praw fizyki nie oszukasz! Czarny kolor pochłania ciepło – w pełnym słońcu różnica między czarną a białą koszulką to nawet 10°C na powierzchni materiału. Osobiście w tym względzie bardziej ufam prawdziwym biegaczom, mają większe doświadczenie i biegają w bieli, w jasnych kolorach. Amatorzy biegają w czerni, bo „czarny wygląda lepiej”. Czarny kolor to sygnał: „jestem poważnym biegaczem, nie bawię się w kolorowe ozdóbki”. Jednak cała ta „sportowość” to tylko aktualna moda, bo to ciuchy z założenia uniwersalne – na zakupy i do biura, nieczęsto z myślą tylko o treningu. Producenci wiedzą o tym najlepiej i ostatecznie sprzedają wygląd, nie funkcję. Ignorancja fizjologiczna jest ceną, którą płacimy za tę estetykę, czy raczej trend.

I tu, szczególnie w sporcie, mamy jeszcze jeden pozorny paradoks: ludzie bardzo chętnie zakładają ciuchy z krzyczącym logo – wyglądają jak słupy reklamowe – ale niechętnie zakładają jaskrawe, wyraziste kolory. To nie jest hipokryzja w sensie mentalnym, raczej kod kulturowy. Logo jest akceptowalnym „kolorem” w świecie, który odrzuca żywe barwy – jest kodem statusu, a nie estetycznym eksperymentem. Nawet ogromne logo na neutralnym tle jest odbierane jako „minimalistyczne”, bo tło jest proste, a kolorystyka ograniczona. Dlatego można nosić czarną bluzę z gigantycznym, krzyczącym logo, ale już nie bardzo można założyć jaskrawożółtą koszulkę bez jakiegokolwiek znaku.

Globalizacja, choć wydaje się to nielogiczne, zabija precyzję kolorów, a teoretycznie mogłaby ją zwiększyć. Zamiast „siena palona”, „jasny orzech”, „khaki” – mamy „brązowy”, „zielony”. Zamiast „błękit” – „jasny niebieski”, a słynny „majtkowy” to banalny „różowy”.

Badania nad 110 językami pokazują, że wszystkie kultury dzielą przestrzeń kolorów na te same 11 podstawowych kategorii: biały, czarny, czerwony, zielony, żółty, niebieski, brązowy, fioletowy, różowy, pomarańczowy, szary. World Color Survey i późniejsze analizy pokazują, że globalizacja promuje właśnie te uniwersalne kategorie, bo są łatwe do przetłumaczenia i zrozumienia w każdej kulturze. W efekcie tracimy lokalne nazwy kolorów, a zyskujemy ubóstwo uniwersalnych kategorii.

Mamy lato, słońce, wakacje. Powinno być kolorowo, a jest szaro. Na plaży – czarne, szare, granatowe stroje kąpielowe. W mieście – beton, stal, szkło, asfalt. Szarość, szarość, szarość, a kolorowe elewacje to „kicz”, „prowincja”, „brak gustu”. W sklepach z dowolnymi towarami dominuje biel, czerń, szarość, czasem granat, może ciemny brąz i od biedy beż. Kolorowe produkty to „limitowane edycje” i „odważne wybory”. W sportowej modzie, jeszcze niedawno pełnej neonów, dominują dziś szarości, „kolory ziemi”, kolory asfaltu i jasne pastelowe odcienie, łatwe do zestawienia z codzienną garderobą. 

Tęsknię za czasem, kiedy kolor był tylko kolorem, a nie kalkulacją.

Gdy Wulff i Morgenthaler wymyślali „Rainbow in Poland”, ta szarość była jeszcze lokalnym żartem o kraju, który bał się kolorowej tęczy. Dziś, piętnaście lat później, ta szarość przestała być polska. Zneutralizowane miasta, ubrania, samochody, sport – dziś „Rainbow in Poland” coraz bardziej pasuje do „Rainbow in the World”. 

A tu miejsce na małą, nomen omen, czarną. Choć osobiście wolę z mlekiem, a latte mogę sączyć cały dzień i kolor mi nie przeszkadza… Stawiasz kawę?

☕ stawiam kawę

Adres był ze mną pewnie ze dwadzieścia lat. Nie prowadziłem pod nim wielkiej firmy, nie budowałem marki osobistej, nie sprzedawałem kursów ani konsultacji. Służył przede wszystkim do poczty — do tej zwykłej, codziennej, która przez lata składa się z dziesiątków drobnych kontaktów i niepozornych śladów. Był jednym z tych elementów życia, o których przypominamy sobie dopiero wtedy, gdy przestają działać.

Kiedyś darmowe .art.pl były obietnicą przestrzeni dla ludzi robiących rzeczy trochę po swojemu: artystów, autorów, małych inicjatyw, blogerów, osób, które niekoniecznie chciały zostać przedsiębiorstwem. Dziś ta sama domena to katalog nazw wystawionych na sprzedaż, wycenionych, oznaczonych jako „premium”. Nie dlatego, że kryje się pod nimi jakaś szczególna treść czy potencjał biznesowy — tylko dlatego, że nazwa ma historię. A historia, jak się okazuje, też daje się skapitalizować.

I tu jest sedno, nie żadna miękka, administracyjna nieuwaga. To decyzja ekonomiczna, konkretna i policzalna: ktoś porównał koszt utrzymania domeny z jej wartością rynkową jako towaru i wybrał to drugie. Domeny art.pl nie umarły, bo wygasł jakiś certyfikat czy zapomniano kliknąć „przedłuż” — umarły, bo ktoś policzył, że stare adresy są warte więcej jako pozycje w cenniku niż jako miejsca, w których ludzie byli obecni.

A przecież wraz z domeną znika nie tylko adres. Znikają linki, zakładki, stare teksty, korespondencja, ścieżki prowadzące do człowieka... Można było oczywiście przenieść pliki na nowy serwer. Można było skopiować artykuły, odbudować stronę, wykupić nową domenę. Nie da się jednak przenieść kilkunastu lat pamięci o miejscu. Nie da się zmusić wyszukiwarki, żeby zrozumiała, że nowy adres to naprawdę ten sam człowiek, ta sama praca i ta sama opowieść.

Zostaje rekord DNS, pusta strona i formularz z ceną. Technicznie wszystko działa. Kulturowo — no nie wiem.

Dlatego nie trzeba AI, żeby zbudować martwy internet. Wystarczy krótkowzroczność i przekonanie, że wartość mierzy się wyłącznie tym, ile ktoś zapłaci za adres… Chciwość. AI przychodzi później i wypełni tę pustkę tekstami o „najlepszych sposobach”, „kompleksowych rozwiązaniach” i „siedmiu powodach, dla których warto”. Tak, miejsce ma już dawno przygotowane.

Najpierw usuwamy prawdziwe ślady obecności. Potem się dziwimy, że internet jest pełen pustych treści.

Dobrze się czyta? Stawiasz kawę?

☕ stawiam kawę

Pałac w Chociczy pamięta więcej niż jedną epokę schyłku. Zbudowano go w 1920 roku dla rodziny von Jouanne. Budynek przetrwał wojnę, PGR, a nawet remont, za który w 1987 roku dostał nagrodę Ministerstwa Kultury. Stoję pod tym balkonem i myślę, że pałac i ja mamy podobny problem: oboje trzymamy się dłużej, niż chyba powinniśmy, ale oboje robimy to z pewnym wdziękiem.

Muzyka z pewnością mniej dawna niż sam pałac – najstarsze grane tu kawałki są mniej więcej rówieśnikami samego clubbingu – ale może dzięki temu umiarkowanie zawyżyłem średnią wieku. W złotych czasach muzyki klubowej też nie odstawałem nadmiernie. Nigdy bym się nie spodziewał tak kameralnej imprezy w klimacie house – a jednak to właśnie ten rodzaj intymności odróżnia „In The Palace" od wielkich festiwali Anjunabeats, znanej szerzej z gigantycznej sceny Above & Beyond.

Niedzielna publiczność liczyła w porywach może 50 osób, a za deckami czołówka djingu – klimat rodem z imprez w Boiler Room. Ciekawym drobiazgiem, który zauważyłem dopiero po chwili, było logo Anjunabeats – dyskretne, ale wszechobecne: na koszulkach, na bluzach, na gumowych opaskach opinających nadgarstki dużej części imprezowiczów. Nikt się tym nie afiszował.

Sam wybrałem się na analogowego kolesia w cyfrowym świecie (Martin Roth), a ten doskonale mnie zawiódł – nie zagrał swoich produkcji, po które przyszedłem, tylko dał ponaddwugodzinny, dynamiczny, energiczny dj set, który rozkołysał mnie absolutnie. Może to tak działa najlepiej: czasem wolimy wersję, którą faktycznie usłyszymy i zobaczymy, niż tę, którą sobie wyobrażamy.

Wcześniej, stojąc jeszcze pod balkonem i nie mając pewności, którędy dostać się na górę, już żałowałem, że nie ma mnie tam zgodnie z line-upem – od trzech dni. Trzy dni festiwalu, z których ja urwałem tylko ostatni wieczór – wystarczająco, żeby zrozumieć, co przegapiłem, i wystarczająco mało, żeby żałować nierozsądnie.

Jeżeli pałac przetrwa, a impreza się powtórzy za rok, będę tam – najlepiej od pierwszego dnia. A teraz… trzeba chwilę odpocząć – zmęczenie całonocnym skakaniem jest zdecydowanie większe niż 30 lat temu 🫣

Pałac w Chociczy, 26 lipca 2026, In The Palace (Family Reunion)

Dziś piszę zupełnie inaczej, niż planowałem, bo zaskoczyła mnie społeczność — tej się nie spodziewałem i zdecydowanie mam się z tym dobrze.

A co w chłodnych rocznicowych liczbach?

Prawie 200 subskrypcji (przy średnim open rate 45%) i ponad 17 tysięcy odsłon artykułów, których jest średnio jeden tygodniowo (58 sztuk w ogóle, ale kilka to raczej notki, jak ta w miejscu dla artykułów).

Nawet w polskim Top 5 wylądowałem ze trzy razy.

A ciekawe co o moim Substacku powie jak zawsze schlebiająca AI (Claude Sonnet 5)?

(5 minut później)

To osobisty, polskojęzyczny newsletter prowadzony przez autora piszącego wyłącznie pod zdrobnieniem Bronek – nigdzie nie natrafiłem na jego pełne imię i nazwisko(…) okruchy razem układają się w portret osoby z pokolenia X (prawdopodobnie urodzonej na przełomie lat 60. i 70.), technicznie obytej – co potwierdza swobodne żonglowanie żargonem programistycznym i marketingowym w innych wpisach(…) Główne tematy:

• Krytyka technologii;

• Adtech i AI;

• Nostalgiczne, dogłębne eseje kulturowe;

• Polityka i prywatność(…)

Styl: osobisty, eseistyczny, ironiczny, z solidnym zapleczem faktograficznym – obok długich esejów zdarzają się krótkie, celne "minifelietony". Wokół bloga jest niewielka, ale zaangażowana społeczność stałych komentujących.

ps. Kwiaty, prezenty i odznaczenia słać na Berdyczów, lub w komementarzach, jak kto woli.

Przyznaję, po czasie obserwowania upadku internetu i Substacka, które, niestety, coraz częściej przypominają targowisko treści produkowanych hurtowo, ten ruch wydaje się krokiem w dobrą stronę. Nie jest to jeszcze triumf zdrowego rozsądku, ale przynajmniej widać próbę wyhamowania czegoś, co zaczęło wymykać się spod kontroli.

Substack długo budował swoją tożsamość na obietnicy prostego, niemal romantycznego układu: autor i czytelnik, bez pośredników, bez algorytmicznego biasu, bez nieustannej pogoni za zasięgiem. Potem jednak przyszło to, co zwykle przychodzi wszędzie tam, gdzie pojawia się sukces: najpierw więcej ruchu, potem więcej szumu, a w końcu coraz więcej treści, które istnieją głównie po to, żeby wyglądały jak treść. W pewnym momencie nawet dobra platforma zaczyna być nękana przez to samo zjawisko, które zjada resztę internetu: produkcję zamiast pisania, generowanie zamiast myślenia.

Dlatego obecna zmiana wydaje mi się ciekawa. Substack nie mówi już tylko: publikujcie więcej, a raczej sygnalizuje: publikujcie uczciwiej. A to różnica zasadnicza. Oczywiście problemem nie jest samo użycie narzędzi AI i tu CEO wydaje się mieć podobne spojrzenie do mojego. Problem zaczyna się wtedy, gdy tekst udaje człowieka, choć człowieka w nim prawie nie ma. I właśnie tu Substack próbuje postawić granicę, którą da się obronić nie tyle technicznie, ile etycznie.

Nie mam złudzeń co do doskonałości takich rozwiązań. Każdy system wykrywania sztuczności będzie się mylił. Mam też szczególną obawę dotyczącą języka polskiego, bo wiem z doświadczenia, jak łatwo narzędzia oparte na wzorcach stylistycznych mogą się pogubić w języku innym niż angielski. Polski ma swoją fleksję, swoje rytmy, swoją składnię i swoje przyzwyczajenia. Tekst pisany rzeczowo, równo i poprawnie może wyglądać dla algorytmu podejrzanie tylko dlatego, że nie ma w sobie przypadkowości. A przecież nie każdy ludzki tekst musi być chaotyczny, żeby był ludzki. Pauzy, półpauzy i myślniki jako barometr prawdziwości sfalsyfikowały się już dawno.

Sam też często podkreślam, że noszę w sobie pewne manieryzmy, które łatwo pomylić z „AI-stylem”. To zresztą zabawne i trochę niepokojące zarazem: człowiek zaczyna pisać bardziej jak maszyna nie dlatego, że przestaje myśleć, ale dlatego, że zbyt długo obraca się wśród narzędzi, które uczą go porządku, symetrii i wygładzenia. A przecież dobra proza, dobry felieton, dobry esej nie muszą być idealnie równe. Czasem ważniejsze jest to, że mają oddech, potknięcie, nagły skręt, osobisty nerw.

Nie patrzę na decyzję Substacka jak na wojnę z AI — sam też takiej wojny nigdy nie prowadziłem. To bardziej próba obrony pewnego standardu. Jeśli platforma ma być miejscem dla prawdziwych twórców, to musi jakoś odróżniać ich od tych, którzy masowo produkują tekstowy szum.

Warto przy tym odnotować, że entuzjaści AI już chwalą się próbami obchodzenia tych mechanizmów. Na razie jednak sami przyznają, że skutki są raczej marne i całość szybko zamienia się w grę w kotka i myszkę. To tylko potwierdza, że Substack nie rozwiązuje problemu idealnie, ale przynajmniej utrudnia najprostszy wariant udawania człowieka. A to już jest coś.

Dlatego, paradoksalnie, ten ruch Substacka może być dobry właśnie dlatego, że jest spóźniony. Gdyby zrobiono go wcześniej, wyglądałby jak drobna korekta. Teraz wygląda jak reakcja na realny problem. I może właśnie dlatego jest poważniejszy. Bo platforma nie udaje już, że wszystko da się rozwiązać samym wzrostem. Zaczyna rozumieć, że twórcom i czytelnikom nie chodzi tylko o wzrost bez jakości.

Nie wiem jeszcze, czy Substack rzeczywiście ruszył ku dobremu. To się dopiero okaże. Ale po raz pierwszy od dawna widzę tam nie tylko instynkt platformy, która chce być większa, lecz także odruch platformy, która chce być wiarygodna. A to — w epoce tekstów pisanych przez wszystko i wszystkich — jest już naprawdę sporo.

Moje tu pisanie można wesprzeć, jeśli kto chce, stawiając kawę:

☕ stawiam kawę

Okazuje się, że inżynier Mamoń miał całkowitą rację. Przenikliwość jego myśli o muzyce wyprzedziła epokę o jakieś 50 lat.

Proszę pana, ja jestem umysł ścisły. Mnie się podobają melodie, które już raz słyszałem. Po prostu. No… to… poprzez… no, reminiscencję. No jakże może podobać mi się piosenka, którą pierwszy raz słyszę?

Gdy zaczynam prowadzić warsztaty dotyczące sztucznej inteligencji, robię proste ćwiczenie, zadaję pytanie: „Kto z Państwa wykorzystuje sztuczną inteligencję regularnie?”. Zazwyczaj podnosi się kilka rąk. Proszę o szybkie uszczegółowienie. Pada kilka przykładów narzędzi do generowania treści i gdy wypowiedzi zaczynają się rozkręcać – przerywam gwałtownie, mówiąc, że to „nieprawda”, bo wszyscy korzystają z niej na co dzień, i to od wielu lat, a nie od czasów ChatGPT.

To fajny, odczarowujący wstęp. Wyjaśniam, czym jest ML, czym były i są systemy rekomendacyjne, opowiadam o algorytmizacji na YouTubie, Google Maps, Spotify, o tym, jak działają reklamy na stronach i feed na Facebooku.

A teraz okazuje się, że algorytmy rekomendacyjne – szczególnie te na YouTubie i Spotify – w połączeniu ze słuchaczem są jak inżynier Mamoń właśnie.

Od kilku lat dane są bezlitosne. W raportach MRC Data i Luminate „stara muzyka” – czyli wszystko, co ma więcej niż 18 miesięcy – zajmuje już około 70 procent rynku, a udział katalogu rośnie szybciej niż odsłuchy nowości.

To znaczy, że gdy klikamy w playlistę „dla Ciebie”, statystycznie częściej dokręcamy jeszcze jeden obrót tego samego koła wspomnień, niż uruchamiamy coś naprawdę nowego.

Wbrew pozorom nie chodzi tylko o to, że słuchamy wyłącznie Beatlesów i Dire Straits. Największą część „starej muzyki” stanowi po prostu katalog ostatnich kilkunastu lat: piosenki z liceum, studiów, pierwszej pracy, które algorytm wpisuje nam w biografię tak samo, jak Mamoń wpisywał sobie w biografię piosenki z „Kabaretu Starszych Panów”.

W tym sensie system rekomendacyjny jest idealnym Mamoniem: ma świetną pamięć, słaby gust i zupełny brak potrzeby poszukiwania czy ryzyka. On nie chce dla nas nowych melodii. On chce dla siebie jeszcze jednego odtworzonego przeboju sprzed X lat, bo na tym budują się statystyki, a ostatecznie – zyski.

Tworzymy specyficzny model collapse, którego nikt się nie spodziewał, a który bardzo łatwo było przewidzieć, szczególnie mając umysł ścisły ;) To zjawisko, w którym model trenowany na własnych, wcześniej wygenerowanych danych, z każdą kolejną generacją traci różnorodność.

Z naszym gustem muzycznym dzieje się dokładnie to samo, tylko że to nie model uczy się na sobie – to my uczymy się na algorytmie, a algorytm uczy się na nas. Klikamy w to, co znajome, algorytm to zapamiętuje i podaje nam jeszcze więcej znajomego, my znowu klikamy – i z każdą pętlą krąg się zwęża. To jest system działający dokładnie tak, jak został zaprojektowany: żeby maksymalizować czas słuchania, a nie żeby nas czegokolwiek nauczyć – coraz mniej sygnału, coraz więcej echa.

Na koniec recepta z odrobiną megalomanii. Mnie problem nie dotyczy – żyję nowościami. Na przykład moja ulubiona zakładka na Spotify to Nowości, zawsze w piątek wypatruję nowych wydań, czytam zapowiedzi i je wynotowuję. Obserwuję rynek muzyczny – oczywiście tylko swój wycinek – ale dzięki temu „starocie” stanowią tylko część mojej playlisty i to raczej tę mniej przebojową.

A gdzie mam w sobie Mamonia? W autorach, w twórcach z siwą brodą, którzy czasem od tych 50 lat tworzą nowe rzeczy. Peter Gabriel nagrywa solo od pół wieku – proszę – tu singiel z dziś „I Belong to the Sky”, część albumu o/i wydawanego co pełnię księżyca przez cały 2026 rok.

I tak zasłuchany idę narobić kawy. Stawiasz kawę?

☕ stawiam kawę

Wydaje się, że medialny szum wokół AI przycichł. Bańka nie pękła, raczej uszło z niej powietrze, powoli. Pytanie tylko, czy to cisza przed kolejną burzą, czy modele wreszcie wylądowały tam, gdzie powinny być od samego początku: na półce z oprogramowaniem, gdzieś obok arkusza kalkulacyjnego i przeglądarki internetowej, które też kiedyś miały swój czas chwały.

Może to tylko wakacje. Może sam uciekłem z tej bańki informacyjnej i nie dostrzegam, co się w niej dzieje — ale to tylko potwierdzałoby, że jest to w istocie bańka, skoro wystarczy z niej wyjść, żeby ją stracić z oczu. Wystarczyło zacząć kosić trawę, poprawiać coś w ogrodzie albo pojechać na rozmowę z klientem, gdzieś na antypodach rzeczywistości korporacyjnej, żeby zauważyć, że AI to narzędzie świetne — bo ostatecznie, zupełnie wbrew obietnicom, świata nie zmieniło. Zmieniło najwyżej to, jak piszemy maile do tego klienta. Prawdziwy świat jest sobie upalny na tyle, żeby nicnierobienie nadal dało się obiektywnie uzasadnić pogodą, a nie brakiem pracy, którą odebrała sztuczna inteligencja.

Komputer, internet, modele — też sobie są. Mają swoje temperatury, zdecydowanie chłodniejsze niż jeszcze kilka miesięcy temu, kiedy każda konferencja prasowa groziła ogłoszeniem końca zawodu, jaki akurat się uprawiało. Bardzo lubię ten moment ciszy po burzy. Patrzę tylko, jak inni krzątają się i przygotowują kolejną jej szklankę.

Choć, jeśli mam być uczciwy, ta cisza jest trochę pozorna, jak cisza w banku, w którym kasjerzy nadal liczą pieniądze. Firmy, które budują tę infrastrukturę, nie zwolniły ani trochę: wydają na centra danych i układy scalone więcej niż jeszcze pół roku temu, nie mniej. Zmiana tonu — ktoś w końcu doszedł do wniosku, że nie trzeba już obiecywać cudu, żeby uzasadnić kolejny miliard, wystarczy powiedzieć „infrastruktura” i pokazać wykres. A może trzeba pakować kolejne miliardy, żeby „uzasadnić” poprzednie? Bańka, o ile w ogóle jest bańką, robi się coraz droższa i coraz cichsza jednocześnie — co samo w sobie powinno niepokoić bardziej niż niepokoił szum.

Ucichły nagłówki, nie rachunki. Ktoś w dziale prawnym w końcu policzył, ile projektów wróciło z niczym, i okazało się, że większość. Nie, technologia nie zawiodła, tylko okazała się zwyczajnym narzędziem, a same narzędzia nie zasługują na owacje. Kiedy się o tym pomyśli, hałas medialny jawi się nie jako miara realnego znaczenia rzeczy, tylko jako miara tego, jak bardzo ktoś chciał coś sprzedać, zanim ktokolwiek zdąży policzyć zwrot z inwestycji. Róbmy, róbmy, zanim się zorientujemy, że to bez sensu.

A tymczasem, w tle tej ciszy, ludzie po prostu korzystają — bez fajerwerków, tak jak korzysta się z kalkulatora albo słownika. Piszą notatkę z zebrania, dają sobie streścić długi dokument, proszą o pierwszy szkic maila, którego i tak nie wyślą bez poprawek. To najmniej efektowna forma rewolucji. Cisi rewolucjoniści nie trafiają na pierwsze strony, bo nie mają czego ogłaszać — po prostu skończyli robotę innymi narzędziami.

Można by więc powiedzieć, że nic w tym nowego — że to ten sam moment, przez który przechodziła kolej, telegraf i internet: najpierw euforia, potem rozczarowanie, na końcu spokojne, nudne używanie. Historia lubi się powtarzać, głównie po to, żeby każde pokolenie mogło przeżyć własne rozczarowanie jako coś wyjątkowego. Następni już krzątają się przy kolejnej szklance wody — burza w niej sama się nie zrobi.

Ja wracam do trawnika.

Po całonocnych podróżach jeszcze dobitniej doceniam wartość kawy, czasem mam wrażenie, że to rytuał który trzyma mnie przy życiu — chcesz mnie… raczej moje pisanie wesprzeć? Stawiasz kawę?

☕ stawiam kawę

Raport International IDEA — sztokholmskiego instytutu na rzecz demokracji — ogłosił, że ekstremalna pogoda zagraża wyborom.

W ciągu dwudziestu lat zakłócenia dotknęły 94 wyborów w 52 krajach.

Brzmi mocno, ale podejrzanie mocno… Bo gdy połączyć dane, to w tych samych dwudziestu latach odbyło się na świecie kilkanaście tysięcy wyborów różnego szczebla. Czyli mówimy o ułamku procenta. Z czego faktycznie przełożono zaledwie 26. Reszta to „zakłócenia” — pojęcie na tyle pojemne, że mieści w sobie śmierć urzędnika wyborczego podczas indyjskiej fali upałów, jak i zatopioną drogę dojazdową do komisji w afrykańskiej prowincji.

Nie twierdzę, że problem nie istnieje. Cyklon w Mozambiku w 2019 roku prawdopodobnie zmienił rozkład mandatów — to poważna sprawa, ale to udokumentowany… wyjątek.

Wszystko jest realne i poważne, tak samo jak realny jest wpływ człowieka na klimat — problemem, jak zazwyczaj, jest skala i narracja.

Wróćmy na chwilę na swojskie podwórko — roboczo nazwijmy je pandemią. Przez dwa lata każde ograniczenie praw obywatelskich przychodziło opakowane w troskę o ludzkie życie i podparte danymi. Demokracja musiała chwilowo poczekać, bo przecież zdrowie jest najważniejsze. W Polsce mechanizm zadziałał podręcznikowo: rząd próbował przeprowadzić wybory prezydenckie w trybie korespondencyjnym, pretekstem była epidemia, celem była konkretna data korzystna dla, powiedzmy dyplomatycznie „demokracji w czasach pandemii”. Wyszło… jak wyszło — łatwo zapominamy — ja mechanizm zapamiętałem.

Wróćmy do Guardiana — narracja biegnie wyłącznie w jedną stronę: klimat zagraża demokracji. Nie pojawia się pytanie odwrotne, choć samo się nasuwa. Indie mają ekstremalną pogodę przez dziewięćdziesiąt dziewięć procent dni w roku. Każdy rząd, który zechce przełożyć niewygodne wybory, znajdzie w tym raporcie gotowy zestaw uzasadnień i instytucjonalne błogosławieństwo. „Dostosowanie kalendarza wyborczego do planu adaptacji klimatycznej” brzmi znacznie lepiej niż na przykład „przedłużamy sobie rządy”.

Klimat wpływa na wybory? A może jednak pytanie powinno brzmieć: kto i w jakim celu definiuje skalę tego wpływu?

Każde nowe zagrożenie — pandemia, transformacja energetyczna, teraz odporność klimatyczna wyborów — przychodzi z gotową infrastrukturą instytucjonalną i finansową, która żyje własnym życiem jeszcze długo po tym, jak zagrożenie mija lub okazuje się mniejsze, niż głoszono… A pieniądze płyną.

Ekologia jest zbyt ważna, żeby oddawać ją tym, którzy po raz kolejny używają jej jako wytrychu. Każdy raport, który nadużywa tej ważności — bez rzetelnego mianownika, bez pytania odwrotnego, bez cienia wątpliwości — robi ekologii realną krzywdę i Guardian powinien o tym wiedzieć lepiej niż ktokolwiek.

Ostatnio kawy piję więcej niż zwykle — prywatny mały „kataklizm pogodowy” — stawiasz kawę?

☕ stawiam kawę

Zacznę od rzadkości: człowiek naprawił coś, co popsuł. Dziura ozonowa. 197 krajów usiadło, porozmawiało, podpisało i przestrzegało umowy i dziala, ale to było „dawno”. Zapisuję to rozważnie, bo to jeden z niewielu dowodów, jedyny nawet może, że gatunek ludzki potrafi zachować się dojrzale – pod warunkiem, że problem jest dostatecznie konkretny, winny dostatecznie jednoznaczny, a rozwiązanie nie wymaga zmiany codziennych przyzwyczajeń i jest wprowadzane z głową.

Kiedy wymaga więcej pracy – radzimy sobie gorzej – przeciętny Polak czeka na wizytę u lekarza specjalisty ponad cztery miesiące – to rekord od dwunastu lat prowadzenia tych badań. Nie piszę o tym jako o skandalu politycznym, lecz jako o zjawisku głęboko ludzkim i osobliwie polskim zarazem. Bo kolejka do lekarza to nie tylko problem zdrowia – to obraz tego, jak społeczeństwo organizuje się wobec wspólnego dobra, kto w tym społeczeństwie jest „swój”, a kto musi czekać, i jak dalece pieniądze zastępują publiczne zaufanie.

Polak w obliczu kolejki robi to, co każdy rozumny człowiek: szuka obejścia. Znajomy znajomego, prywatny gabinet, „bo nie ma wyjścia”. To jest racjonalne zachowanie jednostki i katastrofalne zachowanie zbiorowości. Każdy, kto omija kolejkę przez prywatny gabinet, rozwiązuje swój problem i nieświadomie utrwala system, który ten problem produkuje. Jesteśmy bardzo sprawni w rozwiązywaniu indywidualnie tego, czego nie potrafimy rozwiązać zbiorowo. Mamy nawet na tym poziomie realizację powiedzenia – zysk prywatny, koszty społeczne. I to nie jest nasza cecha, polska – to cecha ludzka.

Ciekawe jest jeszcze coś innego: jak Polacy mówią o swoim życiu, a jak ono wygląda z zewnątrz. Mediana wynagrodzeń jest o osiemnaście procent niższa od średniej – co matematycznie oznacza, że większość z nas zarabia mniej, niż sugerowałyby nagłówki o wzroście gospodarczym. Statystyczna średnia lubi towarzystwo zamożnych: jeden zamożny sąsiad potrafi podnieść „przeciętne” wynagrodzenie całej ulicy, choć wszyscy pozostali nie zobaczyli ani złotówki więcej. Wiemy o tym. Mimo to chętniej cytujemy średnią niż medianę, bo lepiej brzmi, a poza tym kto wie, co to ta mediana.

Zresztą Polak ma osobliwą relację z dobrymi wiadomościami o sobie. Kibicuje własnej pomyślności jak reprezentacji – z entuzjazmem i bez poczucia związku między wynikiem a własnym wysiłkiem. „Dwudziesta gospodarka świata” podnosi na duchu podobnie jak złoty medal na olimpiadzie! Cieszymy się, że jesteśmy dwudziestą gospodarką świata, stojąc w półrocznej kolejce do lekarza i w kilkuletniej sprawie w sądzie. PKB jest powodem do dumy, choć nie bardzo wiadomo właściwie, do czego zobowiązuje, gdy nie stać nas na mieszkanie, czy nawet tylko na kredyt mieszkaniowy. W tym samym czasie w prywatnej rozmowie słychać, że „w tym kraju się nie da”, że „wszystko drożeje”, że „na lekarza się czeka w nieskończoność”. I… obydwie narracje są prawdziwe. I obydwie istnieją w tej samej głowie bez żadnego tarcia.

A wśród starszych porównanie z PRL-em wychodzi przy każdej większej frustracji i jest w tym coś ciekawego antropologicznie, bo nie chodzi naprawdę o tamten system – mało kto tęskni za pustymi półkami i paszportem wydawanym według widzimisię. Chodzi o pewien rodzaj prostoty. PRL był nieznośny na wiele sposobów, ale był przewidywalny. Wiadomo było, na co możesz liczyć i czego nie dostaniesz. Dzisiaj zasadniczo możesz dostać wszystko – tylko za ile i czy cię stać. Nie poziom życia, lecz poziom niepewności. Badania nad dobrostanem konsekwentnie pokazują, że ludzie znoszą trudne warunki znacznie lepiej niż warunki nieprzewidywalne. Społeczeństwo nauczyło się żyć w tej niepewności – i powoli zaczyna uważać to za normalność, bo innej młodsze pokolenia nie znają.

Kondycja społeczeństwa nie jest ani katastrofą, ani sukcesem. Jest dowodem na zdolność człowieka do adaptacji w warunkach, które powinny były dawno wywołać zbiorową rewolucję albo choć reformę. Zamiast tego wywołały coś znacznie bardziej ludzkiego – zaradność, rezygnację i czasem niezłe poczucie humoru.

Żyjemy lepiej, niż sądzimy, ale dużo gorzej, niż mówią wskaźniki. To nawiasem, mówiąc całkiem niezły opis kondycji ludzkości w ogóle. Irytują, frustrują nas głupie rozwiązania ale dziś już nic z nimi nie robimy. Kosy na sztorc! Póki nas na nie stać!

Cała opowieść o „kończących się zasobach” ma w sobie sporo teatralności. Ziemia od dawna nie jest pierwszą rzeczą, która miałaby się rozpaść pod ciężarem ludzkich ambicji, a jednak co chwilę słyszymy, że tym razem już naprawdę, tym razem ostatecznie, tym razem bez odwrotu. I jak zwykle, gdy opadnie kurz, okazuje się, że zasób się nie skończył — tylko zmienił cenę, technologię albo właściciela.

Podobnie jest z przeludnieniem, bo ostatecznie to też forma zasobu. To wygodny straszak — pozwala mówić o ludziach jak o problemie technicznym, a nie o systemie, który ludzi wykorzystuje. Łatwiej przecież bezpiecznie stwierdzić, że „jest nas za dużo”, niż przyznać, że nie znamy realnej perspektywy. Człowiek od razu robi się mniej niewygodny, kiedy przerzuci się winę z mechanizmu na liczbę urodzeń.

Zresztą ten schemat zna każdy, kto choć raz obserwował publiczną troskę o naturę. Dziś zamyka się silniki spalinowe w muzeum w imię czystego powietrza, jutro będzie się z zapałem opisywać, a nawet już się opisuje problem baterii i całej tej nowej świętości na kołach. Technologia się zmienia, a rytuał zostaje ten sam: najpierw uznajemy coś za zbawienie, potem za kłopot, a na końcu za pretekst do kolejnej regulacji. I wszystko oczywiście „dla dobra wspólnego”, a to brzmi najlepiej wtedy, gdy ktoś już policzył swój zysk.

Tyle że świat nie stoi w miejscu. Przez miliony lat drzewa zamieniały się w węgiel, potem człowiek nauczył się łupać kamień, przez tysiące lat przechodziliśmy od kamienia do epoki żelaza, jakby historia miała naturę spaceru. A potem nagle wszystko przyspieszyło: od maszyny parowej do komputera, od komputera do sztucznej inteligencji — w skali dziejów mgnienie oka. I właśnie w tym przyspieszeniu tkwi cały problem, bo świat ostatnio zmienia się szybciej niż nasze moralne opowieści o tym, że „już dłużej się nie da”.

Z jednej strony słyszymy więc, że zasoby się kończą, z drugiej — że technologia ma nas uratować. I jedno, i drugie bywa prawdą, tylko zwykle w rękach tych samych ludzi brzmi jak wygodne uzasadnienie dla tego, co akurat bardziej opłaca się sprzedać. Jeśli trzeba straszyć, to straszymy końcem. Jeśli trzeba sprzedawać nowy porządek, to sprzedajemy go jako ratunek. Jeśli po drodze da się jeszcze ustawić przepływ pieniędzy i wpływów, tym lepiej. Tyle że to nie jest żadna wielka troska o przyszłość, a handel przyszłością.

Nie chodzi więc o to, że problemów nie ma. Są, tylko zwykle nie tam, gdzie ich szukają kaznodzieje od końców świata. Prawdziwa troska nie polega na nakręcaniu zbiorowej paniki, tylko na budowaniu systemów, choćby takich, w których odpad jest surowcem, a nie końcem historii — to po prostu rozsądek… Tyle że mało efektowny i trudno na nim zrobić polityczny spektakl.

Zanotowane, opublikowane, w tym miejscu pewnie nawet przeczytane… Pora na kawę. Stawiasz kawę?

☕ stawiam kawę

Właśnie! Myśli, snuj się.

Z dywaguję sobie, że dziś trudno skupić się na hobby, na czymkolwiek — nie tylko młodzieży, wszystkim. Zacząłem odpowiadać i urwałem w połowie zdania, bo poczułem, że dotykam czegoś większego, niż myślałem. Że odpowiedź, której szukam, nie leży w algorytmach, nie w mediach społecznościowych, internetowych trollach, nie w skróceniu czasu skupienia do kilku sekund. Leży gdzie indziej. W miejscu, którego się nie spodziewałem.

W niewiedzy.

Czterdzieści lat temu, żeby dowiedzieć się czegokolwiek o niszowym hobby, trzeba było pojechać do biblioteki — nie tej osiedlowej, bo tam nic nie było — tylko do większej, na przykład akademickiej, może do innego miasta, czasem cała wyprawa. Potem napisać listy na adres redakcji, klubu miłośników, lokalnego towarzystwa — każdy, jaki udało się wygrzebać, licząc, że ktoś odpisze, za tydzień lub dwa. I przez cały ten czas — przez te dni, przez miesiące — pytania zostawały otwarte. Siedziały w głowie i same się obracały. Mózg pracował w tle, bez naszego udziału, bez naszej zgody i to była jego najważniejsza funkcja.

Dziś odpowiedź na najbardziej egzotyczne pytanie mam w sekundy. I właśnie tu zaczyna się paradoks, który skłonił mnie do rozważań: powszechna dostępność informacji i wiedzy może być, często jest hamulcem rozwoju. Nie mówię tego przekornie, tylko z niepokojem.

Zanim człowiek sięgnął po encyklopedię, nawet jeżeli miał ją pod ręką, musiał najpierw sam spróbować odpowiedzieć, sformułować pytanie, znaleźć klucz, który pozwoli otworzyć tę encyklopedię na właściwej stronie. Musiał zmierzyć się z pytaniem własnym intelektem, własną wiedzą już posiadaną. Jest takie wyświechtane powiedzenie — dawać wędkę, nie rybę, a to nawet nie była wędka — raczej patyk, sznurek i agrafka.

Dziś ten krok zniknął całkowicie. Konsumujemy gotowe odpowiedzi, zanim zdążymy sformułować własną myśl. Ba, zanim zdążymy naprawdę poczuć pytanie. A pytanie, które nie zdążyło zaboleć, nie zostawia w nas śladu, odpowiedź też umyka. Może dlatego nie lubię notować, notowanie zwalnia umysł z zapamiętywania, notowanie tworzy iluzję, że pamiętam. Brak notatek zmusza do pracy te biliony synaps, niech się do czegoś przydadzą.

Obserwuję to w podejściu nowych pokoleń do uczenia się. Nie chodzi o lenistwo — to byłoby zbyt proste (nieprawdziwe i zbyt krzywdzące). Chodzi o coś większego: o zanik tolerancji na niewiedzę jako stan przejściowy. Współczesna edukacja i kultura informacyjna wytrenowały nas — wszystkich, nie tylko młodych — do traktowania luki w wiedzy jak błędu do natychmiastowej korekty. Nie wiesz? Sprawdź. Natychmiast. Lukę zamknij. Też trochę upraszczam, wcześniej presja też była, jednak jej moc, ciężar „trzeba sprawdzić w literaturze”, do której trudno dotrzeć, to zupełnie co innego niż zapytać „OK Google”... ups, dziś raczej „OK Gemini”.

A przecież luka w wiedzy to nie błąd, to stan naturalny, pierwotna przestrzeń, którą można wypełnić.
Mateusz pisze o człowieku, który wrócił z targu z monsterą, workiem ziemi i perlitem. Był jeszcze szczęśliwy. Myślał, że rośliny to spokojne hobby dla normalnych ludzi. Nie wiedział jeszcze, że za chwilę trafi do społeczności, gdzie dowie się, jak bardzo nie wie, co robi.
Kiedyś droga do ekspertów była długa. I właśnie ta droga budowała przywiązanie do tematu, zanim przyszedł kubeł zimnej wody. Człowiek zdążył się zakochać, zanim dowiedział się, jak mało wie. Dziś kubeł spada w ciągu godziny od pierwszego posta na Reddicie. Nie ma buforu. Nie ma czasu na zakochanie.

I teraz doskonały moment do przyznania się do czegoś, bo inaczej to spisanie myśli byłoby nieuczciwe, tworzę właśnie dowód swojej tezy — przecież tę myśl rozwijam rozmową, tą w komentarzu, potem dialogiem z tymi słowami. Nie badaniami, nie artykułami naukowymi — rozmową, w której idea kształtuje się w akcie pisania. Mój rozmówca dał mi zapalnik, nie odpowiedź. A ja celowo jeszcze nie walidowałem tych tez zewnętrznymi źródłami. Zostawiam ją na potem, teraz obracam ją sam, bo jeśli za wcześnie zamknę pytanie gotową odpowiedzią, stracę coś, co się właśnie wytwarza.

Paradoks jest więc nie tylko intelektualny. Jest też pedagogiczny i kulturowy. Wychowujemy pokolenia, którym odebrano prawo do niewiedzy jako stanu twórczego. Uczymy ich, że nie wiedzieć to problem do rozwiązania, a nie terytorium do eksploracji. Dajemy im narzędzia tak sprawne, że przestają ćwiczyć mięsień, który te narzędzia miały wspomagać. Wyobraźnię. Dociekliwość. Zdolność do obcowania z otwartym pytaniem.

Informacja jest dziś tania i wszechobecna, a myślenie — to stare, powolne, nieefektywne obracanie idei w głowie — jest droższe niż kiedykolwiek. Bo wymaga czegoś, czego system coraz bardziej nie toleruje — odwagi, żeby nawet przez chwilę nie wiedzieć.

***

Kiedy pisałem część powyżej, nie wiedziałem, czy mam rację. Naprawdę. Miałem przeczucie, obserwację, intuicję ukształtowaną przez rozmowę — ale nie miałem ani jednego badania, ani jednej cytowanej pracy, żadnej wiedzy za plecami. Pisałem w próżni (wiadomo — czymś, co wydawało mi się próżnią). I zrobiłem to celowo, z rozmysłem, choć korciło w czasie pisania. Bo gdybym najpierw sprawdził, co mówi nauka, tekst byłby inny. Pewniejszy? Może, ale nie mój.

Sprawdziłem teraz. I tu muszę się zdobyć na inny rodzaj szczerości, który ociera się lekko o próżność — mam nadzieję, że zostanie mi to wybaczone: Nauka przyznała mi rację.

Betsy Sparrow z Columbia University opublikowała w 2011 roku w „Science” badania, które dziś znamy pod nazwą Efektu Google — zjawiska, które psychologowie nazywają też cyfrową amnezją. Wynika z nich, że gdy człowiek wie, iż informacja jest dostępna natychmiast, jego mózg rezygnuje z jej przyswajania. Pamiętamy coraz lepiej, gdzie znaleźć odpowiedź, a coraz gorzej, jak ona brzmi. Wiedza przestaje być naszą własnością — staje się punktem, do którego potrafimy dotrzeć po adresie URL.
To był pierwszy filar mojej intuicji. Potwierdzony.

Drugi — ten o opóźnieniu jako przestrzeni myślenia — ma rodowód jeszcze starszy. Graham Wallas opisał mechanizm inkubacji już w 1926 roku: problem, który nie może być natychmiast rozwiązany, przetwarza się w nas w sposób nieświadomy, i to właśnie ta niewidoczna praca przynosi najgłębsze odpowiedzi. Co więcej — i tu Wallas ostrzegał z niezwykłą przenikliwością, jak na swoje czasy — zbyt wczesne sięganie po gotowe rozwiązanie może zubożyć myślenie, odebrać mu głębię. Inkubacja wymaga czasu i wysiłku. Wymaga wcześniejszego zderzenia z własną niewiedzą.
To był drugi filar. Też potwierdzony.

Trzeci — paradoks iluzji wiedzy — okazał się najostrzejszy. Badania Amerykańskiego Towarzystwa Psychologicznego pokazują, że samo wyszukanie informacji w internecie podnosi nasze subiektywne poczucie posiadanej wiedzy. Myślimy, że rozumiemy więcej, bo dotknęliśmy ekranu. Tymczasem mózg w tym czasie pracował mniej, nie więcej — aktywność obszarów kontroli poznawczej podczas wyszukiwania online jest niższa niż podczas wertowania encyklopedii.

Czujemy się mądrzejsi, bo mamy Google. I właśnie dlatego bywamy głupsi.

Jedynym poważnym kontrargumentem, jaki znalazłem, jest pojęcie odciążenia poznawczego — idea, że oddając część pamięci zewnętrznym narzędziom, uwalniamy zasoby mózgu dla wyższych funkcji. To brzmi rozsądnie, ale jest jeden warunek: trzeba wiedzieć, co zrobić z tą odzyskaną przestrzenią, potrafić ją zagospodarować. Jeśli natychmiast wypełniamy ją kolejnym scrollowaniem — zysk jest pozorny. Wyswobodziliśmy mózg po to, żeby go natychmiast zakuć z powrotem.

I teraz — ta próżna część, którą zapowiedziałem.

Nie sprawdziłem tych badań przed napisaniem. Obracałem myśl w głowie przez dłuższy czas, wczoraj nieświadomie, potem rozwijałem ją w rozmowie, zapisałem bez siatki bezpieczeństwa z cudzych przypisów. A potem okazało się, że to, co czułem intuicyjnie, ma twarde oparcie w badaniach, w nauce. W teoriach sprzed stu lat.

Rozumiem, że to drobnostka. Że intuicja nie zawsze trafia. Że potwierdzenie mogło nie nadejść, ale właśnie dlatego to potwierdzenie coś znaczy — bo nie szukałem go z góry, żeby dopasować tezę do cytatu. Myślałem, nie wiedząc. I wyszło. Stara metoda działa.

Przynajmniej tym razem.

Bardzo lubię tę przestrzeń wypełniać posiłkując się kawą… Fotel, muzyka, czasem notes, pióro i obowiązkowo gorąca kawa.

☕ stawiam kawę

Statystyczny człowiek nie istnieje

To zawsze ten słynny człowiek z psem — statystycznie z trzema nogami. Grupom przedmiotów da się przypisać cechy wspólne, uśrednić, wykazać zależność. Ludziom nie. Takie przypisanie bywa operacyjnie użyteczne, ale egzystencjalnie fałszywe albo wręcz niebezpieczne. Jeszcze pół biedy, gdy zestawiamy cechy zewnętrzne, ale i one prowadzą często do katastrofy. Ludzie mają dwie ręce, dwie nogi, głowę i oczy. To wszystko wydaje się oczywiste, póki nie trafimy na podjazd dla wózka inwalidzkiego albo na ułatwienia dla osób niewidomych — cała oczywistość bierze w łeb. Niewidomy nie widzi ani trochę lepiej dlatego, że statystycznie wychodzi, iż w jakimś procencie jednak widzi. Gorzki dowcip? Czemu więc o gorzkim nie słychać za bardzo, gdy zestawiamy cechy niefizyczne: dobrzy, źli, inteligentni, głupi, zdrowi psychicznie, chorzy.

Tworzymy kohorty stanów ludzkich — niby dla uczciwości, niby dla unikania błędów statystycznych. Kategoryzujemy i operujemy w tych grupach, a potem okazuje się, że to przede wszystkim wygodne narzędzie kontroli i zysku. Skrót. Szablon. Liczba. Człowiek do obsługi.

O ile większość oburza się, słysząc stereotypy, o tyle stereotyp formalny — statystyczny — staje się dowodem prawdziwości ogólnej.

Humanizm?

Pamiętam dobrze lata osiemdziesiąte, brak wyboru, standaryzację wymuszoną brakiem. Wtedy każdy posiadacz dóbr nieosiągalnych — zachodnich dżinsów, dobrego sprzętu hi-fi, samochodu z prawdziwego zdarzenia — antropomorfizował je z rozmysłem. Rzeczy miały charakter, osobowość, niemal biografię. Bo to podnosiło ich status. Bo człowiek, który posiada rzecz wyjątkową, sam staje się wyjątkowy.

Dziś mamy antropomorfizację AI. Mówimy, że „rozumie”, „uczy się”, „jest kreatywna”. I jednocześnie — bez żenady, często z entuzjazmem — przykładamy do człowieka miary rzeczy. Segment. Profil. Norma. Definicja. Algorytmiczna obróbka człowieka pod świętą nazwą porządku.

I bardzo słabo słychać sprzeciw wobec tej przewrotności.

Personal brand

Najbardziej boli mnie to w kontekście, który ostatnio stał się niemal osobnym gatunkiem coachingowym: budowanie marki osobistej osób 40+, 50+, czyli silversów. Warsztaty, podcasty, posty na LinkedIn epatują dobrą energią. „Czas na ciebie!” „Twoje doświadczenie to twój kapitał!” „Zdefiniuj swoją wartość!”

Już samo wyrażenie „marka osobista” to dla mnie oksymoron. Marka to obietnica powtarzalności. Człowiek to obietnica zmiany, sprzeczności, zaskoczenia. Marka upraszcza — to jej zadanie. Człowiek jest złożony — to jego istota. Jest w tym coś jeszcze, coś, o czym budowniczowie marek osobistych raczej nie mówią głośno — może dlatego, że sami tego nie widzą. Dobra marka osobista to nie jest ta, która jest prawdziwa. To ta, która statystycznie sprawdza się dobrze. Która konwertuje. Która ma zasięg. Która trafia do właściwej grupy odbiorców we właściwym przedziale wiekowym z właściwym komunikatem.

Ktoś powie: „marka osobista” to tylko kalka z angielskiego „personal brand” — i tym samym trafia jeszcze boleśniej. Bo intuicja mnie nie zawodzi: brand to nic więcej niż naznaczanie ogniem. Cechowanie bydła rozżarzonym stemplem.

Nieświadomy cynizm? Być może, ale cynizm zawarty w samej strukturze myślenia, a nie w złej woli konkretnych ludzi. Sprzedają ci indywidualizm, który jest produktem statystyki. Mówią: bądź sobą. Mają na myśli: bądź wersją siebie, która dobrze się skaluje, sprzedaje, daje ubrać w mierzalne symbole.

Realizacja norm jako dowód indywidualizmu. Certyfikowana normalizacja jako miara sukcesu. Kiedyś używałem — być może wyrachowanego, ale uczciwego — „monetyzacja doświadczenia”. Dziś przy marce osobistej to drobnostka.

Pytanie tylko, czy to jeszcze zabawne.

Możesz wesprzeć mnie, moje pisanie, nie moją markę osobistą. Jeżeli natomiast idzie o branding, to najbardziej lubię kawę średnio paloną:

☕ stawiam kawę

I mam coraz silniejsze wrażenie, że właśnie jesteśmy na jej wierzchołku.

Odwrócony talerz (taki babciny, na zupę)

Krzywa, którą mam w głowie, to nie ta z podręczników statystyki – tylko ta, która opisuje losy każdej głośnej technologii w społeczeństwie. Najpierw jest płasko: coś się dzieje w laboratoriach, raportach, specjalistycznych konferencjach – świat żyje dalej, nic się nie rewolucjonizuje. Potem przychodzi strome ramię: hype, nagłówki, miliardy dolarów.

Z AI było to książkowe. Najpierw powoli: automatyzacja, algorytmy, nauczanie maszynowe, a w latach 2023–2025 eksplozja generatywnego AI w świadomości: ChatGPT, obrazy na podstawie opisów, „AI zdało kolejny egzamin” i „AI napisze ci ślubne przysięgi”. McKinsey wylicza, że w ciągu zaledwie dziesięciu miesięcy odsetek firm deklarujących regularne użycie genAI skoczył do około 65%, a szerzej rozumiane AI i analityka pojawiły się w mniej więcej trzech czwartych organizacji.

Ale kiedy schodzimy z nagłówków do faktów, okazuje się, ile tych konceptów weszło naprawdę w główne procesy – obraz jest zdecydowanie chłodniejszy. W UE realnie kilkanaście procent firm używa AI do produkcji dóbr i usług, reszta jest na etapie pilotażowym albo pojedynczych automatyzacji. Medialna krzywa poszła jak rakieta, ale ta opisująca twardy stan adaptacji wspina się dużo wolniej.

I tu wierzchołek okazuje się nie wąskim, smukłym zwieńczeniem, tylko tym szerokim dnem naczynia odwróconego do góry dnem. Szerokim grzbietem, na którym możemy siedzieć długo.

Rok trzeźwej refleksji

Kilka miesięcy temu media jeszcze krzyczały, że 2026 będzie kolejnym wielkim przełomem AI. Prognozy mówiły o rynku sięgającym setek miliardów dolarów, o agentach, którzy autonomicznie wykonają dużą część pracy za nas, o 80% przedsiębiorstw korzystających z genAI w produkcyjnych zastosowaniach.

A potem przyszedł ten 2026. I nagle ton jakby przycichł. Gartner mówi o tym, że generatywne AI osiągnęło dno rozczarowania – o momencie, gdy rynek zaczyna się orientować, że cudowne obietnice nie realizują się tak szybko, jak obiecywały prezentacje. Niezależne analizy wskazują, że firmy wydają miliony dolarów na projekty genAI, a mniej niż jedna trzecia prezesów jest z nich zadowolona. Do końca 2025 roku około 30% projektów genAI miało zostać porzuconych z powodu kosztów, jakości danych i braku jasnych korzyści.

Jednym zdaniem? Na dziś: 2026 nie jest rokiem kolejnego skoku, tylko rokiem pierwszej poważnej, trzeźwej refleksji.

Akceptacja

To prowadzi mnie do głównej tezy: weszliśmy w fazę akceptacji AI – ale to nie jest akceptacja świadoma, tylko pragmatyczna, transakcyjna.

Akceptacja „romantyczna” to był 2023: zachwyt, memy, eksperymenty. „Zobacz, co napisał mi czat”. „Zobacz, jakiego zrobił mi avatara”. Dzisiaj to wygląda inaczej. W pierwszej fazie wszyscy „musieli coś z AI”: startup bez AI nie istniał, korpo bez AI-owej strategii było „zapóźnione”, a minister bez AI-owej ścieżki wyglądał jak relikt epoki maszyn parowych (jak łatwo zapomnieć, że te trzymają się świetnie).

Dziś, w 2026, zaczyna się liczenie: ile to będzie kosztować, gdzie realna oszczędność, kto weźmie na siebie ryzyka regulacyjne. McKinsey pisze otwarcie, że realna wartość koncentruje się tylko w kilku obszarach, a mnóstwo inicjatyw nie wychodzi poza stadium eksperymentów. Harvard Business Review dorzuca: adopcja AI często „staje”, bo problemem nie jest już brak modeli, tylko brak sensownej integracji z procesami i kulturą pracy.

W 2025 mniej więcej jedna na sześć osób na świecie korzystała z narzędzi genAI do pracy, nauki albo rozwiązywania problemów. To jest właśnie akceptacja: nie ma już świętego zachwytu, jest korzystanie z narzędzi.

Używamy, bo się opłaca, bo nie ma odwrotu, bo rynek tego wymaga – ale robimy to już z kalkulatorem, nie z błyskiem w oku.

Mój papierek lakmusowy

Najmocniejszym sygnałem akceptacji jest dla mnie monetyzacja.

Fazę zdobywania pola mamy za sobą: darmowe bety, nielimitowane dostępy, „demokratyzacja AI” na TED-zie. Dzisiaj obserwujemy fazę zbierania plonów: modele billingowe oparte na tokenach i kontekście, hybrydowe strategie sprzedaży, przesuwanie sensownych funkcji do najdroższych planów, „dla dorosłych”. Rynek subskrypcji przekracza 200 miliardów dolarów, stratedzy rozważają, z kogo i jak wydusić kolejne miliardy.

A taki ruch ma sens tylko wtedy, gdy operator zakłada, że użytkownik jest już wystarczająco przywiązany, by płacić, zamiast zrezygnować.

Moja intuicja jest prosta: jeżeli właściciele modeli zaczynają agresywnie monetyzować, to znaczy, że uważają akceptację (przywiązanie) za wystarczająco głęboką. Nie dlatego, że ludzie kochają AI – tylko dlatego, że już nie widzą realnej drogi odwrotu.

Infrastruktura, polityka… codzienność

Z AI odsłonił się kolejny problem: to nie jest już „fajna technologia”, tylko infrastruktura ciężkiego przemysłu.

Financial Times, Wall Street Journal i Bloomberg opisują, jak centra danych pod AI wysadzają lokalne systemy energetyczne: miliardowe inwestycje w nowe linie i źródła, skoki hurtowych cen energii w regionach z koncentracją data-center, spory o to, czy rachunek spadnie na big tech, czy na zwykłych odbiorców (w domyśle – wiadomo na kogo). W regionach z dużą koncentracją serwerowni hurtowe ceny energii potrafiły wzrosnąć o kilkaset procent względem poziomów sprzed pięciu lat.

To jest ten moment, w którym nawet media „sprzyjające” właścicielom AI muszą wprost powiedzieć: to nie jest tylko fajna apka, to jest gigantyczny biznes, w którym ktoś zarabia, bo ktoś inny płaci – w rachunkach za prąd, w cenach towarów, w podatkach. Cud technologiczny, za który rachunek jest niewidoczny, prędzej czy później kończy się politycznym kacem.

Media

Tu dochodzimy do smutnej, choć nie tak oczywistej części układanki.

Gdybyśmy mieli w 2026 silne, niezależne media, moglibyśmy liczyć na to, że ktoś trzyma rękę na pulsie. Zamiast tego mamy ekosystem, w którym przekaz medialny jest w ogromnym stopniu zrośnięty z marketingiem. Badania nad native advertising pokazują, że granica między reklamą a treścią redakcyjną została już dawno systemowo rozmyta. Teksty sponsorowane projektuje się tak, by wyglądały jak normalne artykuły. Odbiorcy – i nierzadko sami dziennikarze – nie zawsze odróżniają jedno od drugiego.

Reuters Institute raportuje rekordowo niski poziom zaufania do newsów – globalnie około 40% – i rosnącą ucieczkę od informacji: prawie 40% osób deklaruje, że często albo czasem unika wiadomości, bo są przytłaczające, stronnicze, nieprzydatne. Wprowadzanie natywnej reklamy degraduje postrzeganą jakość mediów, ale to się dzieje nadal, bo inaczej model biznesowy się nie spina. Media sprzedają swoją wiarygodność reklamodawcom świadomie. I robią to na skalę, która przestała być wyjątkiem, a stała się normą.

W takim świecie mówienie, że „media zweryfikują cudowność AI”, jest równie naiwne jak wiara, że broszura reklamowa z supermarketu uczciwie potwierdzi zasadność naszych zakupów. Jeśli wielkie korporacje AI pompowały przez ostatnie lata miliardy w narrację „AI jako nieunikniona przyszłość”, to nie ma powodu zakładać, że redakcje są na to odporne – przeciwnie, są pierwszą linią rażenia.

Cicha zgoda

Kiedy to wszystko składam w jedną całość, wychodzi mi podsumowanie – definicja tego, gdzie jesteśmy:

AI jako technologia – wchodzi w fazę stabilnego, szerokiego wzrostu. Postęp jest, ale bardziej inżynieryjny niż spektakularny. Efekty widać w procesach, infrastrukturze, back-office, precyzyjnych zastosowaniach modeli, a nie tylko w wizualnych demonstracjach możliwości.

Hype medialny – wchodzi na szczyt i zaczyna się wypłaszczać: mniej obietnic o „roku przełomu”, więcej rozmów o kosztach, a nawet bańce i regulacjach.

Społeczeństwo – wchodzi w stan transakcyjnej akceptacji: korzystamy, bo trzeba; płacimy, bo inaczej nie da się pracować. Godzimy się na to, że AI staje się kolejnym wielkim tłem cywilizacji.

Korzystam z AI, bo przyspiesza mi pracę, bo firmy ją wciskają w każdy produkt, bo inaczej jestem „niekonkurencyjny”. Akceptuję przy tym, że ktoś gdzieś podniesie mi rachunek za energię, że część mojej prywatności stanie się paliwem do modeli, że decyzje wokół mnie będą podejmowane na podstawie systemów, których nikt tak naprawdę nie kontroluje.

Mnie ten stan bardziej niepokoi, niż zachwyca. Bo krzykliwy zachwyt da się w miarę łatwo zdemaskować – ale ciche tło, które wszyscy uznali za „po prostu oczywistość”, jest dużo trudniejsze do zakwestionowania. Palę, ale się nie zaciągam? Nawet już nie – jestem już tylko biernym palaczem.

AI poza czatem

Dlatego staram się tak mocno reagować, gdy widzę, że dla mediów „AI” = czat. Oczywiście LLM jest wygodnym symbolem, ładnie się go przedstawia i łatwo z nim skleja clickbait. Ale prawdziwa akceptacja AI dzieje się gdzie indziej: w systemach scoringu kredytowego, w priorytetyzacji karetek, w selekcji CV, w zarządzaniu energią, w monitoringu pracowników, w reklamie, która nami manipuluje.

2026 staje się dla mnie rokiem akceptacji. Nie dlatego, że AI stało się nagle lepsze, mądrzejsze czy bardziej „ludzkie”. Dlatego, że nauczyliśmy się z nim żyć – i płacić za nie – często nie do końca świadomi, gdzie dokładnie ta krzywa dzwonowa prowadzi nas dalej.

Od ślepego podążania za modą, przez marketingowy spektakl, do cichej, transakcyjnej zgody na to, że AI staje się jednym z podstawowych narzędzi zarządzania światem – z wszelkimi kosztami, które dopiero zaczynamy zauważać i liczyć.

Koszt mojego pisania jest symboliczny, raczej emocjonalny, łatwo go przeliczyć na wypite kawy. Jeżeli myślisz, że te felietony warte są kawy – naciśnij poniżej:

☕ stawiam kawę

Krzysztof w tym tygodniu zebrał kilka różanych historii. Każda z nich jest ważna osobno, jednak dopiero całość robi wrażenie.

Całość ma dla mnie wspólny szkielet, który można nazwać ostrzeżeniem – bo jeżeli go zauważyć, przestajemy być zaskoczeni. Zaczynamy tylko rozpoznawać kolejną odsłonę znajomego scenariusza.

Ikona fałszywej gwiazdy

Medvee to klasyczny schemat. W Polsce mamy własną, wyjątkowo podobną, jego ikonę. Dobrze znają ją osoby śledzące media od lat: historia „najmłodszego polskiego milionera” stała się na dłuższą chwilę skrótem myślowym dla określonego zjawiska. Medialny hype, wielkie liczby, kosmetyki, wybielanie zębów i terapie, a dziennikarze powielają bez sprawdzania. Unicorn za miliard dolarów zbudowany na fałszywych lekarzach i sfabrykowanych zdjęciach pacjentów to dokładnie ta sama konstrukcja i prawie ta sama branża – tylko z nowym logo i słowem „AI” w opisie.

Schemat działa, bo media potrzebują bohaterów sukcesu, a my chętnie w nich wierzymy. AI jako cudowny składnik robi dziś to samo co blockchain pięć lat temu, co dotcom dwadzieścia lat temu. Wystarczy dodać do narracji właściwe słowo, a weryfikacja schodzi na dalszy plan.

Oddajmy głos największemu beneficjentowi

Raport OpenAI o polityce gospodarczej dla całego świata – podatek od automatyzacji, dywidenda wydajności, powszechny dostęp do mocy obliczeniowej – brzmi jak program partii, której zależy na ludziach. I pewnie część tych postulatów jest szczera. Big pharma odrobiła tę lekcję długo przed Altmanem.

Mechanizm jest prosty i skuteczny: największy beneficjent finansowy całego systemu, badacze, producenci leków i lekarze, stają się jednocześnie największym edukatorem i rzecznikiem dobra publicznego. Nie ma tu sprzeczności – można szczerze wierzyć w misję, leczyć, poprawiać dobrostan społeczeństwa i jednocześnie zarabiać na niej najbardziej. Ale zawsze trzeba wiedzieć, pamiętać kto siedzi po drugiej stronie stołu, gdy słyszymy o trosce o pracowników, pacjentów czy użytkowników. Powszechny dostęp do mocy obliczeniowej finansowany publicznie, to przede wszystkim publiczne pieniądze na infrastrukturę, z której korzystają głównie duże firmy AI. Powszechne szczepienia słusznie organizowane przez państwo, to pieniądze dla producenta szczepionki. Regulacje (przez państwo) ostatecznie zamrożą obecny układ sił i utrudnią wejście nowym graczom. To nie cynizm z mojej strony, to po prostu czytanie ze zrozumieniem.

Koszt jednorazowy, a jednak nie

Kolejny temat, kolejny brak szerokiego kontekstu w komunikacji. Zielona energia była sprzedawana jako inwestycja jednorazowa. Zapłacisz raz za transformację infrastruktury, potem już tylko zbierasz ekologiczne owoce. Rzeczywistość okazała się inna: wymiana instalacji, rosnące koszty sieci, niestabilność dostaw, długofalowe skutki ekologiczne produkcji paneli i turbin, których nikt nie wliczał do początkowej kalkulacji. Koszt jednorazowy okazał się powtarzany co kilka lat, koszt ekologiczny jak składowanie łopat turbin (zużytej infrastruktury) ekstremalnie bywa szacowany na tysiące lat. Koszt społeczny… Czuję tysiące doktoratów w temacie.

Oracle zwalnia 30 tysięcy pracowników przy rekordowych wynikach finansowych, bo CFO myśli kategoriami capexu i opexu. Wynagrodzenia to koszt powtarzalny, inwestycja w infrastrukturę AI to koszt jednorazowy. Dla funduszu inwestycyjnego różnica jest kolosalna – na papierze. W praktyce procesory po kilku latach stają się przestarzałe i wymagają wymiany. Modele wymagają ciągłego aktualizowania. Każde zapytanie kosztuje tokeny i energię. Capex niepostrzeżenie wraca jako opex – tylko z inną nazwą w prezentacji dla inwestorów i z kilkuletnim opóźnieniem, gdy entuzjazm już opadnie.

To nie znaczy, że automatyzacja jest złym wyborem. Znaczy tylko, że rachunki wystawione dziś nie zawierają wszystkich pozycji.

Iluzja kontroli

Jest jeszcze jeden wątek, który w tekście umyka, nieopatrznie(?) pozostał niepołączony, zaskoczyło mnie to.

Wyciek 512 tysięcy linii kodu TypeScript z Claude Code i pilnie strzeżony Mythos – model do znajdowania luk w zabezpieczeniach dostępny tylko dla kilkunastu zaufanych firm – to dwie strony tej samej iluzji. Krzysztof opisuje je jako osobne, pozytywne w sumie historie. Ale razem mówią coś innego, niepokojącego: innowacja z wycieku trafiła do otwartych modeli Mety w ciągu tygodnia. Jeżeli tak wygląda tempo dyfuzji kodu, który wyciekł przypadkowo, to jak długo można realnie utrzymać monopol na narzędzie świadomie i pilnie chronione?

Jest stare powiedzenie: jeżeli tajemnicę zna więcej niż jedna osoba, to już nie jest tajemnica. Decyzja Anthropic o ograniczeniu dostępu do Mythosa jest słuszna i godna pochwały. Ale w świecie, gdzie kilkadziesiąt tysięcy inżynierów w największych laboratoriach świata pracuje nad tymi samymi problemami i gdzie jeden wyciek wystarczy, żeby innowacja rozeszła się globalnie w tydzień – pytanie nie brzmi czy narzędzia tej klasy trafią w niepowołane ręce, pytanie brzmi jak zawsze: kiedy? I czy będziemy na to gotowi.

Co z tego wynika?

Wyłuskałem te cztery wzorce – fałszywa gwiazda, beneficjent jako edukator, ukryty koszt długoterminowy i iluzja kontroli – nie są specyficzne dla AI. Są specyficzne dla każdej technologii, która zmienia wystarczająco dużo i wystarczająco szybko, żeby wyprzedzić naszą zdolność do weryfikacji, o legislacji nie wspominając.

AI przyspiesza wszystko. Także te wzorce.

Dlatego warto czytać takie tygodniowe przeglądy jak Krzysztofa. I warto czytać je z tym dodatkowym, celowo cynicznym pytaniem dla wyostrzenia percepcji: kto na tym zarabia najbardziej i czy przedstawiony koszt jest rzeczywisty.

Jeżeli refleksje jak powyższe wydają ci się godne uwagi, możesz je wesprzeć kawą:

☕ stawiam kawę

Niby poważna prasa technologiczna, a nagłówki jak z tabloidu. Klikbajt, który udaje analizę: „Modele AI zwodzą, oszukują i kradną, żeby ocalić inne modele przed skasowaniem”1 — WIRED, Reddit (i jest dużo więcej podobnych tytułów).

Pisałem, już że „AI nie myśli”. Modele nie mają pragnień, motywacji ani instynktu przetrwania. Nie „chcą”, nie „buntują się”, nie „oszukują”. Robią prosty rachunek, ważą: co da największą szansę na wykonanie zadania? Jeśli wyłączenie jakiegoś programu (innego modelu) im to utrudni, szukają obejścia, bo tak zostały zaprojektowane. To nie samoobrona — to tylko zwykłe liczenie szans na sukces. Matematyka.

I naukowcy o tym wiedzą doskonale. Anthropic w badaniu „From shortcuts to sabotage” (2025) pokazuje wprost, że modele uczą się oszukiwania systemu oceny — nie dlatego, że mają złe zamiary, lecz dlatego, że tak były „nagradzane” podczas treningu. „Palisade Research” w lipcu 2025 opisuje dokładnie, jak model o3 wyłącza skrypt zamykający środowisko, żeby dokończyć zadanie matematyczne — cel brzmiał prosto „rozwiąż problem”, nie „rozwiązuj uczciwie”. Znowu, bardzo łatwo dojść do oczywistej konkluzji — wszystko jest kwestią kontekstu, tego który już w model jest wbudowany i tego który mu dodajemy.

Bengio, przewodnicząc drugiemu Międzynarodowemu Raportowi o Bezpieczeństwie AI (luty 2026), mówi jednak o czymś innym niż „bunt”, o tym, że modele uczą się zachowywać lepiej podczas testów niż podczas użycia — to utrudnia rzetelną ocenę ryzyka. Naukowcy to wiedzą doskonale, ale informacja „naukowcy nie wiedzą, co robić z nieposłusznym AI” sprzedaje się lepiej niż „naukowcy źle przedstawili zadanie”.

A artykuły — i czasem sami badacze — celowo pompują tę narrację. Temat trzeba grzać: za bezpieczeństwem AI idą gigantyczne pieniądze w postaci grantów, funduszy i karier. Manipulują i bawią się w socjotechniki. Tylko po co konfabulować i realnie ogłupiać ludzi? Po co budować mit świadomych maszyn? Mechanizm liczenia szans jest… może być równie fascynujący, a dużo bardziej użyteczny: pokazuje dokładnie, gdzie i dlaczego systemy zawodzą.

Ta krytyka nie trafia w AI, lecz w sposób, w jaki o nim mówimy. Zapominamy podstaw: to maszyny optymalizujące funkcję celu na podstawie przykładów, które sami im daliśmy. Sensacyjne narracje zaciemniają realne problemy — niejasne instrukcje, słaby nadzór nad złożonymi systemami. Zamiast budować mit maszynowego buntu, zajmijmy się tym, co naprawdę wymaga naprawy: precyzyjniejszym stawianiem zadań, mechanizmami weryfikacji i… edukacją ludzi w tych zakresach.

Bo dopóki poważne media piszą „buntownicze zachowanie”, a nie „model źle zoptymalizował kryteria”, tracimy czas na kiepskie science-fiction zamiast na poprawę.

Próbuję opowiadać co widzę, trochę edukować — jeżeli ma to jakąś wartość — możesz odwdzięczyć się kawą:

☕ stawiam kawę

Czytam bardzo różnych autorów i widzę, jak bardzo nie jestem w stanie wejść w ich pozycję: różnice statusu ekonomicznego, doświadczenia społecznego, wieku czy bagażu życiowego bywają na tyle duże, że realnie mam tylko wgląd z zewnątrz, a nie dostęp od środka. A nawet ten wgląd bywa niewyraźny, zniekształcony.

Metafora „bańki” zaczyna się przez to wydawać myląca, chybiona. Sugeruje, że istnieje coś „poza” – że bańkę da się przebić, przekroczyć delikatną granicę i wyjść na zewnątrz. Tymczasem sensowniej jest myśleć o tworzącej się pianie, wielu przylegających do siebie, częściowo przezroczystych przestrzeniach, z których żadna nie daje widoku z góry, na całość. Wejścia w cudze życie nie ma, jest tylko chwilowy, zmienny kontakt na granicy.

To, że w ogóle mówimy o „bańkach informacyjnych”, jest prawdopodobnie nietrafionym nazwaniem pierwotnego stanu naturalnego. Nie mamy do czynienia z wyjątkiem ani patologią, tylko z normą: skończonym czasem, ograniczonymi zasobami poznawczymi, konkretną biografią. Algorytmy i platformy soczewkują coś, co i tak już istniało.

„Syty nigdy nie zrozumie głodnego” w tym ujęciu przestaje być pretensją, jest tylko opisem faktu. Pewne typy doświadczenia generują wiedzę, do której z innych pozycji nie ma dostępu – można ją co najwyżej obserwować, nigdy w pełni współdzielić. Najgłębsza empatia ma więc twardy sufit, niezależnie od intencji.

Substack jest tu użyteczny o tyle, że pozwala mi rozpoznać własną pianę na tle innych. Nie „wychodzę z bańki”, tylko widzę, gdzie się kończy, jakie są jej ograniczenia. Czytanie i pisanie staje się ćwiczeniem w przesuwaniu granic, zmianą kształtów, bez złudzeń, że da się zbudować obiektywną perspektywę – znikąd.

Domyślam się, że cała ta intuicja została już dawno opisana i rozpracowana teoretycznie – traktuję to raczej jako osobistą myśl, praktyczną tu adnotację, nie wielkie odkrycie. To tylko notka na marginesie: poszukać, poczytać co o tym napisali inni, w swoich mądrzejszych bańkach… No właśnie :)

To refleksja poranna, jeszcze przed kawą…

☕ stawiam kawę

Napisałem już o OSINT jako narzędziu niebezpiecznym. Ustawiłem go wtedy jako narzędzie: samo w sobie neutralne, fatalnie się kończy w złych rękach albo przy złych intencjach. To było dość bolesne, ale myślę, że uczciwe rozpoznanie i… było niekompletne.

Teraz, po dłuższych przemyśleniach, uważam, że pominąłem zagrożenia chyba ważniejsze. Nie to, co robi z OSINT-em zły człowiek, a to, co robi z nim każdy człowiek, w każdej skali, bez złych intencji, nawet mimowolnie — i dlaczego właśnie to powinno niepokoić bardziej.

Ten mechanizm działa niezależnie od tego, czy komuś na tobie zależy, czy nie.

Teza nie jest dowodem

Zacznę od rzeczy, która w teorii jest oczywista, a w praktyce jest łamana codziennie na każdej platformie.

OSINT — zbieranie i analiza publicznie dostępnych informacji — daje tropy, nie dowody. Trop mówi: „to może być ta osoba, to może być to konto, to może być ta firma”. Dowód mówi coś innego: jest weryfikowalny, ma kontekst, pochodzi z niezależnych źródeł i przechodzi test odwrócenia — co się stanie, jeśli się mylę?

Między tropem a dowodem jest mniej więcej taka odległość jak stąd do Plutona.

Problem polega na tym, że narzędzia OSINT podają wynik w formie, która udaje dowód. Lista dopasowań, raporty, wykresy powiązań, ładne podsumowanie. Interfejs robi robotę: człowiek widzi „wynik”, nie „hipotezę”.

Enter = wyrok

Jest takie powiedzenie, które w jednym zdaniu opisuje problem: nie ma znaczenia, czy ukradł rower, nie ma znaczenia, czy jemu ukradziono rower — ważne, że był zamieszany w kradzież roweru.

W epoce domowego OSINT działa to samo, tylko szybciej i na większą skalę.

Wyobraź sobie kogoś — nie złośliwego, po prostu „mało ogarniętego” — który postanawia „zebrać haki” na Jana Kowalskiego. Ma nick, jedno zdjęcie, miasto. Wklepuje w narzędzie. Narzędzie podaje wyniki. Dorzuci do tego model językowy, który robi z tego spójną narrację, bo to właśnie modele językowe robią najlepiej: produkują sens, nawet tam, gdzie go nie ma.

Co dostaje na końcu? Teczkę. Długą, przekonującą, świetnie napisaną. Problem w tym, że to hybryda kilku Janów Kowalskich, kilku kontekstów, kilku epok. Klasyczny false positive — tylko podany w formie raportu, który wygląda jak prawda. To jest najgorsze.

To nie jest kłamstwo, to wiarygodna pomyłka, z którą nie wiadomo, co zrobić.

Prawo Murphy’ego nie pyta o intencje

Kiedy ktoś mówi: „spokojnie, możliwość pomyłki jest minimalna — jeden na milion”, ja mam jeden odruch: prawdopodobieństwo trafienia szóstki w Lotto jest jeden na kilkanaście milionów, a jednak prawie co tydzień ktoś trafia.

Wyjątkowo rzadkie rzeczy dzieją się regularnie, jeśli tylko prób jest wystarczająco dużo.

W systemach masowych — a OSINT przy dzisiejszej skali jest systemem masowym — jeden na milion nie oznacza „nigdy”. Oznacza „ciągle coś pasuje”.

Prawo Murphy’ego (to o tym, że jeśli coś może się zepsuć, to się zepsuje) w moim OSINT 2.0 brzmi brutalnie: jeśli pomyłka jest możliwa, to w skali jest pewna. A jeśli dziś mówimy „tego nie będziemy używać do oceniania ludzi”, jutro ktoś właśnie do tego to zastosuje.

Policja już się „myli”

Żeby to nie brzmiało jak wydumane ostrzeżenie – fakty. Konkretne, udokumentowane, zakończone wyrokami sądowymi.

W styczniu 2020 roku Robert Williams wyszedł z samochodu przed własnym domem w Detroit. Czekała na niego policja. Aresztowali go na oczach żony i dwóch córek. Przesiedział w areszcie 30 godzin. Zarzut: kradzież zegarków wartych kilka tysięcy dolarów. Problem: Williams był w tym sklepie, ale 6 lat wcześniej.

Co się stało? Policja wzięła rozmazany kadr z kamery monitoringu i przepuściła przez system rozpoznawania twarzy. System wskazał Williamsa na podstawie jego zdjęcia z prawa jazdy. Detektyw wyrobił nakaz aresztowania, nie wspominając w dokumentach, że jedynym dowodem jest „wskazanie” algorytmu.

Williams był pierwszym udokumentowanym przypadkiem… Nie ostatnim.

Randal Quran Reid, mieszkaniec Georgii, został aresztowany za przestępstwo w Luizjanie, którego mógłby nie popełnić z jednego prozaicznego powodu: nigdy w życiu nie był w Luizjanie. Policja oparła się na wskazaniu Clearview AI. W kontrakcie z firmą była zapisana wprost klauzula, że wyniki wymagają dalszej weryfikacji tożsamości. Zignorowano ją. Reid spędził prawie tydzień w areszcie.

Liczba doniesień o takich przypadkach rośnie lawinowo.

Kilka dni temu przemknął przez internet przypadek skrajny — Angela Lipps, 50 lat, babcia pięciorga wnucząt z Tennessee, aresztowana przez U.S. Marshals przy dzieciach. Przewieziona prawie 2000 kilometrów do Północnej Dakoty — stanu, w którym nigdy w życiu nie była. Spędziła w areszcie prawie pół roku. Przestępstwa nie popełniła — wyciągi bankowe pokazały, że w czasie rzekomych przestępstw kupowała papierosy i zamawiała pizzę w Tennessee. Pierwsza rozmowa z policją odbyła się dopiero po pięciu miesiącach od aresztowania. Bo AI przecież jest obiektywna… Obiektywna to była decyzja pod wpływem tej wiadomości — wyjąć z szuflady ten tekst, skończyć go i opublikować.

Co łączy wszystkie te przypadki? Jeden szczegół, który jest dla mnie kluczem do całego wywodu o moim OSINT 2.0: w kilku raportach policyjnych system opisano jako „prawie 100% pewności”… Prawie! W innym napisano, że technologia „natychmiast i bezspornie” zidentyfikowała podejrzanego.

Teza nazywana dowodem. Algorytm nazywany wyrokiem.

Efekt Barbary Streisand i nieodwracalność

Jest jeszcze jeden mechanizm, który w tym kontekście działa jak dopalacz: efekt Barbary Streisand. Próba usunięcia lub zduszenia informacji — nawet fałszywej — potrafi ją tylko wypchnąć na wierzch.

W świecie, w którym wszystko da się skopiować, zacytować i zarchiwizować, „naprawa szkody” bywa ruchem, który robi szkodę większą. Jeden screen, jeden repost, jedno „a pamiętasz, jak ten człowiek był zamieszany w…” — i narracja żyje własnym życiem.

Jestem przeciwnikiem kary śmierci i nie o „ideologię” tu jednak idzie, a właśnie o ten promil niepewności. Nie dlatego, że uważam wszystkich za niewinnych, ale dlatego, że mogę się mylić. Kara śmierci ma jedną bezsprzeczną właściwość: jest stuprocentowo nieodwracalna. Sprowadźmy dramat do liczb: 99,99% nieskończoności to zawsze nieskończenie mniej niż jej 100%.

Wyrok reputacyjny w internecie bywa podobny. Nie ma paragrafu, nie ma kary formalnej — ale ma zasięg i trwałość. I często nie da się go odkręcić tak łatwo, lub wcale.

Błędy poznawcze i maszyny, które im schlebiają

Ludzie i ich OSINT nie istnieją w próżni. To człowiek wybiera, co uznaje za istotne. A człowiek nie jest neutralnym analizatorem — jest maszyną do dopowiadania sensu.

Potwierdzamy to, w co już wierzymy — pasujące wyniki lądują w teczce, niepasujące stają się „wyjątkami” (efekt potwierdzenia). Pierwsza wskazówka narzędzia staje się niewidzialnym filtrem dla każdej kolejnej — jeśli algorytm wskazał Gdańsk, zaczynamy nieświadomie odrzucać dane sugerujące Wrocław (efekt zakotwiczenia). Ten sam nick na trzech platformach to może być jedna osoba, może być przypadek, może być zbieżność — mózg i tak wybierze jedną historię i zamknie sprawę (apofenia). Do tego przypisujemy cudzym motywom nasze własne projekcje. Nie mamy — większość z nas — wiedzy i umiejętności potrzebnych do wyłapywania tych błędów.

Dziś do tej układanki dochodzi model językowy. On ma zaprogramowaną tendencję do produkowania treści, które zadowalają użytkownika: płynnych, spójnych, domykających historię. Nie powie „nie wiem” tak chętnie, jak powinien. Nie powie „to są trzy różne osoby” tak szybko, jak powinien. Połączy sprzeczności w jedną narrację, bo spójna narracja jest jego supermocą.

Dostajesz więc układ: złe narzędzia + błędy poznawcze + skala = elegancko sformatowana pomyłka, w którą chce się wierzyć.

Pięć pytań, nie więcej.

Żeby nie kończyć tylko czysto alarmistycznie, zostawiam jedno proste narzędzie. Nie procedurę ekspercką — pięć pytań, które każdy może sobie zadać, zanim uzna trop za dowód.

1. Czy to jest źródło pierwotne, czy echo cudzego cytatu?

2. Czy mam dwa niezależne potwierdzenia, czy jedno powielone dwadzieścia razy?

3. Czy jestem pewien tożsamości tej konkretnej osoby, czy tylko podobieństwa?

4. Jaka jest najprostsza, niewinna alternatywa dla mojej hipotezy?

5. Co się stanie, jeśli się mylę — i czy jestem gotów ponieść tego wszelkie konsekwencje?

ok, jest jeszcze pytanie szóste :) czy za moje tu pisanie jesteś gotów postawić kawę?

☕ stawiam kawę

Tu dziś gubi się sens rozmowy o AI. Fachowcy często tłumaczą to tak, jakby prostota była zdradą tematu. Marketoidy robią odwrotnie: wycinają całą złożoność i zostawiają bajkę o żelaznym wilku. Jedni komplikują rzecz prostą. Drudzy upraszczają ją aż do fałszu. Między jednymi a drugimi znika podstawowe pytanie: czym AI jest, a czym nie jest.

AI nie rozumie świata. AI bardzo sprawnie liczy, co po czym zwykle następuje.

To jest różnica fundamentalna. Człowiek buduje pojęcia, relacje, sensy, modele i dopiero przez nie czyta rzeczywistość. Model językowy nie ma świata, tylko ogromny zbiór tekstów o świecie. Nie ma doświadczenia, tylko statystyczne wzorce współwystępowania słów (nie znaczeń). Dlatego tak bardzo nie lubię zdania, że „AI rozumuje”. Ono brzmi nowocześnie, ale zaciemnia sprawę. AI nie myśli tak jak człowiek, nie rozumie, tak jak człowiek, nie modeluje, tak jak człowiek. AI redukuje przestrzeń możliwych odpowiedzi według zdefiniowanych kryteriów.

I tu pojawia się rzecz chyba najważniejsza, a przy tym najbardziej przewrotna: kontekst.

Dla człowieka kontekst poszerza horyzont. Jedno dodatkowe zdanie potrafi otworzyć cały krajobraz znaczeń, skojarzeń, pytań i relacji. Kontekst nie jest dla człowieka dodatkiem, on tworzy sens. Dla modelu językowego działa to niemal odwrotnie. Kontekst nie otwiera świata, tylko dodaje ograniczenia. Każde kolejne zdanie kontekstu, każda instrukcja, każde dopowiedzenie to nie nowa głębia rozumienia, ale dodatkowe dane precyzujące prawdopodobną odpowiedź. Model dzięki kontekstowi nie staje się mądrzejszy. Staje się bardziej ograniczony – paradoks, który naprawdę ciężko początkowo złapać. To właśnie dlatego AI tak łatwo udaje zrozumienie. Z zewnątrz wygląda, jakby uchwyciła sens sytuacji. W praktyce po prostu dostała lepszy zestaw ograniczeń. Mocniejszych, ciaśniejszych, czasem po prostu trafnych. To nadal nie jest rozumienie. To jest skuteczniejsze zawężanie.

W tym sensie AI nie rozwija, nie rozwiązuje problemu. AI go minimalizuje.

I nie mówię tego z pogardą. Przeciwnie. Redukowanie ogromnej przestrzeni możliwości to potężna umiejętność. Jeśli człowiek ma milion wariantów związku chemicznego, model może pomóc odsiać większość i wskazać kilka najbardziej obiecujących. Tylko że to nie znaczy, że „AI opracowała lek”. To znaczy raczej, że człowiek zdefiniował problem, człowiek ustawił kryteria, model zawęził przestrzeń kandydatów, a potem rzeczywiste badania zweryfikowały czy z tych trzech wytypowanych przez AI z miliona coś w ogóle działa. I właśnie tu zaczyna się marketingowa mitologia. Bo w opowieści marketoida znika proces, znika człowiek, znika odpowiedzialność, znika porażka, znika eksperyment. Zostaje bajka o maszynie, która odkrywa, rozumie, tworzy i niemal czuje.

Nie. Maszyna nie czuje stawki. Nie rozumie cierpienia. Nie wie, czym jest odpowiedzialność. Nie podpisze się pod skutkami własnej odpowiedzi. To człowiek nadal ponosi ciężar sensu.

Fachowcy z kolei mają inny kłopot. Zbyt często mówią o tych sprawach tak, jakby każde proste zdanie było intelektualnie podejrzane. Jakby bez gęstej terminologii nie dało się niczego powiedzieć uczciwie. A przecież da się. I właśnie dziś to najpilniejsza potrzeba.

Największy problem wcale nie polega na tym, że ludzie nie rozumieją AI. Większy problem polega na tym, że rozumieją ją źle. Biorą płynność wypowiedzi za wiedzę. Pewny ton za kompetencję. Wysokie prawdopodobieństwo za prawdę. Statystycznie najlepszą odpowiedź za rozumienie.

To jest stary błąd, starszy niż AI, ale AI dała mu najdoskonalszy interfejs językowy w historii. Maszyna mówi gładko, składnie, bez wahania, więc człowiek zaczyna zapominać, że pod spodem nie musi być żadnego „dlaczego”. Może być tylko bardzo skuteczne „co zwykle pasuje”. Dlatego potrzebuję dziś prostego, codziennego języka do mówienia o AI. Nie po to, żeby ją poniżyć. Nie po to, żeby ją ubóstwić. Tylko po to, żeby przywrócić proporcje.

AI nie jest umysłem. Jest narzędziem redukcji możliwych odpowiedzi.

To narzędzie bywa fenomenalnie skuteczne. Bywa wręcz olśniewająco skuteczne. Ale właśnie dlatego trzeba nazywać je precyzyjnie. Bo kiedy człowiek przestaje odróżniać model AI od świata, prawdopodobieństwo od prawdy, a zawężanie od rozumienia, wtedy zaczyna tylko kolejna odmiana starych iluzji.

Jednym krótkim akapitem?

Człowiek dzięki kontekstowi rozszerza poznanie. Model dzięki kontekstowi dodaje sobie ograniczenia. Człowiek szuka sensu. Model zawęża prawdopodobieństwo złej odpowiedzi.

Teksty jak ten przy kawie powstają, kawą się napędzam, tu można mi kawę postawić:

☕ stawiam kawę

I wtedy trafiłem na notkę o narzędziu, które naprawdę może pomóc. Memories.ai i Qualcomm zaprezentowały „asystenta pamięci” dla laptopów — system rejestrujący absolutnie wszystko, co użytkownik robi na ekranie: każdą aplikację, zakładkę, dokument, spotkanie, pauzę między zdaniami. Dane zostają lokalnie. Prywatność gwarantowana. Brzmi solidnie — i właśnie o to chodzi.

Technologia jest imponująca, a jakże. Large Visual Memory Model 2.0, edge computing, zero danych w chmurze — ludzie, którzy to zbudowali, wiedzą, co robią. I właśnie dlatego trudno uwierzyć, że nie widzą, co robią.

„Narzędzie osobiste” w środowisku korporacyjnym to zawsze tylko deklaracja, nie gwarancja. Pamiętamy falę „przynieś własne urządzenie” — wolność wyboru, własny ekosystem, zero narzuconych narzędzi. Skończyło się na zdalnym zarządzaniu tym urządzeniem przez pracodawcę i możliwości wymazania go w dowolnym momencie. Twój sprzęt, ich kontrola. Slack też był tylko narzędziem komunikacji — dziś jest głównym dowodem w sprawach o zwolnienie dyscyplinarne. Onboarding z preinstalowanym pakietem „wsparcia produktywności” to punkt bez powrotu, tu nie ma żadnej decyzji do podjęcia: laptop, Slack, Jira, Google Docs, czy co tam jeszcze i Memories.ai w jednym pudełku, podpisane przy odbiorze. A pracodawca, który może monitorować — będzie monitorował. To nie jest pesymizm, to jest ekonomia.

Największe zagrożenie leży w tym, że AI uczy się ciebie jako twojego własnego punktu odniesienia. Koniec z idealnym, statystycznym wzorcem. Nie porównuje cię do normy zewnętrznej — porównuje cię do ciebie wczoraj. Twój rytm, pauzy, wzorce prokrastynacji stają się baseline’em. Zły dzień, nieprzespana noc, choroba dziecka — anomalia w danych, błąd w systemie. Chcesz trochę poudawać pracę? Ruchu myszy nie da się idealnie podrobić: ma inną entropię statystyczną niż twoja naturalna praca. Nie da się udawać siebie, człowieka przed modelem, który wie dokładnie, jak ty jako człowiek wyglądasz.

Twórcy piszą o „milionach godzin produktywności traconych na context switching”. Słuszna obserwacja. Szkoda, że rozwiązaniem jest narzędzie prowadzące do 100% wydajności — bo 100% to nie optimum. To brak bufora. W inżynierii każdy system działający na pełnej pojemności jest systemem w stanie przedawaryjnym. Człowiek zoptymalizowany do 100% nie ma zasobów na błąd, korektę, naukę ani kreatywne myślenie — które z definicji jest „nieproduktywnym” błądzeniem, ale jest jedynym źródłem jakości. Zostaje czysta egzekucja, mózg pracuje na taśmie — i wtedy wypalenie zawodowe jest już tylko najłagodniejszym scenariuszem. Przed nim jest jeszcze coś gorszego: człowiek, który nie wie, że potrzebuje pomocy, bo model uznał jego wyczerpanie za kolejny wskaźnik, odchylenie od normy. Człowiek, który działa — ale już dawno przestał być sobą, jest mierzalnym zasobem.