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.

Spis treści
- Czy badanie z Brandenburgii pozwala chatbotowi czytać emocje?
- Czym było badanie „Towards neuroadaptive chatbots”?
- Kogo i jak badano?
- Co dokładnie udało się rozpoznać?
- Dlaczego 76% nie oznacza rozpoznawania frustracji?
- Czy system działał w czasie rzeczywistym?
- Czym pasywny BCI różni się od interfejsów sterujących?
- Które badanie myli się z eksperymentem z Brandenburgii?
- Czy chatboty radzą sobie z emocjami lepiej niż ludzie?
- Co z tego wynika dla firm, które chcą wdrażać „empatyczną” AI?
- Najczęstsze pytania
- 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 klasyfikatora | Dokładność testowa | Dokładność treningowa | Interpretacja |
|---|---|---|---|
| Bodźce moralnie istotne kontra neutralne | ok. 76% | ok. 78% | Najwyższy wynik w badaniu, ale nie dotyczy emocji |
| Zdania poprawne kontra błędne | ok. 62% | ok. 66% | Reakcja na poprawność odpowiedzi, nie na stan osoby |
| Zgodność kontra niezgodność moralna | ok. 52% | nie podano | Poziom 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
- Towards neuroadaptive chatbots: a feasibility study (Frontiers in Neuroergonomics, 2025)
- Towards neuroadaptive chatbots: a feasibility study (PMC, 2025)
- Advancing research on the human mind: Simulating stress, sadness, and anxiety in large language models (TU Dresden, 2026)
- AI słucha uważniej niż Twój szef. Te wyniki badań dają do myślenia (RMF24)
- Co się dzieje w Twojej głowie, gdy używasz AI? Badacze alarmują (Antyweb)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji