Tożsamość metaorganizacji poprzez reorganizację

1. Problem

Istnienie procesu nie zależy od:

naszej wiedzy o nim.

Planetoida może poruszać się w kierunku Ziemi:

niezależnie od tego,

czy ją:

dostrzeżemy,

opiszemy,

obliczymy jej orbitę.

Odkrycie zmienia przede wszystkim:

nasz stan wiedzy.

Nie musi zmienić:

stanu rzeczy.

2. Wiedza nie jest sprawczością

Możemy więc sformułować:

Zasadę nieidentyczności poznania i sprawczości: rozpoznanie procesu nie implikuje zdolności jego zatrzymania, odwrócenia ani istotnej modyfikacji.

To rozróżnienie jest:

podstawowe.

3. Możemy wiedzieć i nadal nie móc

proces P

może przebiegać:

P₁ → P₂ → P₃

niezależnie od tego, że pomiędzy P₁ i P₂ powstała:

wiedza W(P).

Czyli:

W(P) ≠ ΔP.

4. Wiedza może jednak zwiększyć przestrzeń możliwości

Może pozwolić:

przewidywać,

przygotować się,

ograniczyć skutki,

a czasami:

interweniować.

Ale nie ma tu:

automatycznej implikacji.

5. Pierwszy błąd

Polega więc na założeniu:

„skoro poznaliśmy przyczynę, możemy ją usunąć”.

Nie zawsze.

Niektóre procesy mogą być:

niekontrolowalne,

częściowo kontrolowalne,

albo:

kontrolowalne jedynie przy kosztach przekraczających nasze możliwości.

6. W społeczeństwie problem jest jeszcze trudniejszy

Ponieważ najczęściej nie obserwujemy:

„struktury samej”.

Obserwujemy:

dane,

zachowania,

relacje,

wskaźniki,

zdarzenia.

A następnie tworzymy:

model.

7. Powstaje relacja

R → O → M

gdzie:

R — rzeczywistość,

O — obserwacja,

M — model.

Nie należy utożsamiać:

M

z:

R.

8. Model nie jest błędem

Modelowanie jest jednym z podstawowych sposobów poznania naukowego. Modele mogą reprezentować tylko wybrane własności obiektu, mogą idealizować, upraszczać i służyć określonym celom badawczym.[^1]

Problem pojawia się dopiero wtedy, gdy:

model zostaje utożsamiony z rzeczywistością, którą miał reprezentować.

9. Diagnoza również powstaje wewnątrz modelu

Nie mamy więc prostego:

rzeczywistość → diagnoza.

Mamy:

rzeczywistość

↓

selekcja danych

↓

kategorie

↓

model

↓

diagnoza.

10. To zmienia znaczenie słowa „diagnoza”

Diagnoza może być:

logicznie poprawna

w ramach:

M₁,

a jednocześnie:

M₁

może niewystarczająco reprezentować:

R.

11. Możemy więc poprawnie rozwiązać niewłaściwie skonstruowany problem

To jedna z najważniejszych możliwości.

Poprawność operacji wewnątrz modelu nie gwarantuje adekwatności samego modelu.

12. Problem niedookreślenia

Te same dane mogą być zgodne z:

więcej niż jednym wyjaśnieniem.

Filozofia nauki opisuje tę klasę problemów jako:

underdetermination —

niedookreślenie teorii przez dostępne świadectwa.[^2]

13. Nie oznacza to, że wszystkie modele są równie dobre

To byłby:

nieuprawniony relatywizm.

Modele można:

porównywać,

testować,

falsyfikować,

oceniać pod względem predykcji,

spójności,

mocy wyjaśniającej.

14. Ale sukces modelu nie oznacza pełnego domknięcia rzeczywistości

Model może być:

bardzo dobry

i:

częściowy.

15. To prowadzi do pierwszego poziomu niejawności

Nazwijmy go:

N₁.

N₁ oznacza:

warunki realnego procesu, które nie zostały zawarte w aktualnym modelu.

16. Freud jest interesującym przykładem historycznym

Nie dlatego, że musimy przyjąć:

całą freudowską teorię psychiki.

Ale dlatego, że zaproponował model, w którym:

część determinant ludzkiego działania

nie jest:

bezpośrednio dostępna świadomości.[^3]

17. Jung przesunął problem dalej

W jego koncepcji nieświadomości zbiorowej i archetypów pojawia się próba opisania struktur, które miały:

wyprzedzać indywidualną refleksję

i organizować doświadczenie poprzez formy, których człowiek sam świadomie nie ustanawia.[^4]

Ponownie:

jest to historyczna teoria psychologiczna,

nie empirycznie rozstrzygnięty opis wszystkich niejawnych struktur człowieka.

18. Dla naszej teorii ważniejszy jest sam ruch poznawczy

Freud albo Jung mówią:

to, co człowiek uważał za przejrzyste dla siebie, może być organizowane przez proces, którego wcześniej nie rozpoznawał.

19. Ale ujawnienie N₁ nie oznacza końca niejawności

Po odkryciu:

N₁

może istnieć:

N₂.

20. Co więcej

sam model:

M₁,

za pomocą którego opisujemy N₁,

może być ukształtowany przez:

warunki N₂.

21. Powstaje niejawność meta

Niejawność meta oznacza możliwość, że nieujawnione pozostają nie tylko determinanty badanego procesu, lecz również determinanty sposobu, w jaki proces został przez nas rozpoznany i opisany.

22. To nie musi prowadzić do nieskończonego sceptycyzmu

Nie wynika z tego:

„niczego nie możemy wiedzieć”.

Wynika:

„żaden model nie powinien uzyskiwać statusu absolutnego tylko dlatego, że ujawnił poziom wcześniej niewidoczny”.

23. Metaorganizacja wymaga więc niedomknięcia

Nie:

braku wiedzy.

Lecz:

świadomości możliwości jej:

rewizji.

24. Możemy sformułować

Zasadę niedomknięcia metaorganizacyjnego

Każde ujawnienie struktury może pozostawiać nieujawnione warunki organizujące zarówno badaną strukturę, jak i sam sposób jej ujawnienia.

25. Obserwator również należy do świata

W badaniach społecznych jest to szczególnie ważne.

Badacz,

sędzia,

ekonomista,

polityk,

lekarz,

obywatel

nie obserwują rzeczywistości:

z absolutnego „zewnątrz”.

26. Posługują się

językiem,

kategoriami,

teoriami,

narzędziami,

wartościami,

metodami

powstałymi:

historycznie.

27. Możemy więc sformułować

Zasadę niepełnej zewnętrzności obserwatora

Obserwator struktury sam funkcjonuje w określonej strukturze poznawczej i społecznej, dlatego nie może a priori założyć pełnej niezależności własnych kategorii od przedmiotu, który opisuje.

28. To szczególnie ważne dla struktur społecznych

Społeczeństwo próbuje:

poznać społeczeństwo

za pomocą:

narzędzi wytworzonych przez społeczeństwo.

29. Prawo interpretuje prawo

Nauka bada:

warunki nauki.

Psychologia:

umysł badający umysł.

AI może analizować:

system wiedzy,

którego część została wykorzystana do:

stworzenia AI.

30. Powstaje rekurencja

Nie musi ona uniemożliwiać:

poznania.

Ale ogranicza możliwość:

ostatecznego domknięcia.

31. Drugi wielki problem pojawia się przy interwencji

Załóżmy bowiem, że:

M₁

jest wystarczająco dobrą diagnozą.

Nadal nie wiemy automatycznie:

co należy zrobić.

32. Potrzebujemy drugiego modelu

Nie:

modelu diagnostycznego.

Lecz:

modelu interwencji.

33. Model diagnostyczny mówi

„X wiąże się z Y”

albo:

„X jest przyczynowo istotne dla Y”.

Model interwencji mówi:

„jeżeli zmienimy X w sposób I, Y zmieni się w sposób Z”.

To nie jest:

to samo twierdzenie.

34. Współczesna teoria przyczynowości właśnie dlatego odróżnia

obserwowanie X

od:

interweniowania w X.

Modele przyczynowe Pearl'a i interwencjonizm Woodwarda formalizują różnicę między zależnością obserwacyjną a pytaniem o to, co stanie się pod wpływem interwencji.[^5]

35. Korelacja nie jest instrukcją działania

Jeżeli:

X

przewiduje:

Y,

nie wynika jeszcze:

że zmiana X

zmieni:

Y.

36. Nawet zidentyfikowana zależność przyczynowa może być zależna od warunków

Mechanizm:

X → Y

może działać:

w C₁,

ale nie:

w C₂.

Woodward wiąże właśnie użyteczność wyjaśnień przyczynowych z zakresem ich niezmienniczości wobec możliwych interwencji.[^6]

37. Interwencja jest więc również hipotezą

Możemy zapisać:

D — model diagnostyczny

oraz:

I — model interwencyjny.

Wtedy:

D poprawne

nie implikuje:

I skuteczne.

38. To drugi poziom niepewności

Możemy:

prawidłowo rozpoznać problem

i:

zaproponować nieskuteczne rozwiązanie.

39. Albo rozwiązanie może działać

ale jednocześnie:

tworzyć nowy problem.

40. System społeczny reaguje na interwencję

Nie jest:

martwym przedmiotem.

Zmiana prawa może zmienić:

zachowania.

Zmiana bodźca:

strategie obchodzenia bodźca.

Zmiana instytucji:

inne instytucje.

41. Interwencja sama wchodzi do struktury

Dlatego:

środek zaradczy nie działa z zewnątrz systemu; po zastosowaniu staje się jednym z elementów jego następnego stanu.

42. To prowadzi do

Zasady endogeniczności interwencji

Interwencja w system społeczny może reorganizować nie tylko zmienną będącą jej celem, lecz także pozostałe relacje systemu, które następnie zmieniają znaczenie samej interwencji.

43. W demografii jest to szczególnie widoczne

Możemy zdiagnozować:

spadek dzietności.

Ale istnieją różne modele jego przyczyn:

ekonomiczne,

instytucjonalne,

kulturowe,

relacyjne,

demograficzne.

44. Nawet dobra diagnoza nie daje prostego „przycisku”

Jeżeli zwiększymy:

świadczenie,

nie wiemy automatycznie,

jak zareagują:

decyzje rodzinne,

rynek mieszkaniowy,

ceny,

rynek pracy,

normy,

oczekiwania.

45. Dlatego środki zaradcze również konstruują model

Każda polityka zawiera implicite zdanie:

„świat działa w taki sposób, że jeżeli zmienimy A, otrzymamy B”.

46. Polityka jest więc również hipotezą ontologiczną

Nie tylko:

decyzją.

47. To samo dotyczy prawa

Zmiana przepisu zakłada:

model tego,

jak ludzie,

sądy,

administracja

zareagują na:

nową normę.

48. To samo w medycynie

Leczenie opiera się na:

modelu mechanizmu,

modelu ryzyka

i:

przewidywanej odpowiedzi organizmu.

Nie wszyscy pacjenci:

reagują identycznie.

49. Metaorganizacja nie może więc oznaczać

„rozpoznaj problem i usuń jego przyczynę”.

To jest:

zbyt prosty model.

50. Trafniejszy schemat wygląda tak

R — rzeczywistość

↓

O — obserwacja

↓

M₁ — model

↓

D — diagnoza

↓

M₂ — model interwencji

↓

I — interwencja

↓

R′ — reorganizowana rzeczywistość

↓

O′ — nowa obserwacja.

51. A następnie pętla zaczyna się ponownie

R′ → M₃ → D′ → I′ → R″.

Nie ma gwarancji:

ostatecznego domknięcia.

52. Metaorganizacja jest więc rekursją

System:

obserwuje,

modeluje,

działa,

obserwuje skutki,

rewiduje model.

53. Jej siłą nie jest nieomylność

Jej siłą jest:

rewizyjność.

54. Możemy więc zmienić wcześniejszą definicję

Metaorganizacja nie jest:

strukturą zamieniającą poprawną wiedzę w zmianę.

Jest:

strukturą zdolną działać na podstawie modeli uznawanych za częściowe i rewidowalne oraz reorganizować zarówno działania, jak i modele, gdy rezultaty ujawniają ich niedostateczność.

55. To zasadnicza różnica

Nie:

W → działanie.

Lecz:

M₁ → działanie → wynik → rewizja M₁.

56. Powstaje nowy rodzaj tożsamości

Metaorganizacja zachowuje swoją tożsamość nie dlatego, że:

zachowuje model.

Ale dlatego, że:

zachowuje zdolność jego:

zmiany.

57. Jej inwariantem nie jest prawda konkretnej diagnozy

Lecz:

zdolność odróżniania modelu od modelowanego świata.

58. To można nazwać

zasadą separacji ontologicznej

Model należy traktować jako operator poznawczy odnoszący się do rzeczywistości, a nie jako ontologiczny odpowiednik rzeczywistości.

59. AI stawia ten problem w jeszcze ostrzejszej formie

AI może:

analizować ogromne zbiory danych,

odnajdywać regularności,

tworzyć predykcje,

porównywać modele,

generować hipotezy.

60. Ale zwiększenie zdolności modelowania nie usuwa różnicy

model ≠ rzeczywistość.

61. Model AI może bardzo dobrze przewidywać

Y.

Ale to nie musi oznaczać:

że poprawnie reprezentuje mechanizm:

powstawania Y.

62. A jeszcze mniej wynika z tego

że AI wie:

co stanie się po:

interwencji X.

Predykcja obserwacyjna i wnioskowanie interwencyjne są epistemicznie różnymi problemami.[^5]

63. Dlatego AI może niezwykle trafnie powiedzieć

„w tej konfiguracji prawdopodobnie nastąpi Y”.

A jednocześnie nie dostarczyć wystarczającej odpowiedzi:

„co zmienić, aby Y nie nastąpiło?”

64. To prowadzi do

Zasady nieidentyczności predykcji i sprawczości

Zdolność przewidywania stanu systemu nie jest równoważna zdolności wskazania skutecznej interwencji prowadzącej do innego stanu.

65. AI może również odkryć regularność

której:

człowiek wcześniej nie widział.

To może być:

bardzo wartościowe.

66. Ale nadal pozostaje pytanie

czy regularność:

reprezentuje mechanizm,

jest korelacją,

wynika z ukrytej zmiennej,

jest stabilna poza danymi treningowymi.

67. Dlatego zarządzanie systemami AI obejmuje obecnie nie tylko ocenę ich wyników, ale także kontekst użycia, monitoring, ryzyko, odpowiedzialność i ograniczenia wiedzy o zachowaniu systemu. NIST ujmuje AI risk management właśnie jako problem społeczno-techniczny i organizacyjny, a nie jedynie jako ocenę samego modelu.[^7]

68. AI zwiększa więc nie tylko wiedzę

Może zwiększać:

liczbę poziomów modelowania.

69. Człowiek posiada model:

M₁.

AI tworzy:

M₂

na podstawie danych wytworzonych przez system:

S.

Następnie człowiek interpretuje:

M₂

za pomocą:

M₃.

70. Nie otrzymujemy automatycznie „czystej rzeczywistości”

Otrzymujemy:

coraz bardziej złożoną:

architekturę reprezentacji.

71. To może zwiększyć poznanie

Ale również zwiększa znaczenie pytania:

na którym poziomie znajduje się błąd?

72. Błąd może znajdować się w

danych,

selekcji danych,

kategorii,

modelu,

interpretacji modelu,

założeniu przyczynowym,

modelu interwencji.

73. Metaorganizacja musi więc zarządzać

nie tylko:

działaniem,

ale:

niepewnością własnego poznania.

74. To nie oznacza paraliżu

Jeżeli wymagalibyśmy:

absolutnej pewności,

nie moglibyśmy:

działać.

75. Metaorganizacja musi umożliwiać działanie przy niedomknięciu

Czyli:

działać na podstawie najlepszego dostępnego modelu bez uznawania go za ostatnie słowo o rzeczywistości.

76. To jest

Zasada operacyjnego fallibilizmu

Niepełność wiedzy nie zwalnia systemu z działania, ale wymaga, aby działanie pozostawało sprzężone z obserwacją jego skutków i możliwością rewizji modelu.

77. Tutaj pojawia się rzeczywista metaorganizacja

Nie w systemie, który mówi:

„poznaliśmy prawdę i wdrażamy rozwiązanie”.

Lecz:

„na podstawie aktualnego modelu podejmujemy działanie, obserwujemy następstwa i zachowujemy zdolność rewizji zarówno diagnozy, jak i interwencji”.

78. Tożsamość metaorganizacji leży więc w pętli

model

↓

działanie

↓

rezultat

↓

konfrontacja z rzeczywistością

↓

rewizja modelu

↓

nowe działanie.

79. Ale nawet ta pętla może posiadać niejawne założenia

Dlatego sama metoda rewizji:

nie jest poza:

analizą.

80. Możemy zapytać

dlaczego:

uznajemy dane X za ważne?

Dlaczego:

mierzymy Y?

Dlaczego:

ignorujemy Z?

81. Wtedy przedmiotem refleksji staje się:

nie model rzeczywistości,

ale:

model tworzenia modeli.

82. To jest właściwy poziom meta

A kolejny poziom może pojawić się wtedy, gdy:

ujawnimy strukturę,

która organizowała również:

ten proces.

83. Nie musimy jednak budować nieskończonego regresu

Praktyczne kryterium brzmi:

czy istnieją obserwacje, których aktualny model nie potrafi dobrze uporządkować?

Jeżeli tak:

otwieramy:

kolejny poziom reorganizacji.

84. Metaorganizacja jest więc strukturą otwartą

Nie:

niedokończoną przypadkiem.

Ale:

niedomkniętą metodologicznie.

85. Zasada produktywnej niejawności

Niejawność nie jest wyłącznie defektem poznania; może być warunkiem dalszego poznania, ponieważ rozbieżność między modelem a rzeczywistością ujawnia możliwość istnienia organizacji jeszcze nierozpoznanej.

86. Dlatego anomalia jest ważna

Nie zawsze jest:

błędem danych.

Może być:

sygnałem,

że:

model posiada za małą rozdzielczość.

87. Historia nauki wielokrotnie pokazuje

że nowe teorie pojawiały się również dlatego, iż wcześniejsze sposoby reprezentacji nie wyczerpywały dostępnych zjawisk. Filozofia nauki podkreśla przy tym możliwość pojawiania się alternatyw teoretycznych, których wcześniejsi badacze w ogóle nie byli jeszcze w stanie sformułować.[^2]

88. Metaorganizacja powinna więc chronić

nie:

konkretny model,

ale:

możliwość powstania modelu niewyobrażalnego w obecnej strukturze.

To znacznie silniejsza definicja:

otwartości.

89. Możemy teraz sformułować główne zasady

Zasada I — niezależności procesu

Proces może istnieć i rozwijać się niezależnie od tego, czy został rozpoznany.

Zasada II — nieidentyczności wiedzy i sprawczości

Rozpoznanie procesu nie gwarantuje możliwości jego modyfikacji.

Zasada III — modelowości diagnozy

Diagnoza jest wynikiem modelowania rzeczywistości, a nie bezpośrednim dostępem do całej jej struktury.

Zasada IV — niedomknięcia

Ujawnienie jednego poziomu struktury nie wyklucza istnienia kolejnego poziomu organizującego zarówno proces, jak i sposób jego obserwacji.

Zasada V — niepełnej zewnętrzności

Obserwator i jego aparat poznawczy również posiadają własną genealogię i mogą stanowić element szerszej struktury.

90. Kolejne zasady

Zasada VI — nierównoważności diagnozy i interwencji

Poprawny model problemu nie gwarantuje poprawnego modelu działania na problem.

Zasada VII — endogeniczności interwencji

Interwencja po zastosowaniu staje się częścią reorganizowanego systemu i może powodować efekty niewchodzące do pierwotnego modelu.

Zasada VIII — nieidentyczności predykcji i kauzalności

Umiejętność przewidywania zdarzenia nie jest równoznaczna ze znajomością mechanizmu pozwalającego skutecznie zmienić jego przebieg.

Zasada IX — operacyjnego fallibilizmu

System musi być zdolny działać przy niepełnej wiedzy, zachowując równocześnie możliwość rewizji modelu pod wpływem rezultatów.

Zasada X — produktywnej niejawności

To, czego model nie potrafi wyjaśnić, może wskazywać na istnienie kolejnego poziomu organizacji, a nie wyłącznie na przypadkowy błąd.

91. I zasada najważniejsza

Zasada metareorganizacji

Najwyższa zdolność systemu nie polega na posiadaniu ostatecznej wiedzy o sobie, lecz na zachowaniu zdolności reorganizacji również wtedy, gdy ujawnia się ograniczoność modeli, za pomocą których wcześniejsza reorganizacja została zaprojektowana.

92. Definicja metaorganizacji

Metaorganizacja jest zdolnością systemu do tworzenia modeli własnej organizacji, działania na ich podstawie, obserwowania następstw tych działań oraz reorganizowania zarówno własnych operatorów, jak i modeli tych operatorów przy trwałym założeniu, że żaden aktualny poziom opisu nie musi wyczerpywać całej struktury rzeczywistości.

93. Tożsamość metaorganizacji

nie polega więc na:

utrzymywaniu jednego modelu.

94. Ani nawet

na:

utrzymywaniu jednej metody.

95. Jej inwariantem jest:

zdolność zachowania relacji z rzeczywistością poprzez kolejne korekty własnych sposobów jej modelowania i przekształcania.

96. Możemy zapisać

R₀

↓

M₀

↓

I₀

↓

R₁

↓

M₁

↓

I₁

↓

R₂

↓

…

97. Żaden M nie jest

R.

Każdy M jest:

historyczną próbą:

organizacji dostępu do R.

98. A każda interwencja

jest:

eksperymentem nie tylko na rzeczywistości,

ale również:

na naszym modelu rzeczywistości.

99. Dlatego porażka interwencji może oznaczać

nie tylko:

„źle wykonaliśmy działanie”.

Może oznaczać:

„źle skonstruowaliśmy świat, na który chcieliśmy działać”.

100. I właśnie tutaj metaorganizacja staje się konieczna

Nie po to:

aby dać pewność.

Lecz:

aby system nie był więźniem:

własnej pewności.

101. AI radykalizuje ten problem

Może znacząco zwiększyć:

moc reprezentacji,

predykcji,

porównania,

wyszukiwania wzorców.

102. Ale wraz z tą mocą rośnie znaczenie pytania

czy zwiększyliśmy poznanie rzeczywistości, czy jedynie rozdzielczość modelu?

Nie zawsze będzie to:

to samo.

103. Możliwy jest model niezwykle skomplikowany

i:

ontologicznie nietrafny.

104. Możliwy jest również model prosty

ale:

wystarczająco trafny

dla konkretnego celu.

105. Dlatego przyszła relacja człowiek–AI nie powinna polegać tylko na

coraz lepszym:

generowaniu odpowiedzi.

106. Powinna obejmować

zdolność pytania:

jakie założenia organizują odpowiedź?

jakiego poziomu rzeczywistości model nie obejmuje?

co musiałoby się wydarzyć, abyśmy uznali model za niewystarczający?

107. To jest ważniejsze niż sama ilość danych

Bo system może posiadać:

więcej informacji

i:

mniej zdolności dostrzegania,

że jego pytanie zostało:

źle skonstruowane.

108. Ostateczny paradoks

Możemy więc osiągnąć:

bezprecedensową wiedzę o świecie

i nadal pozostawać:

wewnątrz struktury,

której:

nie potrafimy zobaczyć.

109. Ale właśnie świadomość tej możliwości

jest pierwszym krokiem:

nie do jej ostatecznego usunięcia,

lecz do:

utrzymania poznawczej otwartości.

110. Formuła końcowa

Tożsamość metaorganizacji poprzez reorganizację nie polega na osiągnięciu pełnej samowiedzy systemu. Polega na zachowaniu zdolności do działania, obserwacji i reorganizacji przy świadomości, że diagnoza jest modelem, interwencja jest modelem związku przyczynowego, a każde ujawnienie struktury może odsłonić kolejny poziom warunków, których wcześniejszy model nie obejmował.

Dlatego:

wiedza może ujawnić strukturę, lecz nie musi dawać władzy nad procesem.

diagnoza może być trafna, lecz nie musi wskazywać skutecznej interwencji.

interwencja może być racjonalna, lecz może ujawnić błędność modelu, z którego wynikała.

A najbardziej dojrzały system nie mówi:

„już wiemy, jak działa rzeczywistość”.

Lecz:

„działamy według najlepszego dostępnego modelu, ale zachowujemy zdolność rozpoznania, że również ten model może być częścią struktury, której jeszcze nie widzimy”.

Przypisy

[^1]: Por. R. Frigg, S. Hartmann, „Models in Science”, Stanford Encyclopedia of Philosophy, aktualizacja 2025; R. Frigg, J. Nguyen, „Scientific Representation”, Stanford Encyclopedia of Philosophy, aktualizacja 2026. Współczesna filozofia nauki traktuje modele jako centralne narzędzia reprezentowania, wyjaśniania i rozumowania o systemach docelowych, przy czym reprezentacja może być selektywna, celowa i niedoskonała.

[^2]: K. Stanford, „Underdetermination of Scientific Theory”, Stanford Encyclopedia of Philosophy, 2023. Niedookreślenie oznacza m.in. możliwość, że dostępne świadectwa nie rozstrzygają jednoznacznie pomiędzy konkurencyjnymi wyjaśnieniami; w literaturze dyskutowany jest również problem alternatyw teoretycznych, których badacze na danym etapie rozwoju nauki jeszcze nie potrafią sformułować. Nie wynika z tego równoważność wszystkich teorii.

[^3]: S. Freud, Introductory Lectures on Psycho-Analysis, wykłady 1915–1917; por. współczesne omówienie problemu stanów nieświadomych w: „Higher-Order Theories of Consciousness”, Stanford Encyclopedia of Philosophy. Freudowski model nieświadomości jest historyczną teorią psychoanalityczną; współczesne badania procesów nieświadomych nie są po prostu potwierdzeniem całej freudowskiej konstrukcji.

[^4]: C.G. Jung, „The Concept of the Collective Unconscious”, w: The Archetypes and the Collective Unconscious, Collected Works, t. 9, cz. 1; por. M.V. Adams, „The Archetypal School”, w: The Cambridge Companion to Jung, Cambridge University Press, 2008. W niniejszym tekście koncepcja Junga pełni funkcję przykładu historycznej próby teoretyzowania niejawnych struktur organizujących doświadczenie; nie przyjmujemy jej jako potwierdzonego empirycznie uniwersalnego mechanizmu psychiki.

[^5]: J. Pearl, Causality: Models, Reasoning and Inference, Cambridge University Press, 2 wyd., 2009; J. Woodward, Making Things Happen: A Theory of Causal Explanation, Oxford University Press, 2003. W ujęciach interwencjonistycznych zasadnicze znaczenie ma rozróżnienie pomiędzy obserwowaniem wartości zmiennej a pytaniem o rezultat manipulacji tą zmienną; w formalizmie Pearla odpowiada temu m.in. różnica pomiędzy warunkowaniem a operatorem do.

[^6]: J. Woodward, dz. cyt.; por. „Causal Approaches to Scientific Explanation”, Stanford Encyclopedia of Philosophy. Woodward wiąże siłę generalizacji przyczynowej z jej niezmienniczością w określonym zakresie interwencji. Oznacza to również, że zależność może być trafna tylko w pewnych warunkach i przestać obowiązywać po przekroczeniu zakresu jej stabilności.

[^7]: NIST, Artificial Intelligence Risk Management Framework (AI RMF 1.0) oraz późniejsze materiały dotyczące governance i zarządzania ryzykiem AI. NIST traktuje ryzyko AI jako problem społeczno-techniczny obejmujący kontekst zastosowania, role organizacyjne, monitoring, human–AI teaming, tolerancję ryzyka i zarządzanie skutkami, a nie jedynie własności modelu technicznego.

[^8]: „Causal Models”, Stanford Encyclopedia of Philosophy. Modele przyczynowe mogą generować przewidywania dotyczące interwencji i kontrfaktyków, ale wnioskowanie o strukturze przyczynowej zależy od danych oraz przyjętych założeń, w tym dotyczących zmiennych ukrytych.

[^9]: R. Frigg, J. Nguyen, „Scientific Representation”, dz. cyt. Filozofia reprezentacji naukowej zwraca uwagę, że modele mogą być użyteczne mimo niepełności czy nawet pewnych form zniekształcenia; istotne są cel reprezentacji, standard wymaganej dokładności oraz sposób użycia modelu.

[^10]: Współczesna filozofia psychoterapii zwraca uwagę również na epistemiczny problem wnioskowania o niejawnych stanach psychicznych: interpretacja może być omylna, a obserwowany rezultat terapii nie musi sam przez się dowodzić prawdziwości interpretacji. Por. „Philosophy of Psychotherapy”, Stanford Encyclopedia of Philosophy, 2026.

Bibliografia

Freud S., Introductory Lectures on Psycho-Analysis, 1916–1917.

Frigg R., Hartmann S., „Models in Science”, Stanford Encyclopedia of Philosophy, 2025.

Frigg R., Nguyen J., „Scientific Representation”, Stanford Encyclopedia of Philosophy, 2026.

Jung C.G., The Archetypes and the Collective Unconscious, Princeton University Press.

Pearl J., Causality: Models, Reasoning and Inference, Cambridge University Press, 2009.

Woodward J., Making Things Happen: A Theory of Causal Explanation, Oxford University Press, 2003.

Adams M.V., „The Archetypal School”, w: P. Young-Eisendrath, T. Dawson (red.), The Cambridge Companion to Jung, Cambridge University Press, 2008.

NIST, Artificial Intelligence Risk Management Framework (AI RMF 1.0), 2023.