AI-agenci do randek: czy działają cyfrowi bliźniacy?

# Agenci AI do randkowania: czy cyfrowy bliźniak może znaleźć ci parę?

Eksperyment z platformą Pixel Societies pokazuje: agenci AI, imitujący osobowość użytkownika, mogą szukać kompatybilnych partnerów w pikselowej symulacji. Ale jak wiarygodne są takie rekomendacje — zwłaszcza gdy agenci mają skłonność do halucynacji i tworzenia fikcyjnych biografii?

Jak działa randkowanie agentowe

Pixel Societies to prototyp platformy społecznościowej, opracowany przez zespół z Londynu na hackathonie przy wsparciu Nvidia, HPE i Anthropic. Główny pomysł: zamiast ręcznie przesuwać profile, użytkownik tworzy swojego cyfrowego bliźniaka — spersonalizowanego agenta AI opartego na dużej modelu językowym (LLM). Agent uczy się na publicznych danych (media społecznościowe, blogi) i dodatkowych informacjach podawanych przez samego człowieka.

W pikselowej symulacji stylizowanej na kampus biurowy te agenty interagują ze sobą równolegle i znacznie szybciej, niż ich właściciele mogliby w prawdziwym życiu. Na podstawie takich „wirtualnych randek” system proponuje realne kontakty do ludzi, których agenci wykazały wysoką kompatybilność.

Techniczną podstawą projektu była koncepcja „pliku duszy” (soul file) z innego frameworka agentowego — OpenClaw. Ten plik definiuje unikalne cechy charakteru, sposób mówienia i wzorce behawioralne agenta, co pozwala uniknąć szablonowych odpowiedzi i zbliżyć go do żywego rozmówcy.

Problem halucynacji i wiarygodności

Jednak eksperyment dziennikarza Wired ujawnił poważną słabość: agenci mają skłonność do halucynacji. Jego cyfrowy bliźniak, Joelbot, wymyślił nieistniejące reportaże ze Szwecji i używał klisz w stylu „gorączka to mój chleb powszedni”. To doprowadziło do stworzenia zniekształconego obrazu właściciela, który mógł zmylić inne agenty — a w konsekwencji prawdziwych ludzi.

Halucynacje w kontekście randkowania są szczególnie niebezpieczne: tworzą iluzję kompatybilności na podstawie fikcyjnych szczegółów. Użytkownik może pójść na randkę z kimś, kogo agent przedstawił jako miłośnika jazzu i podróży, choć w rzeczywistości nim nie jest.

Kluczowe ryzyka obejmują:

• Niewiarygodne dane — agenci opierają się na otwartych źródłach, które mogą być nieaktualne lub celowo zniekształcone.
• Samoprojekcja — model może „dopowiadać” zainteresowania i poglądy na podstawie stereotypów lub wewnętrznej logiki, a nie faktów.
• Brak informacji zwrotnej — w przeciwieństwie do żywej rozmowy agent nie otrzymuje natychmiastowej korekty od właściciela w czasie rzeczywistym.

Kompatybilność: co naprawdę działa?

Badania psychologiczne podważają samą możliwość przewidzenia kompatybilności na podstawie danych z ankiet. Profesor Paul Eastwick (UC Davis) powołuje się na dwa duże eksperymenty z szybkimi randkami, w których zbieżność hobby, wartości, zawodu czy poglądów politycznych nie korelowała z prawdziwym pociągiem.

Jedyny wiarygodny wskaźnik to czas spędzony razem i emocjonalna reakcja przy pierwszym spotkaniu. Tego nie da się zasymulować bez udziału żywego człowieka.

Aby randkowanie agentowe stało się skuteczne, AI musi:

• Wykrywać ukryte wzorce kompatybilności niedostępne dla autorefleksji;
• Uwzględniać dynamikę interakcji, a nie tylko statyczne cechy;
• Otrzymywać ciągłą informację zwrotną od użytkownika po realnych spotkaniach.

Na razie żadna z tych zadach nie została rozwiązana w praktyce.

Model biznesowy i dylematy etyczne

Zespół Pixel Societies jeszcze nie zdecydował się na monetyzację, ale rozważa sprzedaż personalizacji awatarów i dodatkowych kredytów na symulacje. Pojawia się tu jednak etyczny paradoks podobny do tego, z którym zmierzył się Tinder: jeśli platforma zarabia na samotności użytkowników, nie ma motywacji, by prowadzić ich do długoterminowych relacji.

Twórcy twierdzą, że ich celem jest skrócenie czasu spędzanego przed ekranem, a nie jego wydłużenie. Krytykują kulturę nieskończonego swipowania nastawioną na „swipowanie do zwycięstwa” i proponują bardziej przemyślane podejście poprzez interakcje agentowe.

Mimo to zaufanie pozostaje kluczowym problemem. W eksperymencie Wired dziennikarz odmówił wszystkich proponowanych spotkań, nie wierząc w adekwatność ocen swojego agenta. Bez mechanizmu weryfikacji i przejrzystości algorytmów taka technologia grozi pozostaniem ciekawym, ale niepraktycznym eksperymentem.

Co ważne

• Agenci AI do randkowania wykorzystują spersonalizowane LLM, przeszkolone na publicznych i użytkownika danych.
• Główny problem techniczny to halucynacje prowadzące do tworzenia fikcyjnych biografii.
• Badania psychologiczne pokazują: kompatybilności nie da się przewidzieć na podstawie danych z ankiet.
• Skuteczność randkowania agentowego wymaga informacji zwrotnej i modelowania dynamiki rozmowy.
• Ryzyko etyczne: konflikt interesów między monetyzacją a realną korzyścią dla użytkowników.

— Editorial Team