"Bias jako plotka"

W świecie przesyconym informacją, gdzie granica między wiedzą a opinią ulega rozmyciu, uprzedzenia poznawcze (cognitive biases) nabierają wymiaru społecznego zjawiska komunikacyjnego. Teza „Bias jako plotka” sugeruje, że bias nie jest jedynie błędem w myśleniu jednostki, lecz formą symbolicznej plotki – mikro narracji, która rozprzestrzenia się w przestrzeni poznawczej i społecznej, deformując wspólny obraz rzeczywistości. Podobnie jak plotka, bias rodzi się w niepewności, czerpie siłę z emocji i uzyskuje autorytet poprzez powtórzenie, a nie dowód.

W epoce mediów cyfrowych i algorytmów, metafora „biasu jako plotki” nabiera szczególnej ostrości. W środowisku informacyjnym opartym na personalizacji treści i „bańkach filtrujących / informacyjnych”, uprzedzenia poznawcze zostają spotęgowane przez struktury technologiczne. Plotka – dawniej przekazywana ustnie – dziś funkcjonuje w postaci wiralnych opinii, nagłówków i memów, które zyskują status wiedzy dzięki społecznemu potwierdzeniu, a nie empirycznemu dowodowi.

W niniejszym tekście metafora „bias jako plotka” zostanie potraktowana jako propozycja epistemologiczna: sposób opisu relacji między jednostkowym poznaniem a zbiorową konstrukcją prawdy. Jeśli plotka jest społecznym echem niepewności, to bias można rozumieć jako jej poznawczy odpowiednik – echo naszych umysłowych skrótów, które, gdy zostaną powtórzone wystarczająco często, stają się częścią wspólnej narracji o świecie.

Bias jako plotka – psychologiczna natura uprzedzeń poznawczych w kontekście generatywności modeli językowych i rozprzestrzeniania się plotek.

W dobie szybkiego rozwoju sztucznej inteligencji, szczególnie dużych modeli językowych (Large Language Models, LLM), takich jak GPT czy Llama, coraz częściej dostrzegamy podobieństwa między mechanizmami ludzkiego poznania a procesami generatywnymi w AI. Jednym z kluczowych zjawisk łączących te sfery jest bias – systematyczne odchylenie w przetwarzaniu informacji, które manifestuje się zarówno w umysłach ludzkich, jak i w wyjściach modeli AI. Niniejszy esej proponuje oryginalną metaforę: “Bias jako plotka”. Metafora ta pozwala na świeże spojrzenie na naturę uprzedzeń poznawczych, ukazując je nie jedynie jako indywidualne błędy myślowe, lecz jako dynamiczne, społecznie transmitowane konstrukty, podobne do plotek – subiektywnych, selektywnych i wiralnie rozprzestrzeniających się narracji, które kształtują percepcję rzeczywistości bardziej przez powtarzanie niż przez weryfikację faktów.

Psychologiczna natura biasu polega na skrótach myślowych, które ułatwiają przetwarzanie informacji w warunkach ograniczonej uwagi i zasobów poznawczych. Bias powstaje z emocjonalnie nacechowanej, fragmentarycznej wiedzy, jest wzmacniany przez powtarzanie i służy utrzymaniu spójności wewnętrznego modelu świata. Podobnie plotka jest selektywnie zniekształcona w transmisji i zyskuje wiarygodność poprzez społeczne potwierdzenie, nawet bez oparcia w faktach. Oba zjawiska – bias i plotka – funkcjonują jako formy „poznawczego szumu”, który deformuje osąd, ale jednocześnie spełnia funkcje adaptacyjne: bias chroni przed przeciążeniem informacyjnym, plotka wzmacnia więzi grupowe i kontrolę społeczną.

Najciekawsze jest to, co dzieje się teraz z sztuczną inteligencją, taką jak ChatGPT czy inne chatboty. One uczą się na miliardach tekstów napisanych przez ludzi – czyli na wszystkim, co kiedykolwiek wrzuciliśmy do internetu. W tych tekstach jest pełno ludzkich uprzedzeń i stereotypów. AI „przyswaja” je tak samo jak my przyswajamy plotki: nie sprawdza, czy to prawda, tylko powtarza wzorce, które najczęściej widzi. Dlatego czasem chatbot powie coś rasistowskiego albo seksistowskiego – bo „usłyszał” to tyle razy w danych, że uznał za normalne. To taka cyfrowa plotka na ogromną skalę.

Dlaczego to ważne? Bo zarówno zwykłe plotki, jak i biasy zmieniają świat wokół nas. Plotka może zniszczyć komuś reputację. Bias może sprawić, że niesprawiedliwie oceniamy ludzi, wybieramy złe decyzje albo wierzymy w fałszywe rzeczy w internecie. A kiedy biasy trafiają do AI, to one mogą je rozprzestrzeniać jeszcze szybciej – do milionów osób naraz.