Praca o dynamice opinii, której współautorką jest prof. Katarzyna Sznajd-Weron z Wydziału Zarządzania, została właśnie opublikowana w najbardziej prestiżowym czasopiśmie przeglądowym w fizyce. To pierwsza publikacja w historii „Reviews of Modern Physics” z afiliacją Politechniki Wrocławskiej.

Artykuł „Opinion dynamics: Statistical physics and beyond” przygotował międzynarodowy zespół naukowców związanych z ośrodkami badawczymi w ośmiu krajach. Wspólnie połączyli narzędzia fizyki statystycznej z dorobkiem socjologii, psychologii, ekonomii, informatyki i nauki o sieciach.

Wspólny język wielu dyscyplin

Badania nad dynamiką opinii przez lata rozwijały się równolegle, często przy użyciu odmiennych pojęć i metod. Opracowanie porządkuje ten dorobek i proponuje wspólny język dla badaczy z różnych dyscyplin.

Autorzy świadomie odchodzą od tradycyjnego podziału literatury według klas modeli. Zamiast tego organizują wiedzę wokół dwóch poziomów: makroskopowych zjawisk społecznych, takich jak konsensus, fragmentacja czy polaryzacja, oraz mikroskopowych mechanizmów psychologicznych odpowiedzialnych za zmianę opinii.

Takie podejście pozwala łączyć badania prowadzone w różnych dyscyplinach i przy użyciu różnych metod.

PWr po raz pierwszy w „Reviews of Modern Physics”

To flagowe czasopismo przeglądowe American Physical Society. Publikuje opracowania, które nie tylko podsumowują wiedzę, lecz także porządkują całe obszary badawcze, wskazują najważniejsze problemy i kierunki dalszych prac. W 2025 r. ukazały się w nim zaledwie 32 artykuły, a Journal Impact Factor wyniósł 48,9.

Publikacja jest ważnym sukcesem Politechniki Wrocławskiej i potwierdzeniem, że nasi badacze współtworzą międzynarodową debatę naukową oraz uczestniczą w wyznaczaniu nowych kierunków badań.

Ludzie zamiast atomów

Artykuł dotyczy dynamiki opinii, czyli tego, jak poglądy pojedynczych osób zmieniają się pod wpływem innych oraz jak z wielu takich interakcji powstają zjawiska obejmujące całe społeczeństwa.

Do badania tych procesów autorzy wykorzystują m.in. narzędzia fizyki statystycznej.

– Z perspektywy fizyki punktem wyjścia jest pytanie bardzo podobne do tych, które stawiamy w fizyce statystycznej: jak zachowanie dużego układu wyłania się z wielu prostych interakcji pomiędzy jego elementami? Tyle że zamiast atomów mamy tutaj ludzi i ich opinie – wyjaśnia prof. Katarzyna Sznajd-Weron z Wydziału Zarządzania.

Nie chodzi zatem o stawianie znaku równości między człowiekiem a atomem, lecz o podobny sposób analizowania dużych układów. Badacze sprawdzają, jak zachowania poszczególnych osób i łączące je relacje wpływają na całą grupę.

W takich modelach każdą osobę reprezentuje agent, czyli uproszczony model uczestnika społeczności. Ma on określoną opinię: może to być wybór „tak” albo „nie”, miejsce na skali od sprzeciwu do poparcia lub zestaw poglądów dotyczących kilku tematów.

Model określa zasady, według których agenci na siebie wpływają. Mogą ulegać większości, sprzeciwiać się jej, szukać kontaktu z osobami o podobnych poglądach albo pozostawać przy swoim stanowisku. Znaczenie ma również to, kto z kim utrzymuje relacje.

Po wielu takich interakcjach symulacja pokazuje, co dzieje się z całą grupą: czy osiąga porozumienie, dzieli się na przeciwstawne obozy, rozpada na więcej grup lub tworzy komory pogłosowe.

– Nie oznacza to, że można dokładnie przewidzieć decyzje konkretnej osoby – zastrzega prof. Sznajd-Weron. – Modele służą do badania prawidłowości pojawiających się w dużych grupach i mechanizmów prowadzących do określonych zjawisk społecznych.

Nie każdy podział oznacza polaryzację

Z działania modeli mogą wyłaniać się różne zjawiska, które w potocznym języku bywają ze sobą mylone. Dlatego ważną częścią publikacji jest uporządkowanie podstawowych pojęć.

Polaryzacja może oznaczać między innymi powstanie dwóch przeciwnych obozów, rosnący dystans między poglądami albo narastającą niechęć między grupami.Fragmentacja oznacza natomiast rozpad społeczeństwa na większą liczbę grup, które nie muszą tworzyć dwóch przeciwstawnych obozów. Sama izolacja części sieci społecznej również nie wystarcza, by mówić o komorze pogłosowej. Powstaje ona wtedy, gdy ludzie są otoczeni przede wszystkim osobami i treściami zgodnymi z ich przekonaniami.

Precyzyjne rozróżnienie tych zjawisk pozwala ustalić, czy zespoły posługujące się różnymi metodami rzeczywiście analizują ten sam problem.

Modele muszą spotkać się z rzeczywistością

– Budując model, opieramy jego założenia na tym, co wiemy o zachowaniach ludzi z psychologii czy innych nauk społecznych – mówi prof. Katarzyna Sznajd-Weron. – Później sprawdzamy, czy wyniki modelu są zgodne ze zjawiskami, które rzeczywiście obserwujemy w społeczeństwie. Możemy też pójść krok dalej i na podstawie modelu zaprojektować eksperyment z udziałem ludzi, który bezpośrednio przetestuje jego przewidywania. W tym sensie modele mogą być również inspiracją do nowych eksperymentów – dodaje.

Dlatego autorzy wiele miejsca poświęcili eksperymentom laboratoryjnym i internetowym, wynikom wyborów, sondażom, ankietom oraz wielkoskalowym danym z mediów społecznościowych.

Zestawianie modeli z takimi danymi pozwala oceniać, które mechanizmy mogą prowadzić do obserwowanych zjawisk. Badacze mogą dzięki temu zadawać pytania typu „co się stanie, jeśli?” oraz analizować warunki sprzyjające porozumieniu lub utrwalaniu podziałów.

AI jako laboratorium społeczne

Opisani wcześniej agenci działają według reguł określonych przez badaczy. Nową możliwość dają agenci wykorzystujący duże modele językowe. W symulowanym środowisku mogą formułować wypowiedzi, wymieniać się argumentami i reagować na innych uczestników. Większa złożoność takich agentów nie oznacza jednak, że dokładnie odtwarzają ludzkie zachowania. Modele językowe mogą powielać uprzedzenia obecne w danych, upraszczać różnice między ludźmi i tworzyć bardziej jednorodne grupy niż te istniejące w rzeczywistości.

– Agenci oparci na dużych modelach językowych pełnią inną rolę niż klasyczne modele agentowe – mówi prof. Katarzyna Sznajd-Weron. – W klasycznym modelu sami określamy reguły zachowania agentów i ich wzajemnych oddziaływań, więc możemy badać, jakie zjawiska wynikają z konkretnych mechanizmów. W przypadku agentów LLM-owych nie mamy takiej wiedzy, dlatego odpowiadają one na inne pytania. Takie badania są bliższe eksperymentom społecznym, tyle że prowadzonym na sztucznych uczestnikach. Czasem próbujemy w ten sposób odtwarzać zachowania ludzi, a czasem interesują nas właśnie społeczności samych agentów AI i zjawiska, które się w nich pojawiają. W tym pierwszym przypadku trzeba oczywiście pamiętać, że agenci AI to nie ludzie – podsumowuje prof. Sznajd-Weron.

Starnini M., Baumann F., Galla T., Garcia D., Iñiguez G., Karsai M., Lorenz J., Sznajd-Weron K., „Opinion dynamics: Statistical physics and beyond”, Reviews of Modern Physics, 2026.