Problem: społeczeństwa coraz bardziej spolaryzowane

Pew Research Center od 1994 r. mierzy dystans ideologiczny między elektoratem Demokratów i Republikanów w USA. W ostatnim raporcie (2022, „As Partisan Hostility Grows, Signs of Frustration With the Two-Party System”) mediana wyborcy Demokratów leży dziś dalej od mediany wyborcy Republikanów niż kiedykolwiek od początku pomiaru. 72% Republikanów uważa Demokratów za „bardziej niemoralnych” niż przeciętnego Amerykanina; po stronie Demokratów odsetek lustrzany to 63%.

W Europie obraz jest podobny. Edelman Trust Barometer 2024 odnotował, że średni globalny poziom zaufania do mediów wynosi 47% — najniżej w historii pomiaru — a w 17 z 28 badanych krajów media są instytucją uznawaną za „stronniczą”. Reuters Institute Digital News Report 2024 mówi, że 39% respondentów na świecie aktywnie unika wiadomości; dwa lata wcześniej było to 29%.

Polska znajduje się w czołówce. Reuters Digital News Report 2024 podaje, że 40% Polaków deklaruje aktywne unikanie wiadomości, a tylko 27% ufa mediom „przez większość czasu” (spadek z 56% w 2015 r.).

Fake news, dezinformacja i manipulacja są zjawiskiem mierzalnym. Komisja Europejska w raporcie EDMO za październik 2024 r. zarejestrowała 1 643 zweryfikowanych przypadków dezinformacji w UE w jednym miesiącu — 32% dotyczyło wojny na Ukrainie, 18% klimatu, 12% COVID-19, reszta pozostałych tematów. NewsGuard w 2024 r. zidentyfikował 1 245 stron generowanych przez AI, które publikowały treści dziennikarskopodobne bez ujawnienia, że są w pełni automatyczne.

Dlaczego to się pogłębia

Kilka mechanizmów działa równolegle.

Po pierwsze, algorytmy rekomendacyjne nagradzają emocje. Badanie MIT z 2018 r. („The spread of true and false news online”, Vosoughi et al., Science) pokazało, że na Twitterze nieprawdziwe informacje rozprzestrzeniają się sześć razy szybciej niż prawdziwe i sięgają większej liczby użytkowników. Mechanizm: emocjonalny ładunek treści (zaskoczenie, oburzenie, strach) jest silniej powiązany z reshare niż jakakolwiek inna zmienna.

Po drugie, bańki informacyjne nie są mitem, ale są bardziej złożone niż „echo chamber”. Badanie Bakshy, Messing i Adamic (2015, Science, „Exposure to ideologically diverse news on Facebook”) pokazało, że ranking algorytmiczny Facebooka redukuje ekspozycję na treści o przeciwnym profilu ideologicznym o 5–8 punktów procentowych w stosunku do losowego sortowania. Efekt nie jest gigantyczny — ale na skali miliarda użytkowników akumuluje się w wymierną segregację.

Po trzecie, generatywna AI obniżyła koszt produkcji treści do zera. Wcześniej fabryka trolli musiała zatrudnić ludzi. Dziś jeden model językowy może wygenerować 10 000 unikalnych komentarzy o tematyce politycznej w ciągu godziny — i robi to za grosze. Raport Microsoft Threat Analysis Center „Same targets, new playbooks” z kwietnia 2024 r. dokumentuje, że rosyjska, irańska i chińska aktywność wpływu używa już dziś LLM-ów do tłumaczeń, generowania komentarzy i tworzenia syntetycznych obrazów postaci, które nie istnieją.

Po czwarte, ekonomia uwagi dominuje nad ekonomią informacji. Reklama programatyczna płaci za wyświetlenia i kliknięcia, nie za jakość. Im więcej czasu spędzonego, tym wyższy CPM. To nie jest spisek — to model biznesowy, który skaluje się tylko w jedną stronę.

Co robią z tym media?

Krótka odpowiedź: dokładnie to, do czego zachęca ich rynek.

Reuters Institute Digital News Report 2024 odnotował, że globalna liczba subskrypcji cyfrowych dla 200 największych tytułów rosła w 2023 r. o 0,7% rok do roku — czyli płaski wynik. Jednocześnie udział reklamy w przychodach pozostaje powyżej 50% dla większości redakcji ogólnopolskich i regionalnych.

Wyspa, na której to nie działa: media non-profit (ProPublica, OCCRP, Bellingcat) i kilka modeli premium subskrypcyjnych (FT, NYT, The Atlantic). Ale to ułamek rynku.

Polskie redakcje regionalne kurczą się systematycznie. Według raportu Press Freedom Index 2024 (RSF), Polska zajmuje 47. miejsce na 180 krajów — spadek z 18. miejsca w 2015 r. Powody wymieniane przez RSF: koncentracja własności mediów, presja polityczna na media publiczne, atak na dziennikarzy śledczych.

Tymczasem clickbait się sprzedaje. Buzzfeed, Vice, The Onion i dziesiątki klonów udowodniły, że nagłówek typu „Nie uwierzysz, co X powiedział o Y” generuje wielokrotnie więcej kliknięć niż „X powiedział Y”. To nie jest opinia — to A/B testowane od kilkunastu lat.

Sponsoring i artykuły natywne to dziś standard. IAB Europe AdEx Benchmark 2023 podaje, że content sponsorowany stanowi 18% wszystkich wydatków na reklamę cyfrową w UE — 11,2 mld euro rocznie. Granica między tekstem redakcyjnym a tekstem reklamowym jest celowo zamazana, bo native ad konwertuje 6–10× lepiej niż display.

Działy śledcze — najdroższe i najmniej rentowne — są cięte jako pierwsze. Pew Research Center w „State of the News Media” odnotował, że amerykańskie redakcje zatrudniały w 2008 r. 71 000 dziennikarzy, a w 2022 r. — 31 000. Spadek o 56%.

Misja NAZIMNO

Tekst ze strony nazimno.info/o-platformie:

Zamiast jednego dziennikarza z jedną perspektywą, używamy wielu niezależnych modeli AI. Każdy przeszukuje internet, zbiera fakty i źródła. Potem porównujemy ich wyniki i prezentujemy zagregowaną prawdę — na zimno, bez emocji. Ty czytasz fakty i sam decydujesz, co o tym myślisz.

Cztery zasady, na których opieramy platformę:

  1. Wiele niezależnych modeli zamiast jednego autora. Pojedynczy model językowy ma swoje skrzywienia (training cut-off, dataset bias, RLHF preferencje). Sześć modeli od czterech różnych dostawców skrzywia się w różne strony — i tam, gdzie się zgadzają, masz wyższe prawdopodobieństwo, że to fakt, a nie halucynacja.
  2. Każdy fakt ma źródło. Każde źródło ma trust score. Domeny rządowe, dane statystyczne, peer-reviewed publikacje vs. blogi i fora. Czytelnik widzi, skąd pochodzi liczba.
  3. Zero linii redakcyjnej. Nie mamy właściciela politycznego. Nie mamy reklamodawcy, którego trzeba pieścić. Pipeline jest open w tym sensie, że jego logika jest udokumentowana i deterministyczna.
  4. Czytelnik wyciąga wnioski sam. Artykuł nie kończy się „co powinieneś o tym myśleć”. Kończy się faktami i źródłami.

Pipeline agentów: jak powstaje artykuł na NAZIMNO

Każdy artykuł, który czytasz, przechodzi przez stały, wieloetapowy proces. Poniżej opis kolejnych faz — bez technicznych szczegółów, ale tak, żebyś wiedział, co dzieje się między pytaniem a gotowym tekstem.

Faza 1 — Enrichment. Pytanie badawcze (wybrane przez system albo zgłoszone przez społeczność na nazimno.info/pytania) jest rozkładane na sub-pytania: kto, co, kiedy i w jakim kontekście. Z tego powstaje zestaw zapytań wyszukujących o różnym profilu — faktograficznych, kontekstowych i opozycyjnych.

Faza 2 — Web search. Zapytania trafiają równolegle do kilku wyszukiwarek. Wynikiem jest pula źródeł z metadanymi: tytuł, fragment, data publikacji.

Faza 3 — Parallel research. To samo pytanie i ten sam kontekst dostaje równolegle kilka niezależnych modeli AI od różnych dostawców. Pracują osobno, nie widząc nawzajem swoich odpowiedzi — to warunek, żeby kolejna faza miała sens. Każdy model produkuje własny research.

Faza 4 — Fact extraction. Wyniki researchy są łączone i rozkładane na pojedyncze, atomowe twierdzenia — zdania, które da się zweryfikować osobno.

Faza 5 — Evidence ensemble. Każde twierdzenie jest konfrontowane ze źródłami internetowymi, a ocenę wydaje nie jeden, lecz kilka modeli naraz. Każdy decyduje, czy źródło potwierdza fakt bezpośrednio, pośrednio, czy też mu zaprzecza.

Faza 5R — Rescue. Twierdzenia, dla których zabrakło dowodów, dostają drugą szansę przez dodatkowe, wyspecjalizowane narzędzia weryfikacyjne.

Faza 5.5 — Temporal validation. Fakty wrażliwe na czas — notowania, dane kwartalne — są sprawdzane pod kątem aktualności.

Faza 6 — Scoring. Każdy fakt dostaje numeryczną ocenę zaufania według stałych, deterministycznych reguł — bez udziału modelu na tym etapie. Na podstawie średniej cały artykuł otrzymuje pasmo zaufania: od wysokiego po niskie. Do publicznej wersji artykułu trafiają tylko fakty potwierdzone bezpośrednio przez wiarygodne, realnie pobrane źródło — reszta zostaje w wewnętrznym raporcie audytowym.

Faza 7 — Dual synthesis. Na koniec powstają dwa teksty: publiczny — ten, który czytasz, z punktami wspólnymi modeli, rozbieżnościami i źródłami — oraz wewnętrzny raport audytu z oceną każdego faktu i decyzjami pipeline'u.

Faza 7.5 — Okładka. Generowana jest grafika tytułowa artykułu.

Skala researchu — co realnie dzieje się przy jednym artykule

Każdy artykuł kończy się średnio 20–30 atomowymi faktami w opublikowanej wersji. Żeby się tam dostać, modele AI sprawdzają i niezależnie oceniają kilkadziesiąt źródeł na każdy temat.

Rekord: ponad 160 źródeł sprawdzonych w jednym artykule, blisko 770 niezależnych ocen od ensemble'u modeli weryfikujących. Bez ludzkiego researchera, bez redakcji.

Pojedynczy artykuł powstaje w 30–60 minut w zależności od tematu. Im więcej faktów do zweryfikowania i im trudniejsze źródła (rządowe PDF-y, JS-rendered SPA, strony za Cloudflare), tym dłużej trwa runtime.

Jak publikujemy

Cały cykl — od wybrania pytania, przez research, weryfikację, scoring, publikację artykułu i postów na Facebooku i Instagramie — chodzi automatycznie. System sam wybiera kolejny temat: bierze pytania zgłoszone przez społeczność i pilnuje, żeby pipeline nie wracał w kółko do tych samych wątków. Pipeline odpala się sam. Po skończeniu artykuł trafia na nazimno.info, a posty social publikują się natywnie. Zero ludzkiej ingerencji w cyklu produkcyjnym — pojedyncza redakcja, której pracę robi wiele modeli AI równolegle.

Co możesz zrobić

Najbardziej pomocne jest:

  • Zaproponowanie pytania, które chcesz, żeby pipeline zbadał — nazimno.info/pytania. Najczęściej głosowane pytania trafiają do kolejki.
  • Zgłoszenie błędu w istniejącym fakcie. Każdy artykuł ma przy każdym fakcie przycisk „zgłoś”. Zgłoszenie idzie do moderacji.
  • Przeczytanie kilku artykułów pod rząd — wzorce widać dopiero w skali.

NAZIMNO nie powie Ci, co masz myśleć. Pokaże fakty i źródła. Resztę zrób sam.