Skaner QLogos – czy naprawdę potrafi zrozumieć człowieka lepiej niż obecna AI?

Skaner QLogos jest jednym z najbardziej interesujących praktycznych zastosowań koncepcji rozwijanej wokół Teorii Q.

Jeżeli założenia tej teorii są prawidłowe, Skaner powinien być czymś więcej niż kolejnym narzędziem analizującym odpowiedzi człowieka.

Powinien umożliwiać rozpoznawanie struktur, relacji, kontekstu oraz sposobu funkcjonowania człowieka.

I właśnie tutaj pojawia się najważniejsze pytanie całego naszego cyklu:
czy Skaner rzeczywiście robi coś, czego nie potrafią obecne systemy sztucznej inteligencji i klasyczne narzędzia psychologiczne?

W pierwszym artykule analizowaliśmy Teorię Q, jej założenia, potencjalne odpowiedniki naukowe oraz najważniejsze wątpliwości. Teraz przechodzimy od teorii do praktyki.

1. Czym właściwie jest Skaner QLogos?

Pierwszą trudnością jest już samo określenie, czym dokładnie jest „Skaner”.

Publiczne materiały QLogos opisują rozwijane rozwiązania związane z analizą człowieka, komunikacją, relacjami i kontekstem.

Oficjalna strona projektu wskazuje również na rozwój QAI – kierunku sztucznej inteligencji opartego na Teorii Q i analizie relacji.

Jednocześnie QLogos zaznacza, że możliwości tego kierunku wymagają dalszych testów i weryfikacji.

W materiałach szkoleniowych QLogos pojawia się również określenie „Skaning Osobowości”, przedstawiane jako system diagnozowania osobowości pod kątem wartości, postaw, mocnych i słabych stron oraz sposobu działania.

To bardzo istotne, ponieważ pokazuje, że nie powinniśmy automatycznie utożsamiać wszystkich narzędzi QLogos z jednym konkretnym algorytmem.

2. Jak Skaner ma się do Teorii Q?

W pierwszym artykule przedstawiliśmy człowieka jako dynamiczną strukturę składającą się nie tylko z cech, ale również z relacji, stanów, kontekstu i procesów zachodzących w czasie.

Jeżeli właśnie taki model człowieka jest podstawą Q, można przedstawić potencjalną logikę działania systemu w następujący sposób:

Trzeba jednak bardzo wyraźnie zaznaczyć:
powyższy schemat jest modelem analitycznym pozwalającym zrozumieć potencjalną logikę systemu, a nie ujawnionym opisem kodu Skanera.

Nie powinniśmy przypisywać Skanerowi konkretnych algorytmów, których twórcy publicznie nie przedstawili.

3. Co Skaner może analizować?

Jeżeli Skaner rzeczywiście realizuje założenia przedstawiane w ramach QLogos, interesujące jest ustalenie, jakie informacje wykorzystuje do stworzenia obrazu człowieka.

4. Opis człowieka a przewidywanie człowieka

To prawdopodobnie najważniejsze rozróżnienie w całej analizie Skanera.

4.1. Trafny opis

System może wygenerować opis, który człowiek uzna za bardzo trafny.

Przykład:

Taki opis może być interesujący i psychologicznie użyteczny. Nie jest jednak jeszcze dowodem na zdolność predykcyjną.

4.2. Predykcja

Znacznie mocniejszym testem byłoby przewidzenie zachowania, którego system wcześniej nie znał.

To jest znacznie bardziej wymagający test niż pytanie użytkownika:
„Czy opis Skanera do mnie pasuje?”

5. Dlaczego trafność opisu może być myląca?

Człowiek ma naturalną tendencję do odnajdywania siebie w opisach, które są wystarczająco ogólne.

Dlatego weryfikacja powinna być przeprowadzana w sposób kontrolowany.

Osoba badana nie powinna wiedzieć, który opis jest jej prawdziwym wynikiem, a który został wygenerowany dla kogoś innego.

Można wtedy zadać pytanie:

Jeżeli tak, jest to interesujący wynik. Jeżeli jednak uczestnicy równie często wybierają profile innych osób, oznacza to, że potrzebujemy ostrożniejszej interpretacji.

6. Skaner a klasyczne testy osobowości

Aby uczciwie ocenić Skaner, nie wystarczy sprawdzić, czy „działa”.

Należy odpowiedzieć na pytanie:
czy działa lepiej niż metody, które już istnieją?

Do porównania można wykorzystać między innymi:

• modele cech osobowości,
• testy oparte na modelu Big Five,
• inne wystandaryzowane narzędzia psychometryczne,
• oceny osób znających badanego,
• dane dotyczące rzeczywistych zachowań.

Nie chodzi przy tym o udowodnienie, że klasyczne testy są doskonałe. Chodzi o stworzenie uczciwego punktu odniesienia.

7. Skaner a współczesna sztuczna inteligencja

Właśnie tutaj pojawia się najbardziej interesujący aspekt projektu.

Współczesna AI dysponuje już metodami pozwalającymi analizować język, obrazy, relacje między elementami danych oraz skomplikowane zależności.

Istnieją między innymi:

• LLM – duże modele językowe,
• GNN – sieci neuronowe operujące na grafach,
• Knowledge Graphs – grafy wiedzy,
• modele przyczynowe – próbujące reprezentować zależności przyczynowo-skutkowe,
• systemy neuro-symboliczne – łączące uczenie maszynowe z reprezentacją symboliczną.

Dlatego potencjalna nowość QAI nie może polegać wyłącznie na analizowaniu relacji.

Musiałaby polegać na nowym sposobie reprezentowania i przetwarzania relacji, który daje mierzalną przewagę.

8. Czy Skaner może być nową generacją AI?

To pytanie pojawia się naturalnie przy analizie materiałów QLogos.

Oficjalne materiały QLogos przedstawiają QAI jako kierunek rozwoju sztucznej inteligencji oparty na Teorii Q oraz analizie relacji, komunikacji i kontekstu. Jednocześnie sam projekt określa ten kierunek jako badawczo-rozwojowy i wskazuje na konieczność dalszej walidacji.

To ważne z punktu widzenia naszej analizy.

Aby przejść od hipotezy do potwierdzenia, potrzebny jest benchmark.

9. Co Skaner musiałby robić lepiej od obecnej AI?

Możemy wskazać kilka konkretnych kryteriów.

10. Najważniejszy test: Skaner kontra rzeczywistość

Najbardziej przekonujący eksperyment nie powinien polegać na tym, że człowiek ocenia swój opis.

Powinien wyglądać inaczej.

Etap 1 – badanie początkowe

Skaner otrzymuje określony zestaw danych dotyczących osoby.

Etap 2 – zapisanie przewidywań

System generuje przewidywania dotyczące określonych zachowań lub decyzji.

Etap 3 – „zamrożenie” wyniku

Wyniku nie wolno zmieniać po poznaniu późniejszych wydarzeń.

Etap 4 – obserwacja

Przez określony czas rejestrowane są rzeczywiste zachowania.

Etap 5 – porównanie

Sprawdzamy, jak często przewidywania były prawidłowe i jak wynik wypada względem modeli kontrolnych.

11. Eksperyment na 1000 osób

Jeżeli chcielibyśmy naprawdę poważnie przetestować Skaner, można zaprojektować badanie obejmujące około 1000 osób.

Każdy uczestnik zostałby przebadany przy użyciu:

• Skanera,
• standardowego modelu osobowości,
• niezależnego zestawu pytań kontrolnych,
• oceny osób znających uczestnika,
• późniejszych danych dotyczących rzeczywistych zachowań.

Dane powinny zostać podzielone na zbiór treningowy i testowy albo – jeszcze lepiej – wykorzystać wcześniej ustalony protokół, w którym model jest oceniany na osobach, których nie używano do jego tworzenia.

12. Test powtarzalności

Bardzo prostym eksperymentem jest ponowne przebadanie tej samej osoby.

Jeżeli człowiek odpowiada w bardzo podobny sposób w krótkim odstępie czasu, wynik powinien być odpowiednio stabilny.

Ale warto zrobić coś więcej.

Badanie można powtórzyć:

• po tygodniu,
• po miesiącu,
• po zmianie kontekstu,
• po wystąpieniu istotnego wydarzenia życiowego.

Wtedy możemy sprawdzić, czy system rozróżnia cechę od chwilowego stanu.

13. Test odporności na manipulację

To szczególnie ważny eksperyment.

Osoba badana może przecież próbować udzielać odpowiedzi tak, aby uzyskać określony wynik.

Można więc przeprowadzić trzy badania:

1. uczestnik odpowiada spontanicznie,
2. uczestnik próbuje świadomie zmienić swój profil,
3. uczestnik odpowiada w innym kontekście emocjonalnym.

Następnie sprawdzamy, które elementy wyniku pozostają stabilne, a które się zmieniają.

Jeżeli Q rzeczywiście opisuje głębszą strukturę człowieka, powinno być możliwe określenie, które zmiany są powierzchowne, a które rzeczywiście zmieniają strukturę.

14. Test kontrfaktyczny – jeszcze trudniejsze zadanie

Jeszcze ciekawszy byłby test polegający na zmianie jednego elementu systemu.

Przykładowo:

Jeżeli model potrafiłby nie tylko opisywać stan człowieka, ale również przewidywać konsekwencje zmiany określonych relacji lub parametrów, byłoby to znacznie ciekawsze z punktu widzenia teorii systemów i AI.

15. Skaner kontra LLM – jak zrobić uczciwe porównanie?

W analizowanym przez nas materiale pojawia się również szczególnie interesujący wątek Groka.

Grok może analizować opis Skanera, komentować jego potencjalne możliwości i pomagać w porządkowaniu argumentów. Nie może jednak samą swoją opinią potwierdzić skuteczności Skanera.

To nie oznacza, że opinia Groka jest bezwartościowa. Oznacza jedynie, że jest ona argumentem do dalszego badania, a nie wynikiem eksperymentu naukowego.

16. Jak powinien wyglądać benchmark Skanera?

Najbardziej przejrzysty benchmark powinien obejmować kilka niezależnych metod.

17. Co byłoby naprawdę przełomowym wynikiem?

Wyobraźmy sobie następującą sytuację.

Skaner zostaje przetestowany na dużej grupie osób.

Nie zna przyszłych zachowań uczestników.

Jego przewidywania są zapisane przed wystąpieniem zdarzeń.

Następnie niezależny zespół sprawdza wyniki.

Skaner osiąga wynik istotnie lepszy niż:

• standardowe modele psychologiczne,
• modele statystyczne,
• LLM,
• inne modele AI,
• losowy baseline.

Jeżeli taki wynik zostanie powtórzony przez niezależny zespół, wtedy naprawdę pojawia się poważny argument za tym, że mamy do czynienia z czymś więcej niż interesującym narzędziem.

18. Co mogłoby podważyć skuteczność Skanera?

Równie ważne jest określenie wyników, które przemawiałyby przeciwko hipotezie.

• brak powtarzalności wyników,
• brak przewagi nad istniejącymi metodami,
• brak zdolności predykcyjnej,
• duża podatność na manipulowanie odpowiedziami,
• brak generalizacji na nowych osobach,
• znaczne pogorszenie wyników po zmianie kontekstu,
• brak niezależnej replikacji.

Takie wyniki nie musiałyby automatycznie oznaczać, że wszystkie idee Q są błędne. Mogłyby jednak wskazywać, że konkretna implementacja Skanera nie potwierdza przedstawianych oczekiwań.

19. Najważniejsze pytania, które warto zadać twórcom QLogos

20. Co z prywatnością danych?

Analiza człowieka przez AI powoduje jeszcze jeden niezwykle ważny problem: dane osobowe i dane dotyczące psychiki oraz zachowania.

Jeżeli system analizuje informacje pozwalające tworzyć szczegółowy profil człowieka, użytkownik powinien wiedzieć:

• jakie dane są zbierane,
• gdzie są przechowywane,
• jak długo są przechowywane,
• kto ma do nich dostęp,
• czy są wykorzystywane do trenowania modeli,
• czy można je usunąć,
• czy wyniki mogą być przekazywane osobom trzecim.

W przypadku systemu analizującego człowieka kwestia bezpieczeństwa danych jest równie ważna jak sama skuteczność algorytmu.

21. Czy Skaner może zmienić sposób komunikowania się człowieka z AI?

To właśnie tutaj potencjalnie znajduje się najbardziej interesująca część całej koncepcji QAI.

Dzisiejszy użytkownik najczęściej komunikuje się z AI za pomocą tekstu, głosu, obrazu lub innych danych wejściowych.

Jeżeli przyszły system potrafiłby dodatkowo modelować:

• relacje,
• intencje,
• kontekst,
• stan emocjonalny,
• historię interakcji,
• zmiany zachodzące w czasie,

mogłoby to rzeczywiście doprowadzić do jakościowo innego sposobu komunikacji człowieka z AI.

Ale również tutaj trzeba zachować najważniejsze rozróżnienie:
potencjał technologiczny nie jest jeszcze dowodem osiągnięcia takiego rezultatu.

22. Skaner jako test praktyczny Teorii Q

I tutaj dochodzimy do najważniejszego wniosku drugiego artykułu.

Jeżeli Teoria Q mówi, że człowiek może być reprezentowany jako określona dynamiczna struktura relacji, Skaner jest naturalnym miejscem, aby tę hipotezę sprawdzić.

Jeżeli wszystkie elementy tego łańcucha działają, otrzymujemy niezwykle interesujący system.

Jeżeli jednak któryś z elementów nie działa, musimy wiedzieć dokładnie który.

23. Czego nadal nie wiemy?

24. Co możemy powiedzieć już dzisiaj?

Skaner i rozwijany wokół niego kierunek QAI są interesujące przede wszystkim dlatego, że próbują przesunąć punkt ciężkości z samego przetwarzania informacji na analizę relacji, struktury i kontekstu człowieka.

Oficjalne materiały QLogos przedstawiają właśnie taki kierunek rozwoju QAI, jednocześnie podkreślając potrzebę dalszych testów i niezależnej walidacji.

To oznacza, że najbardziej uczciwe stanowisko na obecnym etapie nie brzmi ani:

ani:

Najuczciwsza odpowiedź brzmi:

25. Najważniejszy eksperyment, który warto przeprowadzić

Gdybym miał wskazać tylko jeden eksperyment, który najbardziej zwiększyłby wartość całego projektu, byłoby to badanie predykcyjne.

Nie pytamy:

Pytamy:

To pytanie zmienia całą perspektywę.

Opis można interpretować.

Predykcję można zmierzyć.

26. Co dalej? Teoria Q i Skaner potrzebują testu

Pierwszy artykuł zawiera pytanie:
czym właściwie jest Teoria Q?

W tym artykule przeszliśmy do pytania:
czy Skaner może być praktycznym dowodem wartości tej koncepcji?

W trzecim artykule pójdziemy jeszcze dalej.

Przedstawimy tam konkretny program badań: od formalizacji teorii, poprzez testy Skanera i porównanie z istniejącą AI, aż po niezależną replikację wyników.

Bo ostatecznie najciekawsze pytanie nie brzmi:
❌„Czy w to wierzymy?”

Brzmi:
✅„Czy potrafimy to sprawdzić?”

Źródła i materiały

• 
  QLogos – oficjalna strona projektu
  
• 
  QLogos – informacje o projekcie i QAI
  
• 
  QLogos – Teoria Q
  
• 
  QLogos – szkolenia i Skaning Osobowości
  
• 
  QLogos – materiały i linki
  
• 
  Materiał wideo analizowany w cyklu – wypowiedź Groka dotycząca Skanera