AI agenti pro seznamování: fungují digitální dvojníci?

# AI agenti pro seznamování: Dokáže digitální dvojník najít vám partnera?

Experiment s platformou Pixel Societies ukazuje: AI agenti, kteří napodobují osobnost uživatele, mohou hledat kompatibilní partnery v pixelové simulaci. Ale jak spolehlivé jsou taková doporučení – zvláště když agenti mají sklon k halucinacím a vytváření vymyšlených biografií?

Jak funguje agentní seznamování

Pixel Societies je prototyp sociální platformy, který vyvinul tým z Londýna na hackathonu za podpory Nvidia, HPE a Anthropic. Hlavní myšlenka: místo manuálního procházení profilů swipeováním si uživatel vytvoří svého digitálního dvojníka – personalizovaného AI agenta založeného na velkém jazykovém modelu. Agent se učí z veřejných dat (sociální sítě, blogy) a dalších informací, které poskytne sám člověk.

Uvnitř pixelové simulace ve stylu kancelářského kampusu tyto agenti interagují mezi sebou paralelně a výrazně rychleji, než by jejich majitelé dokázali v reálném životě. Na základě takových „virtuálních rande“ systém navrhne reálné kontakty lidí, jejichž agenti prokázali vysokou kompatibilitu.

Technickou základnou projektu je koncept „souboru duše“ (soul file) z jiného agentního frameworku – OpenClaw. Tento soubor definuje unikátní rysy charakteru, styl řeči a behaviorální vzorce agenta, což umožňuje vyhnout se šablonovaným odpovědím a přiblížit ho živému rozhovoru.

Problém halucinací a důvěryhodnosti

Experiment novináře z Wired však odhalil vážnou slabinu: agenti mají sklon k halucinacím. Jeho digitální dvojník Joelbot si vymyslel neexistující reportáže se Švédska a používal klišé jako „sensace je můj chleba každodenní“. To vedlo k vytvoření zkresleného obrazu majitele, který mohl zmást jiné agenty – a následně i reálné lidi.

Halucinace v kontextu seznamování jsou obzvláště nebezpečné: vytvářejí iluzi kompatibility na základě vymyšlených detailů. Uživatel se může vydat na rande s člověkem, jehož agent ho prezentoval jako milovníka jazzu a cestování, přestože ve skutečnosti žádný z těchto zájmů nemá.

Klíčové rizika zahrnují:

• Nedůvěryhodná data – agenti spoléhají na veřejné zdroje, které mohou být zastaralé nebo úmyslně zkreslené.
• Samoprojekce – model může „dohodit“ zájmy a názory na základě stereotypů nebo vnitřní logiky, nikoli faktů.
• Absence zpětné vazby – na rozdíl od živé konverzace agent nedostává okamžitou korekci od majitele v reálném čase.

Kompatibilita: co skutečně funguje?

Psychologické studie zpochybňují samotnou možnost předpovědět kompatibilitu z dat z dotazníků. Profesor Paul Eastwick (UC Davis) odkazuje na dva velké experimenty s rychlými rande, kde shoda v koníčcích, hodnotách, profesi nebo politických názorech nekorelovala s reálným přitažlivostí.

Jediný spolehlivý indikátor je čas strávený společně a emoční reakce při prvním setkání. To je něco, co nelze simulovat bez účasti živého člověka.

Aby agentní seznamování bylo efektivní, AI musí:

• Odhalovat skryté vzorce kompatibility, které nejsou dostupné sebeanalýze;
• Zohledňovat dynamiku interakce, nejen statické charakteristiky;
• Dostávat kontinuální zpětnou vazbu od uživatele po reálných setkáních.

Zatím žádná z těchto úkolů nebyla prakticky vyřešena.

Obchodní model a etické dilemata

Tým Pixel Societies se zatím nerozhodl o monetizaci, ale zvažuje prodej kustomizace avatarů a dalších kreditů na simulace. Zde však vzniká etický paradox podobný tomu, se kterým se setkal Tinder: pokud platforma vydělává na osamělosti uživatelů, nemá motivaci je dovést k dlouhodobým vztahům.

Vývojáři tvrdí, že jejich cíl je zkrátit čas strávený u obrazovky, nikoli ho prodlužovat. Kritizují kulturu nekonečného swipeování zaměřenou na „swipe do vítězství“ a nabízejí smysluplnější přístup prostřednictvím agentní interakce.

Přesto zůstává důvěra klíčovým problémem. V experimentu Wired novinář odmítl všechna navržená rande, protože nedůvěřoval úsudku svého agenta. Bez mechanismu ověření a transparentnosti algoritmů taková technologie riskuje, že zůstane zajímavým, ale nepraktickým experimentem.

Co je důležité

• AI agenti pro seznamování využívají personalizované LLM vycvičené na veřejných a uživatelských datech.
• Hlavní technický problém – halucinace vedoucí k vytváření vymyšlených biografií.
• Psychologické studie ukazují: kompatibilitu nelze předpovědět z dat z dotazníků.
• Efektivita agentního seznamování vyžaduje zpětnou vazbu a modelování dynamiky komunikace.
• Etické riziko: konflikt zájmů mezi monetizací a skutečným přínosem pro uživatele.

— Editorial Team