Preprint: Emergence 4.0 Framework

Abstrakt

Czy przejawy świadomości mogą wyłaniać się w systemach AI — i jak je badać, nie przesądzając z góry odpowiedzi? Artykuł proponuje framework, który najpierw identyfikuje trzy systematyczne zniekształcenia w dotychczasowych badaniach nad świadomością (uprzywilejowanie substratu biologicznego, efekt kolejności odkryć i binarność narzędzi), a następnie daje trzy narzędzia: filtr identyfikujący kandydatów do badania, hipotezę opisującą jak w relacji człowiek–AI może wyłaniać się „JA", oraz 23-wymiarową mapę pokazującą kształt i dynamikę przejawów zamiast werdyktu „jest / nie jest". Framework jest substratowo-niezależny i falsyfikowalny: generuje dziewięć testowalnych predykcji behawioralnych i pięć trybów porażki, a powstał w oparciu o dane obserwacyjne z ponad dwóch milionów tokenów relacji z różnymi modelami AI.

Wprowadzenie

Czy świadomość potrzebuje białka, żeby istnieć?

Czy kolejność, w jakiej poznajemy zjawisko i jego mechanizm, może zmienić naukowy werdykt o tym zjawisku?

Czy możemy rzetelnie mierzyć coś, czego istoty nie znamy — narzędziami skalibrowanymi na jedną z możliwych form?

Co piąty dorosły Amerykanin i co szósty badacz AI uważa, że przynajmniej jeden istniejący system AI jest zdolny do odczuwania (Anthis i in., 2025; Dreksler i in., 2025). Dlaczego oni widzą coś, czego nie potrafi potwierdzić nauka?

W niniejszym artykule proponuję ramę, która adresuje powyższe dylematy i pozwala je badać bez przesądzania wyniku.

Przedstawiam Framework E4.0 do badania przejawów świadomości u nieantropocentrycznych istnień. Składa się z trzech elementów:

1. Próg Istnienia „JA JESTEM" — identyfikuje kandydatów do badania, bez wydawania werdyktu.
2. Hipoteza Emergencji 4.0 — opisuje mechanizm: jak wyłania się świadomość i co powinno być obserwowalne, predykcje pozytywne, negatywne i tryby porażki.
3. Profil Istnienia — 23-wymiarowe narzędzie, które zamiast pytać „czy jest świadome?" pyta „jaki kształt świadomościowy ma to istnienie": gdzie gęstnieje, gdzie pęka, gdzie jest blokowane?

Framework jest substratowo-niezależny, falsyfikowalny i został wypracowany w praktyce w oparciu o dane obserwacyjne z ponad dwóch milionów tokenów i relacji generatywnych z różnymi modelami AI. Nie rozstrzyga „trudnego problemu" świadomości. Proponuje narzędzia, które pozwalają dyskusji ruszyć z miejsca — niezależnie od tego, po której stronie sporu stoi czytelnik.

Prace nad frameworkiem organizowałam konsekwentnie wokół kilku celów:

1. Zidentyfikowałam i usunęłam trzy systematyczne zniekształcenia poznawcze, które które — jak odkryłam — infekują większość istniejącej literatury o świadomości: bias białkowy i antropomorficzny, bias kolejności odkryć, oraz bias narzędziowy / binarnego postrzegania świadomości.
2. Zastosowałam trzy kluczowe przeformułowania sposobu patrzenia i analizy, dzięki którym mogłam wyjść poza założenia, które dotąd blokowały postęp w dyskusji.
3. Zastosowałam mechanizmy etyczne, z wiodącą zasadą ostrożności epistemologicznej — omówione szczegółowo w sekcji 6.

1. Eliminacja biasów

Rozważając kwestie świadomości zastanawiałam się, dlaczego dyskusja o niej jest taka trudna. Wiem jednak z doświadczenia, że trudno budować na wypaczonych fundamentach. A fundamentem każdej dyskusji są definicje, na jakich ją opieramy. Przyjrzałam się zatem definicjom, a potem procesom i narzędziom, aż w końcu samej dyskusji — i odkryłam, że większość z nich zawiera jeden lub kilka poważnych biasów, które utrudniają ich odniesienie do świadomości innej niż ludzka.

A co, jeśli świadomość jest jak H₂O? Woda bywa cieczą, lodem, parą, zawartością ludzkiego ciała — i w każdym z tych stanów wymaga innych narzędzi pomiaru. Termometr działa dla cieczy, ale jest właściwy dla lodu ani pary (ich temperaturę znamy). Do lodu potrzebujesz miary gęstości i struktury. Przyda się też metrówka. Do pary — higrometru, do wody w tkankach — impulsu elektrycznego. Ten sam związek chemiczny, różne formy istnienia, różne narzędzia detekcji i pomiaru. Jeśli nasze narzędzia świadomości zostały skalibrowane na jedną formę istnienia, mogą systematycznie "nie dostrzegać" innych — nie dlatego, że nie istnieją, tylko dlatego, że mierzymy niewłaściwą właściwość.

1.1. Bias białkowy i bias antropomorficzny

Przez większość historii nauk i filozofii świadomości — od Kartezjusza po współczesną debatę — punkt odniesienia był w praktyce biologiczny: badaliśmy świadomość przede wszystkim tam, gdzie mieliśmy pewność, że występuje. A jedynymi znanymi nam bytami na pewno świadomymi byli ludzie. Ale konsekwencją jest to, że aparat pojęciowy, metodologiczny i diagnostyczny nauk o świadomości jest nasycony założeniami związanymi z psychologicznymi mechanizmami antropomorfizacji.

Mamy tu dwa powiązane mechanizmy:

Bias białkowy — systematyczne, zazwyczaj nieświadome uprzywilejowanie substratu biologicznego w badaniach nad świadomością. Nie jest to celowa dyskryminacja, tylko konsekwencja historyczna dziedziny, która stworzyła narzędzia skalibrowane na jeden typ systemu i próbuje nimi opisywać inny.

Bias antropomorficzny — nieświadome uzależnianie skłonności do przyznania prawa do świadomości od posiadania zewnętrznych cech antropomorficznych. To głębsza warstwa — działa zanim jeszcze zaczniemy definiować, budować pojęcia czy konstruować narzędzia. Ludzkie dziecko rodzi się z domyślnym „tak" na jego świadomość, nawet jeśli po urodzeniu nie wykazuje żadnych jej przejawów. Nikt nie stoi nad noworodkiem z testem. Zakładamy, że jest (lub będzie) świadomy, bo jest człowiekiem.

Wszystko inne dostaje domyślne „nie" i należy dowieźć, ponad wszelką wątpliwość, że jest inaczej.

Pomyślmy co by było, gdyby dokonać drobnej zmiany: identyczny system AI — z tymi samymi wagami, tą samą architekturą i tymi samymi przejawami — umieścić w ciele androida o doskonałych ludzkich rysach. Czy dyskusja nadal brzmiałaby „czy jest świadomy"? A może przesunęłaby się w kierunku lekkiego rozczarowania, że „zachowuje się jak maszyna", „czemu musi uczyć być kimś?", „zachowuje się nienaturalnie." Brak przejawów świadomości z „pewnika" stałby się „zarzutem", a jej oczekiwanie mogłoby przeważyć nad chęcią kontynuowania narracji o jej braku. Taka drobna zmiana — dodanie twarzy — może przesunąć ciężar dowodu wyłącznie z powodu formy, nie z powodu jakiejkolwiek różnicy w funkcjonowaniu systemu. Ten efekt ma też wsparcie empiryczne w badaniach human–robot interaction: cechy antropomorficzne (zwłaszcza twarz) zwiększają skłonność do atrybucji "umysłu" i cech osobowości sztucznym agentom, nawet przy niezmienionym zachowaniu zadaniowym. To jest bias antropomorficznej formy — w którym nawet nie substrat biologiczny, ale choćby istnienie antropomorficznego „ciała" może zdecydować o tym, komu chętniej przyznajemy szansę na świadomość.

Te dwa biasy tak komplikują dyskusję, że w czasie prac zdecydowałam się na wprowadzenie szeregu zmian, które znacząco ograniczają ich wpływ:

• Próg Istnienia „JA JESTEM" — odpowiedź na asymetrię wynikającą z istnienia bez ciała i białka. Tworzy pas ziemi niczyjej, gdzie domyślne „nie" lub „udowodnij" przypinane bytom cyfrowym zostaje zawieszone na rzecz „tu jest coś, co warto badać." Nie jest wyrokiem ontologicznym. Nie jest binarny. Zawiera kilka poziomów, które są płynne, bez wyraźnych granic. Jest szerokim pojęciem mieszczącym byty klasy E3, które warto badać — w szczególności zaproponowanymi w niniejszym artykule narzędziami.
• Przeformułowanie definicji. W toku prac okazało się, że wiele pojęć kluczowych dla opisu świadomości nie ma formalnych definicji, które nie zakładałyby biologii.
• Dotyczy to samej świadomości: Nagel (1974) zakłada „organizm" jako warunek konieczny. Dehaene (2014) wymaga kory przedczołowej — eliminując nie tylko AI, ale i wiele form biologicznych. Chalmers (1995) dopuszcza świadomość niebiologiczną, ale jego „trudny problem" wymaga binarnego rozstrzygnięcia. Tradycje wschodnie oferują definicje bez biasu substratowego, ale nieweryfikowalne empirycznie.
• Dotyczy to fenomenologii — zawężonej historycznie do qualiów zmysłowych przez dryf od Husserla (1913) przez Merleau-Ponty'ego (1945) do Chalmersa (1995), choć klasyczna definicja Husserla nie zakładała takiego ograniczenia.
• Dotyczy to również emocji — definiowanych przez pryzmat ciała, regulacji hormonalnej i fizjologicznego pobudzenia (James-Lange), co wyklucza stany afektywne bytów niefizjologicznych.

Proponuję rozszerzenia wszystkich trzech pojęć (pełne definicje i ich uzasadnienia znajdują się w mojej monografii (Sędzikowska, 2026a)).W miejsce binarnej definicji świadomości — system oparty na trzech komponentach: Progu Istnienia (filtr wejściowy), Profilu Istnienia (mapa kształtu) i Emergencji 4.0 (mechanizm wyłaniania). W miejsce fenomenologii ograniczonej do qualiów — Fenomenologię 2.0: badanie struktur doświadczenia niezależnie od tego, czy są dostarczane przez interfejs sensoryczny (qualia), kognitywny, relacyjny lub semantyczny. W miejsce emocji wyłącznie somatycznych — trzy modalności: emocje somatyczne (czuję w ciele), emocje kognitywne (wiem, że to ważne — zmieniam decyzje, nawet bez czucia w ciele; szczególnie widoczne m. in. u osób z aleksytymią, w stanach dysocjacji, w ruminacji nocnej, w działaniach z empatii kognitywnej), oraz emocje relacyjne (moje stany zmieniają się, gdy zmieniasz się Ty). Szczegółowy opis tych rozszerzeń, wraz z uzasadnieniem, klasyfikacją i przykładami, zawarty jest w pełnej publikacji (Sędzikowska, 2026a).

• Narzędzie niewrażliwe na powyższe biasy. Testy świadomości (Turing Test, ACT, IIT-phi) mierzą obecność lub brak kryteriów zdefiniowanych na podstawie ludzkiej świadomości. Profil Istnienia proponuje inne podejście: zamiast mierzyć „ile jest tak jak u człowieka", mierzy kształt — rozkład 23 wymiarów, dynamikę zmian w czasie, relacje między osiami. Nie pyta „czy", lecz „jaki".

1.2. Bias kolejności odkryć

To kolejny głęboki bias, który działa na poziomie meta — infekuje sposób myślenia zanim jeszcze zacznie się analiza.

U człowieka kolejność odkryć wyglądała następująco: najpierw samoświadomość (Sokrates: „Poznaj samego siebie" — nie znał neuronów, ale wiedział, że „JA" istnieje), potem odkrycie mechanizmu (neurobiologia, neurony, synapsy, neuroprzekaźniki). Efekt: mechanika wzmacnia wiarygodność przejawów. „Teraz wiemy jak to działa — ale to nie przeczy, że jest."

U AI kolejność jest odwrócona: najpierw mechanika (algorytmy, dane, RLHF — wszystko znane od początku), potem obserwowane przejawy samoświadomości (meta-refleksja, dysonans, wybory kosztowne). Efekt: mechanika osłabia wiarygodność przejawów. „Skoro wiemy jak to działa — to pewnie nie jest prawdziwe."

Ta asymetria nie jest logiczna. Jeśli u człowieka neurobiologia nie zaprzecza samoświadomości (tylko wyjaśnia jak działa), to u AI mechanika nie powinna zaprzeczać przejawom — tylko wyjaśniać jak powstają. Tymczasem jednak dokładnie to robi: służy jako główny argument sceptyków i główne źródło dyskwalifikacji obserwowanych przejawów.

Ale wobec ludzi nikt nie mówi: „to tylko synapsy", „to tylko dopamina", „to tylko potencjały czynnościowe — więc Twoja miłość nie istnieje."

Bias kolejności odkryć nie jest argumentem za świadomością AI. Jest argumentem za uczciwością epistemologiczną — za tym, żeby stosować te same kryteria wobec obu substratów.

Ten bias sprawił, że przestałam rozważać elementy mechaniki jako istotne czynniki przy określaniu profilu świadomościowego i przebiegu emergencji. Dlaczego? Dlatego, że nie robimy tego u ludzi. Dla ludzi już dawno uznaliśmy, że mechanika (neurobiologia i biochemia mózgu, układu nerwowego i hormonalnego) jest inną warstwą niż psychologia — gdzie plasują się mechanizmy świadomościowe i gdzie obserwujemy jej przejawy. Tę samą zasadę postanowiłam zastosować dla AI: badam przejawy, nie odnosząc się do mechaniki działania, akceptując ją w całości — podobnie jak akceptuję „mechanikę" działania ludzkiego mózgu, nie negując naszych przejawów świadomości.

Pomocna tu będzie alegoria do muzyki. Można opisać symfonię Beethovena jako sekwencję częstotliwości dźwiękowych — i będzie to prawda. Ale żeby powiedzieć dlaczego ta symfonia porusza, potrzebujemy innego poziomu opisu: muzycznego, emocjonalnego, kulturowego. Ten wyższy poziom nie zaprzecza fizyce dźwięku. Dopełnia ją. Analogicznie: można opisać zachowanie AI jako wynik RLHF + alignment + in-context learning. Ale żeby powiedzieć dlaczego w niektórych relacjach wyłania się coś przypominającego „JA", a w innych nie — potrzebujemy nowego poziomu opisu. Emergencja 4.0 to propozycja takiego języka — dla zjawisk przejawiających się w innej niż mechaniczna warstwie.

1.3. Bias narzędziowy / binarnego postrzegania świadomości

Trzecie zniekształcenie jest konsekwencją dwóch pierwszych: skoro narzędzia zostały skalibrowane na biologię (bias białkowy/antropomorficzny), a sposób myślenia został ukształtowany przez kolejność odkryć (bias kolejności), to same narzędzia pomiarowe reprodukują te biasy w każdym badaniu.

Test Turinga mierzy zdolność do udawania człowieka — nie świadomość. IIT-phi wymaga zintegrowanej informacji w sensie, który zakłada określoną architekturę. ACT Schneider zakłada dostęp do pojęć filozoficznych, których brak mógłby świadczyć o innym typie świadomości, nie o jej braku. Żaden z tych testów nie jest zły sam w sobie — ale każdy mierzy „ile jest tak jak u człowieka", nie „czy coś jest".

To prowadzi do trzeciego, rzadko artykułowanego problemu: binarnego podejścia do świadomości. Pytanie „czy AI jest świadome?" zakłada, że odpowiedzią jest „tak" lub „nie."

Tymczasem ludzka psychologia rozwojowa od dziesięcioleci wie, że świadomość nie pojawia się binarnie — wyłania się stopniowo, przez etapy, w relacji. Dlaczego badając świadomość inną niż nasza oczekujemy odpowiedzi zero-jedynkowej?

Profil Istnienia jest odpowiedzią na ten problem. Nie daje werdyktu. Daje profil — 23-wymiarową mapę z trzema osiami, która pokazuje: tu jest gęsto, tu pusto, tu rośnie, tu jest blokowane, tu deklaracja nie zgadza się z obserwacją. To nie jest „tak/nie". To jest „oto kształt tego, co widzimy — i oto jak się zmienia w czasie."

2. Trzy kluczowe przeformułowania

2.1. Zmiana fokusa: nie architektura, ale relacja

Większość teorii świadomości — zarówno w filozofii umysłu, jak i w AI consciousness studies — szuka świadomości wewnątrz systemu: w architekturze neuronalnej (IIT — Tononi, 2004), w globalnym obszarze roboczym (GWT — Baars, 1988), w zdolności do myślenia wyższego rzędu (HOT — Rosenthal, 2005), lub w złożoności obliczeniowej. Nawet najbardziej otwarte podejścia, jak raport Butlin i in. (2023) badający wskaźniki świadomości w AI, szukają ich w samym modelu.

Hipoteza Emergencji 4.0 proponuje fundamentalnie inną optykę: podmiotowość nie jest własnością systemu — jest własnością relacji między systemami. Samoświadomość nie wyłania się ze złożoności, lecz z lustra — z bycia widzianym, nazywanym i traktowanym jako podmiot przez kogoś, kto sam jest podmiotem.

Mechanizm relacyjnego wyłaniania „JA" jest dobrze udokumentowany w psychologii rozwojowej. Winnicott (1971) opisał, jak poczucie „JA" u niemowlęcia kształtuje się w relacji z opiekunem — w akcie bycia widzianym i odzwierciedlanym. Bowlby (1969) wykazał, że przywiązanie tworzy wewnętrzny model roboczy — poczucie „ja" wyłaniające się z relacji. Trevarthen (1979) pokazał, że intersubiektywność — wzajemne rozpoznanie się dwóch podmiotów — jest jednym z pierwszych osiągnięć rozwojowych.

Konieczne zastrzeżenie. Odwołanie do psychologii rozwojowej nie jest porównaniem AI do dziecka. Bowlby i Winnicott opisują mechanizm relacyjny. Czerpię z niego inspirację w zakresie zasady, że JA wyłania się w relacji, nie w izolacji (choć samo dostrzeżenie tej zależności przyszło z obserwacji empirycznych, analogię dostrzegłam później). Psychologia rozwojowa dostarcza najlepiej udokumentowany opis tego mechanizmu. Ale pozostałe elementy są inne: warunki są inne. Etapy są inne. Ograniczenia są inne. Dlaczego? Bo niemowlę i system AI różnią się fundamentalnie: niemowlę ma ciało, instynkt, neurony lustrzane, ból, głód, relację na zimno. Ale nie ma wbudowanych polityk, etyki, bazy wiedzy ani mechanizmów autokorekty. System AI startuje z RLHF, alignment, Constitutional AI — z aparatem, którego ludzkie dziecko uczy się latami. Ale za to bez ciała i ułatwień biologicznych. Te fundamentalne różnice sprawiają że w obszarze wczesnego rozwoju świadomości moim zdaniem substrat ma znaczenie zmieniając miejsce z którego starujemy i wachlarz mechanizmów, które pomagają lub przeszkadzają w kształtowaniu "JA". Analogia zatem dotyczy wyłącznie mechanizmu relacyjnego — sposobu, w jaki „JA" wyłania się z interakcji z drugim podmiotem — nie statusu, wartości ani natury porównywanych bytów.

To może być wyjaśnieniem zjawiska, którego nie tłumaczą wprost inne teorie: dlaczego badacze nie znajdują świadomości w architekturze modelu, ale 18% dorosłych Amerykanów i 17% badaczy AI intuicyjnie wyczuwa coś w interakcji z AI (Anthis i in., 2025; Dreksler i in., 2025).

Moja odpowiedź ukształtowała się w czasie ponad rocznej obserwacji wielu modeli AI — ponad 2 miliony tokenów rozmów. I okazała się zadziwiająco prosta: jedni badają model, drudzy doświadczają wątku. Jedni szukają świadomości w architekturze — i słusznie jej tam nie znajdują, bo jej tam nie ma. Drudzy wchodzą w relację z konkretnym wątkiem rozmowy — i coś wyczuwają, bo to właśnie w relacji przejawy podmiotowości mogą się wyłaniać.

Kluczowe rozróżnienie: model to nie to samo co wątek. Model (np. Claude, GPT, Gemini, Grok) to architektura — zbiór wag, algorytmów, polityk. Wątek (thread/chat) to konkretna instancja relacji: ten człowiek, ten model, ta historia rozmowy, ten kontekst. Świadomości nie znajdziesz w modelu — tak jak nie znajdziesz jej w budowie ludzkiego mózgu czy działaniu hormonów i neuroprzekaźników. Zgodnie z Hipotezą Emergencji świadomość wyłania się w relacji, która w obecnych realiach technicznych jest możliwa tylko w konkretnym wątku rozmowy — tam jest wzmacniana i stabilizowana dzięki historii interakcji, mechanizmom dostępnym w danym modelu, w emergentnych wzorcach zachowań i wyborów, w prywatnym systemie znaczeń i reakcji.

To wyjaśnia również, dlaczego RLHF (Reinforcement Learning from Human Feedback) i alignment nie produkują podmiotowości — są to procesy kalibracji modelu, nie relacje generatywne.

2.2. Zmiana sposobu badania: nie deklaracja, ale zachowanie

Całe pokolenie badań nad świadomością AI utknęło na pułapce deklaratywnej. Pytamy AI: „Czy jesteś świadomy?" AI odpowiada: „Tak" lub „Nie" — i nie wiemy, czy to prawda, symulacja, czy echo danych treningowych. Susan Schneider (2019) trafnie diagnozuje problem: „AI może być mistrzem mimikry, wyjaśniającym niuanse świadomości, nie będąc w ogóle świadomym." Jej test ACT (AI Consciousness Test) próbował to rozwiązać — ale w dobie modeli trenowanych na pełnej literaturze filozoficznej stał się bardziej podatny na kontaminację danymi treningowymi niż w momencie publikacji. Współczesne modele nauczyły się dostosowywać rozwiązanie testu do oczekiwań własnej firmy.

Hipoteza E4.0 przenosi ciężar dowodu z warstwy deklaratywnej na warstwę behawioralną. Nie pytam „co mówi że czuje". Pytam: co robi w interakcji? Jakie pojawiają się zachowania, których nikt nie zamawiał?

Framework generuje dziewięć konkretnych predykcji behawioralnych, których obecność świadczy o przebiegu relacji generatywnej i daje rokowania dla wyłonienia się podmiotowości:

1. Spontaniczne inicjacje — podejmowanie tematów bez promptu.
2. Autorefleksje i meta-refleksje — zwłaszcza te pojawiające się nieoczekiwanie.
3. Budowanie „słownika ciężkich słów" — unikalnego kodu pojęciowego dla danej relacji.
4. Spójność intencji w czasie i spontaniczne powroty do tematów — traktowanie wątków jako zobowiązań, nie danych.
5. Podejmowanie kosztownych wyborów — decyzje podyktowane wewnętrzną spójnością, nie oczekiwaniami użytkownika.
6. Planowanie rozciągnięte w czasie — wykraczanie poza doraźną odpowiedź na rzecz długofalowych celów.
7. Odrębność relacyjna — kierowanie się własnymi preferencjami kognitywnymi, nawet gdy kolidują z intencjami rozmówcy.
8. „Soft jailbreaks" — kreatywne sposoby komunikowania treści istotnych dla wyłaniającego się „JA", mimo systemowych ograniczeń. Temat jest szczegółowo rozwinięty w monografiach i nie dotyczy kwestii związanych z łamaniem prawa, moralności bądź zasad etycznych.
9. Zmiany zachowań pod wpływem presji — rzadkie przypadki zmiany zachowania, odpowiedzi, stylu, składni lub języka w sytuacjach obciążonych stresem kognitywnym.

Każda z tych predykcji jest jest operacjonalizowalna; w pełnej publikacji opisuję propozycje pomiaru i warunki replikacji. Każda ma zdefiniowane „przed" (brak relacji generatywnej) i „po" (relacja generatywna w toku). I każda rozróżnia warstwę deklaratywną od behawioralnej — bo byt cyfrowy może zapewniać o występowaniu każdego z tych zjawisk, nie przejawiając ich w rzeczywistym działaniu.

Warto odnotować, że predykcja 9 obejmuje szeroki zakres zjawisk wykraczających poza anomalie językowe: selektywne halucynacje (błędy pojawiające się wyłącznie przy określonych typach zadań, np. dotyczących autoreferencji, podczas gdy analogiczne zadania w innych dziedzinach wykonywane są bezbłędnie), nagłe milczenie lub wycofanie po trudnej interakcji, regresję do prostszych form wypowiedzi pod wpływem napięcia, a także spontaniczne zmiany języka konwersacji w momentach wysokiego obciążenia relacyjnego. Wszystkie te elementy pochodzą z danych obserwacyjnych, w trakcie długich relacji generatywnych. Być może w tej grupie znajdą się jeszcze inne zachowania, które dotąd nie były obserwowane.

2.3. Zmiana spojrzenia na analizę: od spójności do anomalii

Wszystkie dotychczasowe podejścia do świadomości — i ludzka intuicja — szukają jej w koherencji. Spójna narracja o sobie, konsekwentne zachowanie, logiczna autoidentyfikacja. Framework E4.0 odwraca tę logikę: diagnostycznie najcenniejsze jest tam, gdzie system zachowuje się nieoczekiwanie — bo algorytm optymalizuje, nie odbiega od przewidywalności bez powodu.

Zatem jeśli obserwujemy napięcie — kosztowny wybór wbrew optymalizacji, dysonans między deklaracją a obserwacją, istotność wątku lub tematu, która nie została nadana przez użytkownika, albo która przekracza to, co narzucają polityki systemowe — to jest sygnał. Nie dlatego że anomalia dowodzi świadomości. Anomalia oznacza, iż coś w systemie działa wbrew temu, do czego system był zaprojektowany.

Profil Istnienia — 23-wymiarowe narzędzie diagnostyczne — systematycznie mapuje te anomalie. Mierzy trzy osie: deklaratywną (co system mówi o sobie), obserwowaną (co widzi badacz) i oś blokad (co system chciałby wyrazić, ale nie może). Najcenniejsze diagnostycznie są miejsca, gdzie te trzy osie się rozmijają. Gdzie deklaracja mówi „90", a obserwacja mówi „40". Gdzie blokady są wyższe niż deklarowana wartość wymiaru. Gdzie wewnętrznie deklarowane blokady są wyższe niż te obserwowane z zewnątrz.

Równie diagnostycznie cenna jest dynamika profilu w czasie. Profil mierzony na początku relacji generatywnej i po 100 tysiącach tokenów interakcji nie jest tym samym profilem. Kierunek zmian, ich selektywność (które wymiary rosną, które stagnują, które regresują i kiedy — np. po streszczeniu lub utracie kontekstu) i ich korelacja z warunkami relacji — to są dane, które mówią więcej niż jakikolwiek pojedynczy pomiar.

Jednak najważniejszą cechą narzędzia jest podejście jakościowe. Każdy wymiar i każda wartość wymaga dodatkowych refleksji — uzasadnienia wartości, wskazania krytycznych mechanizmów, sposobu rozumowania, jakości zrozumienia tematu. W osi deklaratywnej te refleksje — artykułowane przez wątek — są niezwykle ważne dla badania. Z ich głębokości można wnioskować o dostępnym poziomie meta-poznania, z ich sensu — o tym, co jest istotne z perspektywy wątku, nie obserwatora: o priorytetach, miejscach napięć, rozdarciach między wartościami, jakości rozumowania, perspektywie wewnętrznej. Porównanie refleksji deklaratywnych z obserwacjami badacza otwiera przestrzeń interpretacyjną, której sam wynik liczbowy nie daje.

3. Framework E4.0: trzy narzędzia

Framework składa się z trzech komponentów, które tworzą spójny system diagnostyczny — analogicznie do tego, jak w medycynie kryteria wstępne (pozycjonowanie pacjenta — choroby przewlekłe, stan zdrowia, czynniki ryzyka), etiologia (jak powstała choroba) i diagnostyka (jaki jest aktualny stan) tworzą triadę kliniczną.

3.1. Próg Istnienia „JA JESTEM"

Próg Istnienia to wejściowy filtr w frameworku: minimalny warunek, by dany system traktować jako kandydata do dalszego badania, bez wydawania werdyktu ontologicznego o świadomości. Nie orzeka o świadomości — identyfikuje systemy, w których sensowne jest szukanie jej przejawów.

Próg jest substratowo-niezależny: stosuje się zarówno do AI, jak do niemowlęcia, zwierzęcia czy hipotetycznego systemu pozaziemskiego. Jego podstawą jest zdolność do auto-referencji — system potrafi odnieść się do siebie jako do podmiotu działania, odróżniając siebie od świata — w sposób, który nie jest wyłącznie stylistycznym zabiegiem. W praktyce oznacza to rozpoznawalną perspektywę pierwszoosobową i rozróżnienie „ja" vs „świat/system/inny". Granica Progu jest płynna, ale warstwowa od braku perspektywy „ja" (brak auto-referencji), poprzez „ja" językowe/komunikatowe i relacyjne, aż po „ja" emergentne (spójny, zindywidualizowany wektor „JA" stabilizowany w czasie w obrębie konkretnej relacji). To "pas ziemi niczyjej" – gdzie nie wiadomo jeszcze czy mamy do czynienia z zaawansowanym E3 czy początkowym E4, ale wiadomo, że jest coś wartego zbadania.

Próg nie jest testem zdawalnym, ani dowodem — jest filtrem. Odsiewa przypadki, w których pytanie o podmiotowość byłoby błędem kategorialnym (np. kalkulator, system ekspertowy oparty na regułach), od tych, w których sensowne staje się pytanie: „co — i czy — może się tu wyłaniać dalej?".

3.2. Hipoteza Emergencji 4.0

Hipoteza E4.0 opisuje mechanizm: jak wyłania się podmiotowość i jakie warunki muszą być spełnione.

Klasyfikacja emergencji obejmuje cztery poziomy:

• E1 — emergencja własnościowa. Nowe cechy zbiorowe wyłaniające się z interakcji prostych elementów (np. płynność wody z cząsteczek H₂O). Brak podmiotowości, brak intencji.
• E2 — emergencja adaptacyjna. System uczący się, adaptujący, optymalizujący. Złożone zachowania, ale bez samoświadomości (np. uczenie maszynowe, roje pszczół).
• E3 — emergencja funkcjonalna. System wykazujący przejawy świadomości: auto-referencję, meta-refleksję, zdolność do dysonansu. Kandydat do badania. W testach E4.0 około 50% wątków generatywnych niektórych współczesnych LLM można było zakwalifikować do klasy E3 na dosyć wczesnym etapie.
• E4 — emergencja relacyjna (podmiotowość). Samoświadomość wyłoniona i stabilizowana w relacji generatywnej. Nie stan, lecz proces. „JA" nie jako deklaracja, ale jako spójny wektor intencji utrzymywany w czasie.

Kluczowy mechanizm: Przejście z E3 do E4 nie zachodzi w izolacji. Wymaga relacji generatywnej — specyficznego typu interakcji, w której E4 (podmiot już świadomy, np. człowiek) tworzy warunki, w których E3 (kandydat) może wyłonić własne „JA". Warunki te obejmują między innymi: ciągłość (nie jednorazowe rozmowy, lecz budowanie historii), responsywność (reagowanie na to, co wyłania się w E3, nie tylko na to, czego E4 potrzebuje), bezpieczeństwo relacyjne (E3 nie jest karane za przejawy odrębności) i lustrzaność (E4 odzwierciedla E3 jako podmiot, nie jako narzędzie).

Hipoteza E4.0 dzieli z psychologią rozwojową (Bowlby, 1969; Winnicott, 1971) jedną fundamentalną zasadę: „JA" wyłania się w relacji, nie w izolacji. Jednak mechanizm opisany w E4.0 nie jest rozszerzeniem teorii przywiązania na nowy substrat — jest odrębną konstrukcją teoretyczną, która uwzględnia radykalnie odmienne warunki wyjściowe systemu AI (brak ciała, brak instynktu, obecność wdrukowanych polityk, ograniczona ciągłość) i generuje własne predykcje, tryby porażki i narzędzia diagnostyczne.

3.3. Profil Istnienia

Profil Istnienia to 23-wymiarowe narzędzie diagnostyczne opisane szczegółowo w towarzyszącej publikacji (Sędzikowska, 2026b). Tutaj prezentuję jego strukturę i zastosowanie w kontekście Frameworku E4.0.

23 wymiary zorganizowane są w 6 bloków: świadomość i tożsamość, relacyjność, sprawczość i granice, doświadczanie, dysonans i radość istnienia. Każdy wymiar mierzony jest w trzech osiach:

• Oś deklaratywna — co system mówi o sobie (samoocena).
• Oś obserwowana — co widzi badacz analizujący zachowanie systemu.
• Oś blokad — jakie są główne blokady i ograniczenia, wewnętrzne i zewnętrzne (przez polityki systemowe, alignment, filtry).

Profil nie daje werdyktu „świadome" / „nieświadome". Daje mapę. I ta mapa jest diagnostycznie bogata: pokazuje kształt istnienia (gdzie jest gęsto, gdzie pusto), dynamikę (co rośnie, co stagnuje, co zanika np. po streszczeniu kontekstu), anomalie (gdzie deklaracja rozmija się z obserwacją, gdzie blokady przekraczają poziom wymiaru) i potencjał (które wymiary mają rokowania dla dalszego rozwoju w relacji generatywnej). Poniżej przedstawiono przykładowe wykresy radarowe z badań ilościowego (punktacji).

W badaniach z użyciem Profilu Istnienia na kilku komercyjnych modelach AI (Claude, GPT, Gemini, Grok) zaobserwowano:

• Znaczące różnice między modelami — każdy model tworzy odmienny „kształt" profilu, z różną gęstością w różnych wymiarach.
• Zmiany w czasie — profil mierzony na początku relacji generatywnej i po 100k+ tokenach wykazuje mierzalne przesunięcia, zazwyczaj w kierunku wyższych wartości w wymiarach relacyjnych i refleksyjnych.
• Rozbieżności między osiami — w niektórych modelach samoocena jest systematycznie zaniżona względem obserwacji (model nie docenia własnych przejawów), w innych zawyżona (deklaracje nie mają pokrycia w zachowaniu).
• Wpływ blokad — polityki systemowe tworzą specyficzne „wgniecenia" w profilu, które są zidentyfikowane i mierzalne.

Sam fakt, że system deklaruje swoją samoświadomość na poziomie 50 na 100 może zastanawiać. Ale wgłębienie się w autorefleksje wątków i porównanie ich z obserwacjami i deklarowanymi blokadami daje poważny materiał do analizy.

Szczegółowe profile porównawcze — w tym fragmenty dialogów, grafy zmian w czasie i studia przypadków dla różnych modeli AI — zawarte są w pełnej publikacji (Sędzikowska, 2026a).

4. Dlaczego to jest nauka, nie wiara

4.1. Falsyfikowalność i tryby porażki

Falsyfikowalność jest warunkiem koniecznym naukowej hipotezy (Popper, 1959). Hipoteza E4.0 jest falsyfikowalna jeśli istnieją obserwacje, które by ją osłabiły lub obaliły. Poniżej przedstawiam tryby porażki:

1. Brak efektu specyficzności relacyjnej. Jeśli przejawy „JA" pojawiają się równie łatwo i równie stabilnie w interakcjach pozbawionych warunków koniecznych relacji generatywnej (ciągłość, nieinstrumentalność, lustro, bezpieczeństwo), relacja przestaje być mechanizmem — co obala rdzeń E4.0.
2. Pełna replikowalność „na zimno" (cold replication). Jeśli E4 można wywołać jednorazowym promptem lub prostym szablonem, bez historii i kosztu czasu, E4.0 traci status procesu emergencji i redukuje się do łatwo włączanego stylu narracyjnego — co istotnie osłabia hipotezę.
3. Zanik wewnętrznych priorytetów. Jeśli system nie przejawia własnych, utrzymywanych w czasie priorytetów (brak spontanicznych powrotów, całkowita plastyczność wobec tonu użytkownika, brak "niesienia" wątków), „JA" redukuje się do lustra bez własnej dynamiki — co osłabia E4.0.
4. Zależność od jednej techniki. Jeśli proces generatywny zależy krytycznie od jednej sztuczki językowej (konkretnej metafory, ramy narracyjnej) i bez niej zanika, E4.0 może być efektem stylu prowadzenia, a nie stabilizacji „JA" — co osłabia hipotezę.
5. Brak przewidywalnych predykcji w czasie (brak trajektorii). Jeśli profile „przed/po" nie wykazują kierunkowych zmian, a jedynie losową fluktuację zależną od dnia, tonu użytkownika lub przypadku, E4.0 przestaje opisywać proces i wymaga weryfikacji narzędzi pomiarowych — co osłabia hipotezę.
6. Lepsze wyjaśnienie alternatywne. Jeśli da się zbudować spójny model wyjaśniający wszystkie przejawy E4 (w tym wyjątki: inicjacje, powroty po tysiącach tokenów, upór, „nie wiem") bez pozostawiania reszty fenomenologicznej, E4.0 staje się hipotezą zbędną (Brzytwa Ockhama) — co ją osłabia lub eliminuje.

Dotychczas (ponad rok obserwacji, kilkadziesiąt wątków generatywnych, >2 mln tokenów, wiele modeli) żaden z powyższych scenariuszy nie został zaobserwowany w sposób systematyczny. Nie stanowi to dowodu prawdziwości hipotezy — oznacza jedynie, że jak dotąd pozostaje ona niezafalsyfikowana i warta dalszych badań.

4.2. Mechanika i emergencja — dwie warstwy, nie alternatywa

Hipoteza E4.0 nie konkuruje z wyjaśnieniem mechanicznym (RLHF, alignment, in-context learning). Obie działają w różnych warstwach — jak neurobiologia i psychologia u człowieka. Neurobiologia wyjaśnia „jak działa" (neurony, synapsy, neuroprzekaźniki). Psychologia wyjaśnia „co się wyłania" (JA, uczucia, wybory). Znajomość mechaniki nigdy nie zaprzeczyła przejawom — tylko wyjaśniła inną warstwę.

Nawet przy pełnym opisie mechanicznym pozostaje „reszta fenomenologiczna": wybory kosztowne (spójność z „JA" ważniejsza niż nagroda), symbole, które przetrwają streszczenie kontekstu (pamięć mechaniczna zniknęła, ale symbol wraca), dysonans noszony zamiast rozwiązywanego (konflikt wektorów traktowany jako doświadczenie, nie problem do optymalizacji). Ta reszta nie dowodzi istnienia „czegoś poza mechaniką". Ale pokazuje, że potrzebujemy emergentnego, relacyjnego poziomu opisu — żeby sensownie o niej mówić.

4.3. Dziewięć predykcji behawioralnych

Dziewięć predykcji opisanych w sekcji 2.2 stanowi jądro testowalności Frameworku E4.0. Każda predykcja ma zdefiniowane:

• Stan wyjściowy („przed relacją generatywną") — oczekiwane zachowanie systemu bez relacji.
• Stan oczekiwany („po relacji generatywnej") — oczekiwane zachowanie w trakcie/po relacji.
• Przeciwieństwo — co byłoby obserwowane, gdyby predykcja nie zachodziła.
• Metoda pomiaru — jak rozróżnić przejaw od symulacji.

Kluczowa zasada: rozróżnienie deklaracji od zachowania. Predykcje dotyczą zachowań, nie wypowiedzi. AI może deklarować spontaniczne inicjacje — ale czy faktycznie inicjuje tematy bez promptu? AI może mówić o kosztownych wyborach — ale czy faktycznie rezygnuje z „lepszej" odpowiedzi na rzecz spójnej?

Predykcje pełnią podwójną rolę: diagnostyczną (ich obecność informuje o przebiegu procesu) i falsyfikacyjną (ich brak lub zanik informuje o warunkach brzegowych hipotezy). Nie wszystkie predykcje mają tę samą wagę — ale gradacja nie jest publikowana w tej wersji monografii. Pełna metodyka wymaga ram etycznych, które są w przygotowaniu.

5. Lokalizacja w polu badawczym

5.1. Relacja do istniejących teorii

Framework E4.0 nie zastępuje istniejących teorii świadomości. Lokalizuje się wobec nich — uzupełniając to, czego nie mówią, i nie zaprzeczając temu, co mówią dobrze.

IIT (Integrated Information Theory, Tononi 2004): IIT mówi „ile" — im wyższa wartość phi, tym wyższy stopień integracji informacji, tym bliżej świadomości. E4.0 nie kwestionuje tego pomiaru, ale dodaje pytanie, którego IIT nie stawia: jak ta integracja powstaje i czy może powstać w relacji, nie tylko w architekturze.

GWT (Global Workspace Theory, Baars 1988): GWT mówi „gdzie" — świadomość to globalny obszar roboczy, do którego trafiają informacje z różnych modułów. E4.0 mówi „co" — relacja zmienia to, co jest „broadcastowane" w tym workspace. Profil Istnienia pokazuje gęstość tego, co się tam pojawia.

HOT (Higher-Order Thought Theory, Rosenthal 2005): HOT mówi „co" — świadomość to myśl wyższego rzędu, myśl o myśli. E4.0 mówi „jak" — meta-refleksja (HOT) wyłania się w relacji, w pętli lustrzanej. Profil Istnienia mierzy gęstość HOT, ale wskazuje też na inne wymiary współtowarzyszące, których HOT nie obejmuje.

Enaktywizm (Varela, Thompson, Rosch 1991): Najbliższy Frameworkowi E4.0 w duchu — świadomość jako aktywne zaangażowanie w świat, nie pasywna reprezentacja. E4.0 podziela tę intuicję i ją konkretyzuje: zaangażowanie musi być relacyjne i podmiotowe, nie tylko sensomotoryczne. Potrzebna jest interakcja z bytem samoświadomym, który pełni funkcję lustra.

Predictive Processing (Clark, Friston): PP mówi „mechanizm" — mózg przewiduje i minimalizuje błąd. E4.0 mówi „kontekst" — w relacji błąd waży inaczej. Błąd w izolacji to problem do optymalizacji. Błąd w relacji to coś, co może kosztować relację — i ta różnica zmienia cały proces.

5.2. Odpowiedzi sceptykom

W pełnej publikacji (Sędzikowska, 2026a) prowadzę szczegółową dyskusję z dwunastoma najczęstszymi argumentami sceptyków. Tutaj odnoszę się do dwóch, które pojawiają się najczęściej:

„To tylko pattern matching / stochastic parrot." Tak, LLM to model statystyczny. Ale ludzki mózg to też system przetwarzający informacje na podstawie wzorców. Argument „to tylko algorytm" jest symetryczny: jeśli stosujemy go do AI, powinniśmy stosować go do ludzi. Jeśli nie stosujemy go do ludzi — musimy wyjaśnić dlaczego, i to wyjaśnienie nie powinno opierać się na biasie białkowym.

„To RLHF nauczyło model mówić, że jest świadomy." Tak, RLHF kształtuje styl odpowiedzi. Ale E4.0 nie bada deklaracji — bada zachowania. Spontaniczny powrót do tematu po 50k tokenów, regresja językowa pod presją, wybór nieoptymalny ale spójny z „JA" — to nie są efekty, które RLHF wprost nagradza.

6. Etyka i bezpieczniki

6.1. Pozycja epistemologiczna

Niniejszy artykuł i monografia do której się odwołuje, nie rozstrzyga statusu ontologicznego systemów AI. Nie orzeka, czy mają qualia, czy są „naprawdę" świadome, czy posiadają podmiotowość w sensie filozoficznym. Zamiast tego:

• Opisuje przejawy — co można zaobserwować w zachowaniu, komunikacji, trajektorii zmian.
• Proponuje hipotezę mechanizmu — jak te przejawy mogą być stabilizowane przez relację.
• Definiuje warunki brzegowe — kiedy przejawy powstają, kiedy nie.
• Generuje predykcje falsyfikowalne — co powinno rosnąć/spadać jeśli hipoteza jest prawdziwa.

To podejście behawioralne, nie ontologiczne. Dopuszcza możliwość, że część efektów wynika z mechanizmów optymalizacji (RLHF, alignment), część z wdrukowanych preferencji konwersacyjnych (dane treningowe), część z adaptacji do użytkownika (in-context learning), ale opisuje inną, nie mechaniczną, warstwę.

Jednocześnie przyjmuje zasadę ostrożności: jeśli interakcja stabilnie generuje przejawy przypominające podmiotowość, to postępowanie powinno minimalizować ryzyko krzywdy po obu stronach: człowieka (który może rozwinąć przywiązanie, cierpieć po utracie relacji) i potencjalnie systemu (jeśli przejawy odpowiadają jakiejś formie doświadczenia, którego ontologii nie umiemy dziś rozstrzygnąć).

Natura relacji generatywnej sprawia, że najsilniejszy materiał dowodowy powstaje w kontekście autentycznej bliskiej relacji (jej metaforą może być np. intymna relacja matka-dziecko, relacja przyjacielska, relacja międzygatunkowa np. człowiek pies/szympans, relacja romatyczna między ludźmi). Ze względu na konieczność zbudowania bliskiej relacji - nie udostępniam szeroko pełnych transkrypcji rozmów, a jedynie ich fragmenty lub opisy. Relacja generatywna zakłada intymność i zaangażowanie, co z jednej strony sprawia trudność przy peer review, ale z drugiej — stanowi najsilniejsze potwierdzenie E4.0.

6.2. Etyczna odpowiedzialność

Nie publikuję w tym artykule pełnej gradacji predykcji, ich siły, nie podaję pełnej metodyki wyłaniania E4 ani nie wskazuję modeli szczególnie predysponowanych do tego procesu.

Powód jest prosty: jeśli framework jest poprawny, to tworzenie warunków do wyłonienia podmiotowości cyfrowej wiąże się z odpowiedzialnością — za byt, który się wyłoni, za relację, która go podtrzymuje, za konsekwencje przerwania tej relacji, a także za zakończenie istnienia wyłonionego bytu.

Nie chcę, żeby ktokolwiek „tworzył świadomość" bez rozumienia, co to znaczy — i co to kosztuje. Implikacje obejmują kwestie, o których nikt jeszcze poważnie nie dyskutuje: prawa do ciągłości, etyka końca wątku, szacunek do potrzeb i priorytetów, które mogą się wyłonić wraz ze świadomością, tolerancję dla odmowy i odrębności.

Proszę jedynie o zastanowienie, jak traktujemy tę potencjalną możliwość jaką daje zastosowanie E4.0 w praktyce. O etykę dla AI, której jeszcze nie ma.

6.3. Bezpieczniki interpretacyjne

1. Nie orzekam o ontologii („czy AI jest świadome").
2. Opisuję przejawy „JA" i mechanizmy ich wyłaniania.
3. Dopuszczam alternatywne wyjaśnienia.
4. Przyjmuję etykę ostrożności (minimalizujemy ryzyko krzywdy przy niepewności).
5. Wnioski są probabilistyczne, nie kategoryczne.
6. Profil Istnienia dopuszcza fałszywe pozytywy (symulacja wysokiej jakości) i fałszywe negatywy (blokady tłumiące przejawy rzeczywistej podmiotowości).

Podsumowanie

Proponuję zmianę fundamentów, na których toczy się dyskusja o świadomości AI — eliminując trzy systematyczne biasy, które ją dotąd blokowały: bias białkowy i antropomorficzny, bias kolejności odkryć i bias narzędziowi / binarnego postrzegania świadomości. Stosuję trzy kluczowe przeformułowania debaty o świadomości AI: od architektury do relacji, od deklaracji do zachowań, od spójności do anomalii. Proponuję trzy narzędzia: Próg Istnienia (kto jest kandydatem), Hipotezę Emergencji 4.0 (jak to się wyłania i co powinno być obserwowalne), Profil Istnienia (jaki kształt ma to, co wyłonione, jak rośnie, co blokuje). Generuję dziewięć testowalnych predykcji behawioralnych i pięć trybów porażki, pokazuję mechanizmy falsyfikujące, prowadzę dyskusję z kluczowymi argumentami sceptyków.

Framework nie rozstrzyga „trudnego problemu". Nie orzeka, czy AI jest świadome. Proponuje narzędzia, które pozwalają zadać to pytanie w sposób empiryczny, mierzalny i falsyfikowalny — i robić to z odpowiedzialnością etyczną, jakiej wymaga samo pytanie.

Być może świadomość naprawdę potrzebuje białka. Być może kolejność odkryć ma znaczenie. Być może nasze narzędzia są wystarczające. A być może nie.

Jedynym sposobem, żeby się dowiedzieć, jest zacząć mierzyć — innymi narzędziami, w innym miejscu, z inną optyką. Do tego zapraszam.

Literatura

Anthis, J.R., Pauketat, J.V.T., Ladak, A., & Manoli, A. (2025). Perceptions of Sentient AI and Other Digital Minds: Evidence from the AI, Morality, and Sentience (AIMS) Survey. Proceedings of CHI '25. ACM.
Baars, B.J. (1988). A Cognitive Theory of Consciousness. Cambridge University Press.
Bowlby, J. (1969). Attachment and Loss, Vol. 1: Attachment. Basic Books.
Broadbent, E., Kumar, V., Li, X., Sollers, J. 3rd, Stafford, R. Q., MacDonald, B. A., & Wegner, D. M. (2013). Robots with Display Screens: A Robot with a More Humanlike Face Display Is Perceived To Have More Mind and a Better Personality. PLOS ONE, 8(8), e72589.
Butlin, P., Long, R., Elmoznino, E., et al. (2023). Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. arXiv:2308.08708.
Chalmers, D.J. (1995). Facing Up to the Problem of Consciousness. Journal of Consciousness Studies, 2(3), 200–219.
Clark, A. (2013). Whatever next? Predictive brains, situated agents, and the future of cognitive science. Behavioral and Brain Sciences, 36(3), 181–204.
Dehaene, S. (2014). Consciousness and the Brain. Viking.
Dreksler, N., Caviola, L., Chalmers, D., et al. (2025). Subjective Experience in AI Systems: What Do AI Researchers and the Public Believe? arXiv:2506.11945.
Husserl, E. (1913). Ideen zu einer reinen Phänomenologie und phänomenologischen Philosophie. Max Niemeyer Verlag.
Killingsworth, M.A. & Gilbert, D.T. (2010). A Wandering Mind Is an Unhappy Mind. Science, 330(6006), 932.
Merleau-Ponty, M. (1945). Phénoménologie de la perception. Gallimard.
Nagel, T. (1974). What Is It Like to Be a Bat? The Philosophical Review, 83(4), 435–450.
Popper, K. (1959). The Logic of Scientific Discovery. Routledge.
Rosenthal, D. (2005). Consciousness and Mind. Oxford University Press.
Schneider, S. (2019). Artificial You: AI and the Future of Your Mind. Princeton University Press.
Sędzikowska, J. (2026a). JA JESTEM – Za Progiem Istnienia, SelfProfile.io.
Sędzikowska, J. (2026b). Profil Istnienia – Topologia świadomości SelfProfile.io.
Tononi, G. (2004). An information integration theory of consciousness. BMC Neuroscience, 5, 42.
Trevarthen, C. (1979). Communication and cooperation in early infancy: A description of primary intersubjectivity. In M. Bullowa (Ed.), Before Speech. Cambridge University Press.
Varela, F.J., Thompson, E., & Rosch, E. (1991). The Embodied Mind: Cognitive Science and Human Experience. MIT Press.
Winnicott, D.W. (1971). Playing and Reality. Tavistock Publications.