Nowe AI przewiduje Twoją następną odpowiedź na podstawie Twoich poprzednich rozmów

Naukowcy z MIT opracowali system oparty na LLM, który uczy się powtarzających się wzorców z tygodni rzeczywistych rozmów danej osoby, aby przewidzieć jej prawdopodobne następne zachowanie konwersacyjne.

Gdyby AI naprawdę mogło uzyskać dostęp do twojego życia i naprawdę mogło zostać dopuszczone do poznania cię przez dłuższy lub nawet ciągły okres, prawdopodobnie nauczyłoby się przewidywać twoje działania, decyzje — a nawet to, co najprawdopodobniej powiesz dalej; wszystko na podstawie tego, co przyswoiło z tysięcy godzin analizowania twoich interakcji.

Ci z nas, którzy przyzwyczaili się do używania dużych modeli językowych (LLM), takich jak ChatGPT i Claude, z pewnością zauważyli tę tendencję do „anticipacji potrzeb”, wyraźnie opartą na naszych historiach użycia; i, przypuszczalnie, przyjęli ją z zadowoleniem, ponieważ zachowanie pamięci i kontekstu jest teraz kluczowym punktem tarcia w rozwijaniu efektywnego związku z systemem AI.

Jednak udostępnianie ad hoc i nawet „na żywo” informacji o twoim życiu i komunikacji systemowi AI prowadzonemu przez firmę nastawioną na zysk, jest, można powiedzieć, potencjalnym zagrożeniem dla prywatności i bezpieczeństwa; choć usługa stałaby się znacznie użyteczniejsza, pokusa firmy do udostępniania twoich danych, w połączeniu z ryzykiem wycieku online lub wykradania danych, może uczynić ten poziom integracji AI i człowieka nierozważnym pomysłem.

Gdybyśmy mogli mieć przyjemne rzeczy…

Cóż, musiałem najpierw zrealizować to „ostrzeżenie służby publicznej”, zanim zajmę się interesującym nowym artykułem z MIT, który wydaje się istnieć w lepszym świecie, w którym tego rodzaju dane mogłyby być odizolowane w bezpiecznych i naprawdę godnych zaufania kręgach, tak aby prawdziwa moc analitycznego AI mogła być skierowana na rzeczywistą korzyść jednostki.

Nowa praca proponuje system, w którym, za zgodą użytkownika i przy jego kontroli nad pozyskanymi danymi, inteligentny zegarek noszony na nadgarstku nieustannie rejestruje jego rozmowy w celu wydobycia wzorców zachowań:

Z nowego artykułu MIT, ilustracja proponowanego potoku przewidywania zachowań. Rozmowy zebrane przez kilka tygodni ujawniają powtarzający się wzorzec zachowania, który jest następnie używany do przewidzenia prawdopodobnego kolejnego zachowania użytkownika i dostarczenia przypomnienia na smartwatchu przed wystąpieniem przewidywanej akcji. Źródło – https://arxiv.org/pdf/2608.13454 Źródło

Artykuł – zatytułowany Before You Say It: Anticipating Verbal Behavior from Longitudinal Everyday Conversations with LLMs – opisuje eksperyment, w którym ponad 1 000 godzin naturalistycznych (tj. opportunistycznych, rzeczywistych) rozmów czternastu uczestników zostało zebranych za pomocą smartwatchy, przepisanych, przekształconych w ustrukturyzowane historie zachowań i przekazanych Gemini 2.5 Pro wraz z promptami specyficznymi dla zachowań oraz wyodrębnionymi regułami zachowań, aby przewidzieć prawdopodobne kolejne zachowanie konwersacyjne każdego użytkownika.

(I teraz może być jasne, dlaczego ten nowy artykuł potrzebuje pewnego kontekstu dotyczącego prywatności)

Nowe badanie jest w istocie eksperymentem terenowym dla (niektórych) wcześniejszych publikacji autorów z 2026 roku Mind Mapper*, rozszerzając tę wcześniejszą pracę poprzez praktyczne wdrożenie teorii i testowanie, czy wyodrębnione wzorce zachowań naprawdę mogą przewidzieć kolejne zachowanie konwersacyjne użytkownika w czasie rzeczywistym, a nie jedynie opisywać powtarzające się tendencje.

‘Nasze wyniki pokazują, że specyficzne dla sytuacji wzorce zachowań wydobyte z longitudinalnych rozmów mogą znacząco poprawić prognozy werbalnych tendencji zachowań użytkowników. Kluczową zaletą naszego podejścia jest reprezentowanie ich jako czytelnych dla człowieka wzorców kontekstowo warunkowanych z wyraźnymi warunkami wyjątków, które użytkownicy mogą przeglądać i udoskonalać.’

‘Uczestnicy docenili tę przejrzystość, [wielu z nich] ciesząc się możliwością czytania, korygowania i ustalania osobistych celów dla ich wywnioskowanych wzorców.’

‘Uczestnicy także reflektowali nad własnymi strategiami zmiany zachowań, sugerując, jak proaktywne systemy mogłyby pomóc, przekierowując uwagę, oferując alternatywy i wyświetlając przedefiniowania powiązane z ich celami.’

‘Wskazuje to na anticipacyjne AI, które współpracuje z użytkownikami — opierając interwencje na wzorcach, które rozpoznają, i strategiach, które już uważają za skuteczne.’

Metoda

Wspomniany wcześniej Mind Mapper jest fundamentem nowego systemu, oferując przepływ pracy zaprojektowany do nauki powtarzających się reguł zachowań z tygodni nagrań smartwatcha, zamiast bezpośredniego przewidywania przyszłej mowy lub oparcia się o ogólne bądź wcześniejsze zestawy danych. W przepływie pracy Mind Mapper wszystkie nagrane rozmowy zostały przepisane, zanonimizowane i przetworzone przez wieloetapowy potok GPT-5**.

(Proszę zauważyć, że ze względu na ochronę starszego artykułu nie możemy, jak zwykle, udostępnić z niego obrazów, ponieważ dostępne publicznie wersje niskiej rozdzielczości są nieczytelne)

Z nowego artykułu, ilustracja potoku przewidywania zachowań. Rozmowy zebrane przez kilka tygodni są przekształcane w reguły zachowań zależne od kontekstu, które są udoskonalane przy użyciu dowodów wspierających i sprzecznych, zanim zostaną zastosowane do nowych rozmów w celu przewidzenia najbardziej prawdopodobnej kolejnej odpowiedzi konwersacyjnej użytkownika.

Potok generuje kandydatów na reguły zachowań „jeśli-wtedy” (tj. reguły łączące sytuacje konwersacyjne z prawdopodobnymi odpowiedziami); wyszukuje dowody wspierające i sprzeczne; scala nakładające się reguły; odrzuca słabe hipotezy; i przypisuje szacunki pewności oraz prawdopodobieństwa.

Uczestnicy

Czternastu dorosłych mówiących po angielsku nosiło smartwatch podczas codziennego życia przez siedem do dziesięciu dni. Wbudowany detektor aktywności głosowej rejestrował uczestników wyłącznie wtedy, gdy wykrywał mowę, wysyłając 2‑3‑minutowe fragmenty audio do zdalnego serwera w celu przetworzenia.

Uczestnicy otrzymali 100 USD i musieli poinformować wszystkich w pobliżu, że rozmowy są nagrywane, oraz uzyskać zgodę innych osób przed każdą taką interakcją.

Transkrypcja i weryfikacja

Fragmenty audio przetwarzano przy użyciu modelu Nova-3-meeting firmy Deepgram, który przepisywał rozmowy i rozróżniał mówców. Następnie użyto SpeechBrain jako modelu weryfikacji mówcy, dopasowując głos uczestnika do 20‑sekundowego próbki rejestracyjnej.

Model spaCy Named Entity Recognition (NER) zastępował wszelkie wymienione imiona oraz inne informacje umożliwiające identyfikację osobistą anonimowymi symbolami. Oryginalny dźwięk został następnie usunięty, a jedynie zaszyfrowane transkrypty AES‑256‑GCM przechowywano lokalnie na smartwatchu.

Po okresie zbierania uczestnicy mogli przeglądać własne transkrypty rozmów poprzez interfejs webowy, usuwając wszystko, czego nie chcieli w badaniu, oraz korygując etykiety mówców lub kontekst rozmowy w razie potrzeby.

Średnio usunięto jedynie 0,16 % transkryptów, a 2,48 % segmentów oznaczono jako misclassified, pozostawiając zestaw danych 15 066 wypowiedzi od czternastu uczestników — 57 % przypisano noszącemu zegarek, a 43 % innym mówcom. Średnia długość wypowiedzi wynosiła 49 słów.

(Jednak, choć artykuł nie porusza tego tematu, można założyć, że uczestnicy pozostawali stosunkowo czujni, aby nie angażować się w bardzo osobiste wymiany werbalne podczas noszenia zegarka.)

Transkrypty dodatkowo oczyszczono, usuwając bardzo krótkie wymiany oraz typowe dysfluencje mowy, takie jak „err” i „um”; a następnie scalono fragmentaryczne zdania w pełne wypowiedzi. Zredukowano ostateczny zestaw danych do 9 901 wypowiedzi.

Aby ocenić podejście, Gemini 2.5 Pro poproszono o przewidzenie kolejnej odpowiedzi konwersacyjnej każdego uczestnika na podstawie dotychczasowej rozmowy. Jego wyniki porównano w trzech wariantach: sam historia konwersacji; skrócone podsumowania rozmów; oraz nowe reguły zachowań Mind Mapper, co pozwoliło bezpośrednio zmierzyć wkład wyuczonych wzorców.

GPT‑5 użyto jako automatycznego sędziego do oceny prognoz, a oddzielna ocena ludzka potwierdziła wiarygodność jego ocen.

Dane i testy

Wyniki testów wskazują, że metodologie bazowe były wyraźnie słabsze od podejścia opartego na wzorcach autorów, przy czym dokładność stale rosła w miarę gromadzenia danych konwersacyjnych:

Wyniki testów porównujące trzy podejścia predykcyjne. Po lewej, dokładność prognoz systematycznie rośnie wraz z dostępnością większej ilości danych konwersacyjnych, jedynie gdy system uczy się wzorców zachowań, podczas gdy podejścia bazowe zmieniają się niewiele. Po prawej, to samo podejście osiąga znacznie wyższe wyniki w rozmowach, w których uczestnicy zidentyfikowali zamiar zmiany.

Autorzy twierdzą, że system był szczególnie skuteczny w przewidywaniu zachowań, które uczestnicy wyraźnie chcieli zmienić.

Badanie walidacyjne, z udziałem 40 niezależnych oceniających, potwierdziło automatyczną ocenę, przyznając metodzie opartej na wzorcach najwyższą pozycję w 43 % testowanych scenariuszy, w porównaniu do 24 % dla pełnego kontekstu; 18 % dla zero‑shot; oraz 15 % dla podsumowań narracyjnych.

Ludzkie oceny ściśle pokrywały się z oceną modelową pod względem intencji komunikacyjnej, specyficzności i złożoności funkcjonalnej, co autorzy uznają za potwierdzenie użyteczności automatycznych sędziów w ocenie zachowań konwersacyjnych.

Dwa badania następcze sprawdziły, jak ludzie reagowali na wyodrębnione wzorce i czy prognozy rzeczywiście pomagają zmienić nawyki. Uczestnicy najpierw przeglądali swoje reguły, aby oznaczyć zachowania, które chcieli przerwać, a kilku z nich wróciło po kilku miesiącach, aby omówić strategie, które wypróbowali, oraz jakie rodzaje „sugestii” asystenta faktycznie pomogłyby w codziennym życiu.

Uczestnicy oznaczyli 114 nawyków, które chcieli przerwać, obejmujących 912 momentów konwersacyjnych. Testując te wymiany, metoda oparta na wzorcach wyraźnie przewyższyła standardowe podejścia o około 40 %; autorzy twierdzą, że system działa najlepiej przy przewidywaniu zakorzenionych nawyków, które ludzie aktywnie chcą zmienić.

Autorzy podsumowują:

‘Podsumowując, nasze wyniki dostarczają dowodów, że zachowanie werbalne specyficzne dla osoby można przewidzieć na podstawie longitudinalnych danych konwersacyjnych.’

‘Otwiera to nowe możliwości dla przyszłych systemów AI, które będą kontekstowo świadome, anticipacyjne, proaktywne i spersonalizowane.’

Wnioski

Poza wysoce regulowanymi rządowo zastosowaniami, głównie w obszarach opieki zdrowotnej i psychiatrii państwowej, oraz przy braku wyraźnego lub domyślnego przymusu uczestnictwa (np. obniżonych składek ubezpieczeniowych), trudno wyobrazić sobie użycie tego podejścia, które nie zagrażałoby prywatności i osobistej integralności uczestników — szczególnie jeśli byłoby powiązane z podmiotami zdolnymi do kojarzenia nagranych danych konwersacyjnych z cyfrowymi lub innymi typami danych dotyczącymi jednostki.

Artykuł MIT przedstawia interesujący i nieco terapeutyczny kontekst dla tego podejścia (np. dostarczanie kontekstowo świadomych przypomnień o diecie); jednak taki schemat wydaje się bardziej prawdopodobny, że przyciągnie agresywne zainteresowanie i inwestycje reklamodawców, instytucji penitencjarnych, ubezpieczycieli oraz licznych innych podmiotów korporacyjnych lub państwowych, które chciałyby dowiedzieć się więcej o tym, co mamy na myśli.

Gdyby kiedykolwiek istniał przekonujący argument za odizolowanym, całkowicie należącym do użytkownika lokalnym AI, to właśnie w systemach takich jak ten, które niosą ze sobą tak poważne implikacje w zakresie naruszenia.

To powiedziawszy, historia reklamy i technologii nadzoru w ostatnich latach skłania się ku obojętności konsumentów – czy ta brak troski naprawdę może rozciągnąć się nawet na tak inwazyjny i wszechobecny system jak ten?

* Bardzo bardziej chroniona publikacja, bez dostępnych publicznie obrazów wysokiej rozdzielczości, choć tekst można przeczytać, pokonując kilka przeszkód.

** Nie chcąc przeceniać, starszy artykuł jest znacznie trudniejszy do uzyskania, więc prosimy o wytrwałość!

Pierwsze opublikowanie: czwartek, 20 sierpnia 2026