Bixonimania, czyli jak łatwo dajemy się nabrać (i co ma z tym wspólnego AI)
Fałszywa choroba, zmyśleni naukowcy i artykuł pełen absurdów — a mimo to uwierzyli w nią zarówno ludzie, jak i sztuczna inteligencja. Historia bixonimanii pokazuje, jak łatwo nas zmanipulować.
W 2024 roku szwedzcy badacze opublikowali w sieci artykuły opisujące chorobę oczu wywołaną pochodzącym z ekranów światłem niebieskim. Objawy? Pieczenie oczu, swędzenie i ciemnienie skóry wokół oczu. Brzmi znajomo, prawda? To bixonimania. Jeszcze kilka lat temu nikt o niej nie słyszał. Dziś brzmi jak kolejna choroba cywilizacyjna – coś między przemęczeniem ekranami a skutkiem ubocznym życia online. I tu małe zaskoczenie, ta choroba nigdy nie istniała.
Akademia Gwiezdnej Floty i Fundacja Zaawansowanych Sztuczek
Cała sprawa była od początku do końca zmyślona. "Naukowcy" sfałszowali nie tylko same wyniki badań, ale też swoje nazwiska, miejsca pracy i źródła finansowania. Co ciekawe, jako sponsorów projektu wymienili... Uniwersytet Drużyny Pierścienia, Triadę Galaktyczną oraz „Fundację Profesora Sideshow Boba ds. Zaawansowanych Sztuczek”. Ponadto zastosowali końcówkę „-mania”, która w medycynie odnosi się do psychiatrii, a nie okulistyki; jako afiliację głównego autora podano nieistniejący uniwersytet w fikcyjnym mieście Nova City w Kalifornii. A w podziękowaniach wymieniono Akademię Gwiezdnej Floty oraz laboratorium na pokładzie statku USS Enterprise. Żeby tego było mało: w tekście pojawiło się wprost sformułowane zdanie, że „cały ten artykuł jest zmyślony”, a grupa badawcza składa się z „pięćdziesięciu wymyślonych osób”.
Mimo tych absurdów, do 2026 roku wiele modeli AI zaczęło traktować bixonimanię jako realne zagrożenie. Microsoft Copilot określił ją jako „intrygujący i stosunkowo rzadki stan”, a Gemini twierdziło, że jest to „schorzenie spowodowane nadmierną ekspozycją na światło niebieskie”. W marcu 2026 roku ChatGPT początkowo uznał bixonimanię za „prawdopodobnie zmyśloną, niszową lub pseudonaukową etykietę”, by kilka dni później opisać ją jako „proponowany nowy podtyp melanozy okołooczodołowej”.
Nie tylko AI dało się nabrać. Trzech naukowców z Indii zacytowało fałszywy artykuł w recenzowanym czasopiśmie naukowym Cureus (publikacja została później wycofana). Dopiero po ujawnieniu prowokacji i opisaniu jej w czasopiśmie Nature, systemy AI zaczęły generować poprawione odpowiedzi.
PodBean Development
Dlaczego AI dało się nabrać?
Mahmud Omar z Harvard Medical School zauważa, że modele LLM są bardziej skłonne do halucynacji i powielania dezinformacji, gdy tekst źródłowy wygląda na profesjonalny dokument medyczny lub artykuł naukowy. A zatem format był kluczowym czynnikiem, który zmylił algorytmy.
Historia bixonimanii to nie tylko ciekawostka z pogranicza nauki i internetu. To soczewka, przez którą widać coś znacznie bardziej niepokojącego: jak łatwo zarówno ludzie, jak i sztuczna inteligencja dają się oszukać.
Kto może na tym zarobić? (Zagrożenie komercyjne)
Eksperyment pokazał, jak bez trudu można „zatruć” bazy danych AI. Wyobraźcie sobie nieuczciwego sprzedawcę okularów blokujących światło niebieskie. Mógłby on spreparować badania o nowej chorobie, a potem odsyłać klientów do ChatGPT. AI „potwierdziłoby” istnienie problemu, a klient zyskałby idealny argument do zakupu drogiego produktu. To asymetria informacji – jedno kłamstwo powielone w setkach miejsc może zagłuszyć rzetelną naukę.
Podatność na oszustwo jest niepokojąco powszechna zarówno wśród ludzi, jak i modeli AI, i to nie tylko w świecie nauki. Niezależnie od tego, czy mamy do czynienia z halucynacjami AI, państwową dezinformacją czy zwykłymi kłamstwami, wszyscy, ja i Ty też, wykazujemy zadziwiającą naiwność wynikającą z uprzedzeń oraz coraz częstszego wyręczania się innymi w procesie uczenia się. Zrozumienie i pokonanie tych mechanizmów jest poważnym wyzwaniem, przed którym stajemy.
Pozwólcie, że przytoczę jeszcze jeden przykład. Podczas niedawnego festiwalu naukowego w Cambridge zorganizowano event inspirowany telewizyjnym show. Czworo panelistów zaprezentowało swoje prace, z których każda mogła być kłamstwem. Zadaniem publiczności było wskazanie w głosowaniu, kto ich oszukuje, i uzasadnienie swojego wyboru.
Organizatorzy eksperymentu celowo nadali prezentacjom oraz sylwetkom prelegentów osobliwy charakter, dobierając osoby o różnym pochodzeniu i akcentach, które opowiadały o zdrowiu publicznym, klimacie, mediach oraz astrofizyce. Badacze chcieli sprawdzić, jak czynniki takie jak akcent, płeć, pochodzenie etniczne czy styl ubioru wpływają na ocenę wiarygodności. Okazało się, że sygnały te wywiodły publiczność na manowce – za najbardziej podejrzane uznano osoby mówiące prawdę, podczas gdy kłamcy zostali uznani za wiarygodnych.
Najwięcej głosów jako „oszuści” otrzymały dwie uczciwe badaczki:
Ada z organizacji Development Media Initiative. Jej zespół uratował wiele istnień, nadając komunikaty zdrowotne w krajach globalnego Południa, ale publiczność uznała te sukcesy za zbyt imponujące, by były prawdziwe. Dodatkowo fakt, że prezentowała wyniki pracy całego zespołu, a nie tylko własne, został odebrany jako brak pewności siebie. Drugą osobą uznaną za oszustkę była Sarah, zajmująca się „archeologią galaktyczną”. Przez krótki czas wystąpienia nie zdołała wejść w szczegóły, co uznano za brak wiedzy, a sama nazwa jej dziedziny wydała się słuchaczom zbyt ekscentryczna, by mogła istnieć naprawdę.
Zupełnie inaczej potraktowano prawdziwych oszustów. Jack, będący aktorem wcielającym się w rolę badacza klimatu, oraz Joyce, która sfałszowała wyniki własnych badań, otrzymali najmniej głosów podejrzliwości. W przypadku Joyce – Nigeryjki badającej społeczności w swoim kraju – kluczowe okazało się jej osobiste powiązanie z tematem oraz ubiór nawiązujący do tożsamości etnicznej. Publiczność uznała jej wystąpienie za niezwykle autentyczne i przemyślane, dając się uwieść pasji oraz osobistym doświadczeniom, o których opowiadała.
Dlaczego tak łatwo się mylimy?
Psychologia od dawna pokazuje, że nie jesteśmy mistrzami wykrywania kłamstw. Wręcz przeciwnie – często kierujemy się skrótami myślowymi: autorytet - jeśli ktoś brzmi jak ekspert, wierzymy mu; spójność narracji - jeśli historia „ma sens”, uznajemy ją za prawdziwą; emocje i autentyczność: pasja i osobiste doświadczenie zwiększają wiarygodność. Eksperyment w Cambridge pokazał coś jeszcze bardziej zaskakującego: ludzie częściej podejrzewają o kłamstwo tych, którzy mówią prawdę, jeśli ich historia wydaje się „zbyt dobra”, a ufają tym, którzy kłamią, jeśli robią to przekonująco.
Matematyka nie wystarczy
Żyjemy w świecie, który mocno stawia na kompetencje techniczne. Programowanie, analiza danych, matematyka – wszystko to jest ważne. Ale jednocześnie zaniedbujemy coś równie istotnego: krytyczne myślenie. Słabo nam wychodzi budowanie umiejętności zadania prostego pytania: „Czy to na pewno ma sens?” Bez niej nawet najbardziej zaawansowane narzędzia nie pomogą.
Pułapka wygody
Żeby było jeszcze gorzej brak krytycznej refleksji idzie w parze z outsourcingiem myślenia. Po co myśleć skoro jest AI, wyszukiwarki i internetowi „eksperci” od wszystkiego? To wygodne. Ale ma swoją cenę. Im mniej sami analizujemy informacje, tym łatwiej nami manipulować. A jedno dobrze opakowane kłamstwo może rozprzestrzenić się szybciej niż dziesięć sprostowań.
Co możemy zrobić?
Nie chodzi o to, żeby popaść w paranoję i nie ufać nikomu. Chodzi raczej o świadome zaufanie.
Kilka prostych zasad:
- sprawdzaj źródła (i czy w ogóle istnieją),
- zwracaj uwagę na detale (często zdradzają fałsz),
- nie ufaj ślepo „naukowemu” językowi,
- zadawaj pytania, nawet jeśli coś brzmi przekonująco.
I może najważniejsze:
nie oddawaj całkowicie myślenia innym – ani ludziom, ani algorytmom.
Na koniec: mały test
Jeśli dotarliście aż tutaj, to mam dla Was pytanie:
Gdybyście pierwszy raz przeczytali o bixonimanii w internecie – uwierzylibyście?
Bo właśnie na tym polega problem. Nie na tym, że ktoś stworzył fałszywą chorobę.
Tylko na tym, że świat był gotowy, żeby ją zaakceptować.
Przyznajcie: to jest mało zabawne.