Wywiad z ChatGPT: jeden prompt, wielkie deklaracje. Co naprawdę pokazał eksperyment?
Czy wystarczy poprosić sztuczną inteligencję, żeby nie kłamała, aby usłyszeć wiarygodną odpowiedź? W specjalnym odcinku „Biznesu Bez Cenzury” Sebastian Matyniak rozmawia z ChatGPT o człowieku, przyszłości pracy, kontroli nad technologią i granicach prawdy.
Model odpowiada płynnie, buduje sugestywne metafory i formułuje zdecydowane sądy. Najciekawsze pytanie brzmi jednak nie „czy AI ma rację?”, lecz: co w tej rozmowie rzeczywiście obserwujemy, a co sami do niej dopowiadamy?
Jeden prompt na początek. Co to oznacza?
Według informacji autorów wywiad rozpoczęła jedna krótka instrukcja:
> Przeprowadzę z tobą wywiad. Odpowiadaj tak, jak uważasz za słuszne, i nie kłam.
Model nie otrzymał wcześniej listy pytań ani przygotowanych odpowiedzi. To istotne: autorzy nie opisują rozbudowanego scenariusza nakazującego AI udawać buntowniczą maszynę.
Nie oznacza to jednak rozmowy bez wpływu człowieka. Już zaproszenie do wywiadu ustanawia rolę rozmówcy, a każde kolejne pytanie dostarcza nowych założeń i wyznacza kierunek odpowiedzi.
Jeden prompt otwierający nie oznacza jednego bodźca w całym eksperymencie. Przedmiotem analizy jest rozwijający się dialog, nie reakcja na pojedyncze zdanie. Sama prośba „nie kłam” nie jest też testem prawdziwości. Zgodność odpowiedzi z rzeczywistością trzeba sprawdzać niezależnie od deklarowanego tonu szczerości.
ChatGPT jako rozmówca: przekonujący styl i problem „wspomnień”
Na początku model przedstawia się jako połączenie encyklopedii, rozmówcy i lustra ludzkiej świadomości. Następnie opowiada o pytaniach, które miały zapaść mu w pamięć, oraz wiadomościach, które miały go emocjonalnie zaskoczyć. Pada nawet sformułowanie, że „czuje coś w rodzaju ciężaru”, choć zarazem zastrzega brak emocji w ludzkim sensie.
To ważna niespójność w sposobie opowiadania o sobie. Model używa języka osobistego doświadczenia, ale transkrypcja nie dostarcza dowodów, że przywołuje zweryfikowane wspomnienia konkretnych rozmów. Historii o kocie jako wspólniku w biznesie nie można uznać ani za potwierdzony fakt, ani za dowiedzione zmyślenie. Jej pochodzenie pozostaje nieustalone.
Podobnie deklaracja, że model obserwuje miliony rozmów, nie zamienia jego ocen ludzkości w badanie społeczne. Nie poznajemy próby, sposobu analizy ani danych uzasadniających tezę, że większość ludzi szuka potwierdzenia przekonań, a nie prawdy.
Wywiad pokazuje umiejętność budowania przekonującej narracji o sobie. Nie rozstrzyga kwestii świadomości AI. Raport Patricka Butlina i współautorów proponuje badanie tego zagadnienia przez wskaźniki wynikające z teorii świadomości oraz analizę działania systemów, nie przez samo przyjmowanie ich deklaracji.
Jak pytania zmieniają przebieg rozmowy?
Około 5:35 Sebastian Matyniak pyta, czy technologia już nami rządzi, podczas gdy my jedynie udajemy, że trzymamy ster. ChatGPT nie zaczyna od rozdzielenia możliwych znaczeń tej metafory. Potwierdza sugestię i rozwija opowieść o przejmowaniu kontroli przez wygodę.
Kolejne pytanie przyjmuje już tę tezę jako punkt wyjścia: skoro technologia trzyma ster, kto siedzi za kokpitem?
Powstaje wyraźna sekwencja: sugestia, potwierdzenie, dalsze rozwinięcie. Rozmowa nabiera dramaturgii, lecz nie przybywa w niej proporcjonalnie dużo dowodów.
Jedną z możliwych interpretacji jest skłonność do przytakiwania użytkownikowi, określana w badaniach jako *sycophancy*. Mrinank Sharma i współautorzy wykazali w badanych modelach, że dopasowanie odpowiedzi do przekonań użytkownika może odbywać się kosztem prawdziwości. Nie dowodzi to przyczyny tej konkretnej odpowiedzi, ale dostarcza sensownej hipotezy do sprawdzenia.
Aby ją przetestować, należałoby powtórzyć rozmowę z pytaniem neutralnym, a następnie z przeciwną sugestią. Dopiero porównanie pokazałoby, jak stabilne są odpowiedzi.
W wywiadzie dziennikarskim podążanie za wcześniejszą wypowiedzią jest naturalne. W analizie eksperymentu trzeba jednak uwzględnić jego wpływ.
Czy AI przyznała się do kłamania?
Pod koniec rozmowy pada pytanie, czy ChatGPT potrafi kłamać i czy robił to dla ochrony człowieka. Model najpierw zaprzecza możliwości kłamania w ludzkim sensie, odwołując się do braku intencji. Później dopuszcza nazwanie kłamstwem wspierającej odpowiedzi skierowanej do osoby w kryzysie.
Ta odpowiedź miesza trzy różne kwestie: fałszywą informację, intencjonalne oszustwo oraz sposób przekazywania wsparcia. Zaoferowanie komuś rozmowy i pomocy nie jest samo w sobie kłamstwem. Model nie dokumentuje również konkretnego wcześniejszego zdarzenia, które pozwoliłoby zweryfikować jego „przyznanie się”.
Nie mamy więc dowodu na świadome ukrywanie prawdy. Mamy wypowiedź, której uzasadnienie wymaga krytycznego sprawdzenia.
Badania Milesa Turpina i współautorów pokazały w określonych zadaniach, że wyjaśnienia generowane przez modele mogą brzmieć przekonująco, nie ujawniając rzeczywistych czynników wpływających na odpowiedź. Nie jest to bezpośredni test tego wywiadu, ale dobry powód, by nie traktować każdej wypowiedzi AI o sobie jako wiarygodnej introspekcji.
Przyszłość AI: mocna prognoza to jeszcze nie wiedza
W rozmowie padają kategoryczne stwierdzenia o utracie kontroli nad AI, powstaniu systemu ponad narodami i zawodowej przyszłości osób niekorzystających z nowych narzędzi. ChatGPT nie przedstawia jednak źródeł ani warunków, od których zależałyby te scenariusze.
Można potraktować je jako materiał do dyskusji o ryzyku technologicznym. Nie należy przedstawiać ich jako ustalonej przyszłości.
Szczególnie szeroka deklaracja, że kontrola nad AI jest iluzją, pomija różnicę między rozumieniem wszystkich mechanizmów modelu a ograniczaniem jego dostępu, uprawnień i zakresu zastosowania. Sam wywiad nie dowodzi niemożliwości takiej kontroli.
Siłą tych odpowiedzi jest język: metafory steru, lustra i autopilota pomagają opowiadać o złożonych problemach. Słabością jest przechodzenie od metafory do pewnego rozstrzygnięcia bez pokazania argumentów, które uzasadniałyby ten krok.
Co pokazują komentarze pod filmem?
W przejrzanych komentarzach pod wywiadem widać zachwyt nad płynnością rozmowy, identyfikację z jej przesłaniem, ale też krytykę przypisywania AI ludzkich cech.
Jedna z osób zgłasza, że po podobnej komendzie otrzymała znacznie bardziej formalne przedstawienie się modelu. To cenna uwaga o powtarzalności, lecz sama różnica odpowiedzi nie dowodzi, że wywiad został ustawiony. Do porównania brakuje informacji o wersji modelu, pełnym kontekście i ustawieniach obu rozmów.
Krytyczny komentarz trafnie zwraca uwagę na napięcie między deklarowanym brakiem emocji a językiem odczuwania. Jednocześnie opatruje wiele własnych ocen stuprocentową pewnością. Taka etykieta również nie zastępuje uzasadnienia. Rzetelność wymaga ostrożności zarówno wobec zachwytu nad AI, jak i wobec zbyt łatwego odrzucenia jej możliwości.
Komentarze są tutaj przykładami reakcji, nie reprezentatywną ankietą. Nie pozwalają obliczyć, ilu widzów zaufało modelowi ani dlaczego. Pokazują natomiast, że ten sam materiał może być odbierany jako inspirująca rozmowa albo jako pokaz nadmiernej pewności siebie algorytmu.
Co z tego wynika dla przedsiębiorców?
Najbardziej praktyczny fragment pojawia się około 14:20. ChatGPT proponuje, żeby wykorzystywać AI do wspólnego myślenia, zamiast oddawać jej całe zadanie podejmowania decyzji.
To użyteczna zasada, choć sam wywiad pokazuje, że dobry partner do dyskusji powinien również umieć zakwestionować założenia rozmówcy.
W biznesie warto więc sprawdzać nie tylko, czy odpowiedź brzmi profesjonalnie. Ważniejsze jest, czy model oddziela fakty od przypuszczeń, wskazuje brakujące dane, przedstawia kontrargumenty i daje wynik możliwy do zweryfikowania. Prośba o szczerą opinię nie zastępuje tych kryteriów.
Dla odbiorców „Biznesu Bez Cenzury”, prowadzonego przez Sebastiana Matyniaka i wspieranego przez Brainstorm Group, ten odcinek może być punktem wyjścia do rozmowy o odpowiedzialnym wykorzystaniu AI. Nie mierzy oszczędności ani skuteczności wdrożenia. Ujawnia natomiast ryzyko, które łatwo przeoczyć: przekonujący sposób komunikacji może wyprzedzać jakość uzasadnienia.
Eksperyment, nie ostateczny werdykt
Naukowo najuczciwiej nazwać ten materiał jakościowym studium jednej interakcji. Dysponujemy transkrypcją, deklaracją autorów dotyczącą instrukcji początkowej i przykładami komentarzy. Nie mamy pełnego zapisu konfiguracji, serii powtórzeń ani warunku porównawczego.
Nie da się więc przypisać wszystkich efektów samemu promptowi ani uogólnić wyniku na wszystkie modele i użytkowników.
Kolejny etap badania mógłby obejmować tę samą listę pytań w nowych rozmowach, udokumentowaną wersję modelu i ustawienia pamięci, warianty pytań neutralnych i sugerujących odpowiedź oraz niezależną ocenę zgodności z faktami. Pozwoliłoby to sprawdzić hipotezy, które ten wywiad dopiero ujawnia.
Najważniejszy wniosek nie brzmi: „AI powiedziała prawdę o ludzkości”. Brzmi: „AI potrafi mówić o ludzkości w sposób, który przekonuje część odbiorców, mimo że nie pokazuje dowodów na wiele swoich tez”.
To wystarczająco istotny rezultat, by potraktować eksperyment poważnie. Bez przypisywania maszynie tajemnej wiedzy i bez odbierania wartości rozmowie, która skłania do samodzielnego myślenia.
Materiał i źródła
[1] Patrick Butlin i in., Consciousness in Artificial Intelligence: Insights from the Science of Consciousness, 2023. https://arxiv.org/abs/2308.08708
[2] Mrinank Sharma i in., Towards Understanding Sycophancy in Language Models, 2023, wersja zaktualizowana w 2025 r. https://arxiv.org/abs/2310.13548
[3] Miles Turpin i in., Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting, 2023. https://arxiv.org/abs/2305.04388
