Przejdź do treści

News & analizy

Neuroadaptacyjne chatboty: co naprawdę pokazało badanie z BTU

Zaktualizowano: Autor: Andrzej Niemiec11 min czytania

Badanie z Brandenburgii nie czyta emocji: 13 osób, EEG z 64 elektrod, klasyfikatory offline. Wyjaśniamy, co naprawdę zmierzono w studium z 2025 r.

Neuroadaptacyjne chatboty: co naprawdę pokazało badanie z BTU
Spis treści
  1. Czy badanie z Brandenburgii pozwala chatbotowi czytać emocje?
  2. Czym było badanie „Towards neuroadaptive chatbots”?
  3. Kogo i jak badano?
  4. Co dokładnie udało się rozpoznać?
  5. Dlaczego 76% nie oznacza rozpoznawania frustracji?
  6. Czy system działał w czasie rzeczywistym?
  7. Czym pasywny BCI różni się od interfejsów sterujących?
  8. Które badanie myli się z eksperymentem z Brandenburgii?
  9. Czy chatboty radzą sobie z emocjami lepiej niż ludzie?
  10. Co z tego wynika dla firm, które chcą wdrażać „empatyczną” AI?
  11. Najczęstsze pytania
  12. Źródła

Czy badanie z Brandenburgii pozwala chatbotowi czytać emocje?

Nie. Eksperyment dotyczył dekodowania wybranych reakcji mózgowych na tekst, a nie rozpoznawania emocji rozmówcy. Autorzy opisują go jako studium wykonalności i krok w stronę neuroadaptacyjnych chatbotów, nie jako działający system. Nie sprawdzano też, czy model wykryje frustrację szybciej niż sam użytkownik — takiego porównania czasowego w pracy nie było [1][2].

Czym było badanie „Towards neuroadaptive chatbots”?

Pracę opublikowano 15 października 2025 r. w czasopiśmie „Frontiers in Neuroergonomics”. Przygotował ją zespół Chair of Neuroadaptive Human-Computer Interaction na Brandenburg University of Technology Cottbus–Senftenberg razem z Zander Laboratories GmbH [1][2]. To studium wykonalności, a nie zapowiedź produktu komercyjnego.

Metodą był pasywny interfejs mózg–komputer (pBCI). Uczestnicy czytali teksty, a EEG rejestrowało ich niejawne reakcje na bodźce — bez proszenia o samoopis i bez analizy tonu głosu, bo nikt nie prowadził rozmowy głosowej z asystentem [1][2].

Kogo i jak badano?

W eksperymencie wzięło udział 13 studentów BTU, a średni wiek uczestnika wynosił 30,46 roku. Sygnał EEG zbierano z 64 elektrod żelowych [1]. Próba była mała, więc autorzy sami wskazują na potrzebę większych badań i testów w bardziej realistycznych warunkach [2].

To nie był test konsumenckiego urządzenia ani pilotaż we wdrożeniu. Badanie odbywało się w warunkach laboratoryjnych, z ustalonym protokołem czytania tekstów. Ten szczegół ma znaczenie, bo wyników z laboratorium nie da się wprost przenieść na rozmowę z chatbotem w aplikacji.

Co dokładnie udało się rozpoznać?

Klasyfikatory uczyły się odróżniać typy reakcji mózgu na zdania. Każde zadanie miało inny cel, co ma bezpośrednie znaczenie dla interpretacji wyników.

Zadanie klasyfikatoraDokładność testowaDokładność treningowaInterpretacja
Bodźce moralnie istotne kontra neutralneok. 76%ok. 78%Najwyższy wynik w badaniu, ale nie dotyczy emocji
Zdania poprawne kontra błędneok. 62%ok. 66%Reakcja na poprawność odpowiedzi, nie na stan osoby
Zgodność kontra niezgodność moralnaok. 52%nie podanoPoziom przypadku, brak użytecznego sygnału

Klasyfikator odróżniający bodźce moralnie istotne od neutralnych osiągnął średnio 76% dokładności testowej i 78% treningowej [1][2]. Dla zdań poprawnych i błędnych wynik był niższy: 62% na zbiorze testowym i 66% na treningowym [1][2]. Trzecie zadanie — zgodność i niezgodność moralna — wypadło na poziomie przypadku, około 52% [1].

Dlaczego 76% nie oznacza rozpoznawania frustracji?

Wynik 76% dotyczy innego zadania niż detekcja emocji. Klasyfikator rozpoznawał, czy tekst jest moralnie istotny, a nie czy czytelnik jest sfrustrowany. Autorzy nie wykazali wiarygodnego rozpoznawania frustracji ani smutku [1][2].

Nie badano również stanu, którego użytkownik jeszcze sobie nie uświadomił. Praca mówi o potencjalnym dekodowaniu wybranych stanów mentalnych, nie o pełnym odczytywaniu emocji. To różnica między obiecującym kierunkiem badawczym a funkcją, którą można wdrożyć w produkcie.

Czy system działał w czasie rzeczywistym?

Nie. Analiza i klasyfikacja odbywały się offline, po zebraniu danych. Publikacja wprost wskazuje, że przejście do badań online i realistycznych rozmów z chatbotem dopiero nastąpi [2].

To istotne, bo działanie w tle podczas zwykłej rozmowy wymaga zupełnie innego rozwiązania technicznego: stabilnego sygnału, szybkiej klasyfikacji i sprzężenia zwrotnego do modelu. Studium wykonalności sprawdza pierwszy krok, a nie cały łańcuch.

Czym pasywny BCI różni się od interfejsów sterujących?

Pasywny interfejs mózg–komputer czyta sygnał bez poleceń ze strony osoby badanej. W eksperymencie wystarczyło czytanie tekstu — nikt nie musiał wyobrażać sobie ruchu ani skupiać się na konkretnym zadaniu [1].

Interfejsy sterujące wymagają świadomego wysiłku i intencji. Tutaj celem było uchwycenie reakcji, która zachodzi niezależnie od woli osoby badanej. Ta różnica tłumaczy, dlaczego wyników nie da się zestawiać z systemami sterującymi protezami czy kursorem.

Które badanie myli się z eksperymentem z Brandenburgii?

Osobny wątek to praca zespołu TU Dresden opublikowana 10 czerwca 2026 r. w „The Lancet Digital Health”. Badacze testowali indukowanie stanów afektywnych w sześciu modelach językowych [3].

To badanie nie dotyczyło Brandenburgii, odczytywania emocji użytkownika ani gotowego chatbota. Autorzy podkreślili, że modele nie mają rzeczywistych emocji. Mamy więc dwa różne tematy: symulację stanów w modelu oraz pomiar reakcji mózgu u człowieka. Łączenie ich w jeden przekaz prowadzi do błędnych wniosków o gotowej technologii.

Czy chatboty radzą sobie z emocjami lepiej niż ludzie?

To inny temat niż pomiar EEG. Doniesienia prasowe wskazują, że chatboty coraz częściej przejmują rozmowy o emocjach, a badania mają tłumaczyć, dlaczego algorytmy bywają bardziej empatyczne [4].

Z tych opisów nie wynika, że model odczytuje aktywność mózgu. Empatia w tekście i dekodowanie sygnału EEG to dwie różne warstwy technologii. Hipoteza neuroadaptacyjnego chatbota zakłada połączenie obu, ale publikacja z Brandenburgii opisuje tylko drugą warstwę w wersji laboratoryjnej i offline.

Co z tego wynika dla firm, które chcą wdrażać „empatyczną” AI?

Wniosek jest ostrożny. Publicznie dostępne omówienia dotyczą albo badań laboratoryjnych na małych próbach, albo zachowań językowych modeli, a nie gotowych systemów czytających emocje [1][3]. Polecamy traktować takie wyniki jako kierunek badań, nie jako funkcję do planu produktu.

Zespoły budujące warstwę rozmowy więcej zyskają, poprawiając jakość odpowiedzi i sposób zbierania informacji zwrotnej, niż czekając na interfejsy mózg–komputer. Dyskusje o wpływie AI na pracę i uczenie się są osobnym wątkiem [5]. Dobrze zestawiać je z materiałami o tym, jak modele wypadają w porównaniach, na przykład z analizą Benchmarki AI: dlaczego Nvidia postawiła na OpenClaw zamiast kolejnego hype'u oraz z tekstem o Google Search z AI.

Najczęstsze pytania

Czy chatbot z Brandenburgii rozpoznaje frustrację użytkownika?

Nie. Klasyfikatory rozpoznawały moralną istotność tekstu oraz reakcję na poprawność i błąd, a nie frustrację. Autorzy nie wykazali wiarygodnej detekcji emocji, więc opisy o rozpoznawaniu frustracji nie mają oparcia w publikacji [1][2].

Ile osób wzięło udział w badaniu i jaki był wynik?

Trzynaście osób, studentów BTU, ze średnim wiekiem 30,46 roku. Najwyższa dokładność testowa wyniosła około 76% i dotyczyła odróżniania bodźców moralnie istotnych od neutralnych, a nie emocji [1][2].

Czy technologia działa w czasie rzeczywistym?

Nie. Eksperyment był analizą offline. Autorzy zapowiadają dopiero badania online i testy w realistycznych rozmowach z chatbotem, więc działanie na żywo pozostaje hipotezą, a nie potwierdzoną funkcją [2].

Czy Zander Labs ma gotowy produkt tego typu?

Źródła opisują Zander Laboratories GmbH jako partnera badawczego studium wykonalności. Nie ma potwierdzenia komercyjnego chatbota, który wykrywa frustrację w czasie rzeczywistym [1][2].

Czy modele językowe mają emocje?

Nie. W badaniu TU Dresden z 2026 r. testowano indukowanie stanów afektywnych w sześciu modelach, a autorzy podkreślili, że modele nie mają rzeczywistych emocji [3]. To dotyczy symulacji w tekście, nie odczuwania.

Źródła

  1. Towards neuroadaptive chatbots: a feasibility study (Frontiers in Neuroergonomics, 2025)
  2. Towards neuroadaptive chatbots: a feasibility study (PMC, 2025)
  3. Advancing research on the human mind: Simulating stress, sadness, and anxiety in large language models (TU Dresden, 2026)
  4. AI słucha uważniej niż Twój szef. Te wyniki badań dają do myślenia (RMF24)
  5. Co się dzieje w Twojej głowie, gdy używasz AI? Badacze alarmują (Antyweb)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji