Michał Kosiński: co lajki mówią o naszej osobowości? [Re_Mind]

Michał Kosiński jest pionierem metod przewidywania cech psychologicznych na podstawie cyfrowych śladów pozostawianych przez użytkowników. Interesuje go moment, w którym technologia zaczyna patrzeć na człowieka przez kliknięcia, polubienia, zdjęcia, reakcje i sieci znajomych, czyli przez ślady zostawiane przy okazji, często bez poczucia, że mówią o nas coś ważnego.

Jest psychologiem obliczeniowym i badaczem danych związanym ze Stanford Graduate School of Business. Specjalizuje się w psychometrii, czyli mierzeniu cech psychologicznych, oraz w obliczeniowych naukach społecznych: dziedzinie, która używa dużych zbiorów danych, by lepiej rozumieć zachowania ludzi. Doktorat z psychologii uzyskał na Uniwersytecie w Cambridge, gdzie rozwijał metody przewidywania cech człowieka na podstawie cyfrowych śladów.

Co widać w cyfrowych śladach?

Jego dorobek jest interesujący nie dlatego, że obiecuje technologiczną magię. Przeciwnie: pokazuje, jak przyziemne dane mogą prowadzić do zaskakujących wniosków. Pytanie, które wraca w pracach Kosińskiego, jest jednocześnie bardzo proste i bardzo niewygodne: co o nas widać wtedy, gdy jesteśmy przekonani, że nic szczególnego nie pokazujemy?

Jednym z przełomowych tekstów była publikacja z 2013 roku w „PNAS”, napisana przez Kosińskiego, Davida Stillwella i Thore’a Graepela. Badacze sprawdzali, co można przewidzieć z polubień na Facebooku. Model nie „czytał w myślach”; szukał prawidłowości w danych ponad 58 tysięcy ochotników, którzy udostępnili swoje polubienia, dane z profilu i wyniki testów psychometrycznych.

Rezultaty mocno naruszyły wyobrażenie o „niewinnych” danych. Na podstawie cyfrowych śladów model potrafił przewidywać m.in. cechy osobowości, poglądy polityczne, religię, wiek, płeć, poziom inteligencji czy zadowolenie z życia. W badanej próbie odróżniał mężczyzn homoseksualnych od heteroseksualnych z trafnością 88%, Afroamerykanów od białych Amerykanów z trafnością 95%, a demokratów od republikanów z trafnością 85%.

Najważniejsza lekcja wykracza jednak szeroko poza zwykłe dane liczbowe. Kosiński i współautorzy pokazali różnicę między tym, co człowiek ujawnia świadomie, a tym, co inni mogą wywnioskować z jego zachowania. Można nie pisać nic o poglądach, orientacji czy religii, a mimo to zostawiać sygnały, które pozwalają je oszacować. Prywatność przestaje wtedy dotyczyć tylko informacji wpisywanych w zamkniętym formularzu. Zaczyna dotyczyć także wniosków, których sami wprost nie widzimy.

Algorytm kontra ludzka ocena osobowości

Kolejne ważne badanie, które Wu Youyou, Kosiński i Stillwell opublikowali w 2015 roku, porównywało ocenę osobowości dokonywaną przez komputer i przez ludzi. Wzięło w nim udział ponad 86 tysięcy osób, które wypełniły kwestionariusz oparty na pięcioczynnikowym modelu osobowości, znanym jako Big Five. To popularny model opisujący osobowość za pomocą pięciu szerokich wymiarów, takich jak otwartość, sumienność czy ekstrawersja. Część uczestników została oceniona także przez znajomych z Facebooka.

Okazało się, że przy odpowiedniej liczbie polubień komputerowa ocena osobowości może być bliższa samoopisowi uczestnika wynikającemu z testu niż ocena przeciętnego znajomego. Sto lajków wystarczało, by model przewyższył przeciętnego ludzkiego oceniającego w badanej próbie, a trzysta, by osiągnął wynik lepszy niż ocena przypisywana małżonkowi w porównaniach z metaanalizą. To nie znaczy, że algorytm ma intuicję albo empatię. Ma coś innego: skalę, cierpliwość i zdolność równoczesnego uwzględniania tysięcy drobnych sygnałów.

W 2017 roku Kosiński wraz z grupą badaczy pokazał, że komunikaty perswazyjne dopasowane do cech psychologicznych odbiorców mogą zwiększać skuteczność reklamy cyfrowej, m.in. kliknięcia i zakupy. Dla marketingu to obietnica lepszego dopasowania przekazu. Dla społeczeństwa to pytanie o granicę między personalizacją a wykorzystywaniem słabości użytkownika.

Dlaczego to ważne na Re_Mind?

Wystąpienie Kosińskiego na Re_Mind jest ciekawe nie tylko dla osób interesujących się AI. Badacz pokazuje, jak psychologia przenosi się z gabinetu i ankiety do środowiska danych behawioralnych. To zmiana, która dotyczy każdego użytkownika telefonu, platform społecznościowych, aplikacji zakupowych czy serwisów randkowych. Nie zawsze wiemy, kiedy jesteśmy klasyfikowani, przewidywani albo przekonywani. Nie zawsze też rozumiemy, jakie cechy można wywnioskować z danych, które wydają się uboczne i nieistotne.

Kongres i Festiwal Psychologiczny Re_Mind we Wrocławiu ma być miejscem dyskusji o tym, jak psychologia pomaga rozumieć współczesny świat i wspierać nas w codzienym życiu. W dniach 22–24 czerwca 2026 roku w Hali Stulecia i Wrocławskim Centrum Kongresowym spotkają się badacze i praktycy, a program obejmie 14 ścieżek tematycznych: od dobrostanu, relacji i edukacji po pracę, sztukę, wpływ społeczny oraz technologie. W tym kontekście Michał Kosiński wnosi temat, którego trudno dziś uniknąć: co technologia wie o człowieku i kto powinien kontrolować tę wiedzę.

Kiedy Kosiński mówi o algorytmach, w tle nie chodzi wyłącznie o komputery. Chodzi o prawo człowieka do bycia czymś więcej niż zestawem przewidywalnych sygnałów. O pytanie, czy sztuczna inteligencja pomoże nam lepiej rozumieć siebie, czy raczej sprawi, że inni będą rozumieli nas szybciej, taniej i skuteczniej niż my sami. I w jaki sposób to wykorzystają.

Przedstawiamy także innych gości Kongresu Re_Mind: