AI a wolność słowa: cenzura algorytmiczna na platformach

Cichy nadzorca platform cyfrowych

W 2026 roku umiarowanie treści na największych platformach należy niemal w całości do systemów sztucznej inteligencji. Meta, X (dawniej Twitter), YouTube i TikTok przetwarzają każdego dnia miliardy postów, komentarzy, zdjęć i filmów, z których realnie do moderacji ludzkiej trafia zaledwie ułamek procenta. Reszta jest filtrowana, oflagowywana, demotowana lub usuwana przez modele klasyfikacyjne, które działają w czasie poniżej sekundy. Operacyjnie jest to oczywisty sukces — koszty moderacji spadły, czas reakcji skrócił się z dni do milisekund. Demokratycznie jest to jednak zmiana natury władzy, której konsekwencji najczęściej nie dostrzegamy.

Cenzura algorytmiczna różni się od tradycyjnej tym, że nie wymaga indywidualnego zamiaru. Nikt na platformie nie siedzi i nie decyduje o konkretnym wpisie. Zamiast tego model klasyfikuje treść według wzorców wyuczonych na historycznych danych moderacyjnych — a tam, gdzie dane są błędnie oznaczone, model reprodukuje błąd w skali masowej. Ofiarami najczęściej padają konta uczonych, dziennikarzy śledczych, aktywistów i artystów, których język jest trudniejszy do klasyfikacji niż mainstreamowe treści marketingowe. Brak zamiaru nie znosi skutków: głos zostaje wyciszony tak samo skutecznie, jak gdyby usunął go cenzor o imieniu i nazwisku.

Cztery mechanizmy cenzury przez pośrednictwo algorytmów

Pierwszy mechanizm to demonetyzacja: treść pozostaje widoczna, ale autor traci możliwość zarabiania na niej, co wywiera presję samocenzury. Drugi to wyciszanie (shadowbanning) — wpisy są gorzej dystrybuowane, ale platforma nie informuje o tym użytkownika. Trzeci to automatyczne oznaczanie jako „fałszywe informacje”, nawet gdy ocena weryfikatora jest częściowa lub oparta na innych, równie spornych źródłach. Czwarty, najbardziej drastyczny, to trwałe zawieszenie konta, często na podstawie skumulowanej liczby oflagowań, których większości nie można odwołać.

Spośród tych mechanizmów najbardziej podstępny jest drugi. Użytkownik mówi — i myśli, że jest słyszany. Algorytm po cichu zmniejsza jego zasięg. Kiedy nie widzimy reakcji, zwykli ludzie zaczynają myśleć, że temat nie interesuje odbiorców, więc porzucają go sami. To prowadzi do internalizacji cenzury, tłumienia głosu za pomocą ciszy, bez świadomości samego nadawcy.

Kto moderuje moderatora?

Reguły są uczone na zbiorach historycznych decyzji moderacyjnych. Jeżeli te dane zawierają błąd — systematycznie traktują jako przemoc dyskusje o prawach mniejszości, albo jako dezinformację publikacje narrative inne od dominującej — model reprodukuje ten błąd. W literaturze anglojęzycznej opisuje się to jako reifikację błędu: proces, w którym arbitralna decyzja zostaje utrwalona i w kolejnej iteracji traktowana już jako obiektywna prawda systemu.

Przykładem z 2026 roku jest polityka YouTube wobec dyskusji o konfliktach zbrojnych. Symetryczne, ostrożnie sformułowane komentarze z jednej strony są utrzymane, a z drugiej natychmiast oflagowane jako nienawistne. Powód: historycznie więcej moderacji trafiło na jedną stronę, co w danych przesunęło indeks modelu. To przesunięcie nie jest wynikiem świadomej polityki firmy, lecz systemowego błędu w danych treningowych — czyli czegoś, czego nie naprawi żadna retoryka korporacyjna.

Odwołania, których prawie nikt nie wykorzystuje

Platformy abstrakcyjnie zapewniają mechanizmy odwoławcze, ale w praktyce dostęp do człowieka jest ograniczony do wąskiej klasy przypadków. Badanie Columbia Journalism Review wykazało, że formalnie od ok. 78% decyzji AI można się odwołać, ale realnie tylko ok. 4% odwołań kończy się przywróceniem treści. Większość twórców nie ma też minimalnej wiedzy technicznej, aby podnosić skuteczne i istotne apelacje — na forach branżowych pojawił się już zawód „konsultanta od odwołań moderacyjnych”.

W poszukiwaniu prawdziwej ochrony niektóre jurysdykcje próbują rozszerzyć konstytucyjną ochronę wolności słowa na relacje prywatne usługi między platformą a użytkownikiem. W USA wyrok w sprawie Moody v. NetChoice (2024) utrudnia jednak serpentynową ścieżkę: takie prawo zawiesza podmioty w obowiązku jawnej prezentacji polityki umiarowania i przestrzegania jej. Nie uwalnia ono jednak od domniemanie wiarygodności klasyfikatora, który sam pozostaje czarną skrzynką.

Droga naprawy nie prowadzi przez zakazanie algorytmów

Zakazanie algorytmicznego umiarowania byłoby uproszczeniem. Realia są takie, że ludzkie zespoły nie mogą fizycznie zająć się wszystkim, co publikuje 4,95 miliarda użytkowników mediów społecznościowych. Co można jednak zażądać, to: jawności treści polityki umiarowania (z określonymi kategoriami i rangami zakazów), prawa do wyjaśnienia decyzji (z odniesieniem do konkretnego punktu regulaminu), możliwości odwołania do człowieka z prawdziwym mandatem służbowym, oraz niezależnego audytu modeli pod kątem błędów dyskryminujących mniejszości poglądowe, językowe czy geograficzne.

Wreszcie: prawo projektowane w dziedzinie AI to prawo do głosu w projektowaniu — a nie jedynie prawo do reklamacji po fakcie. Jeżeli obywatel nie ma realnego wpływu na to, co klasyfikator uznaje za niewskazane, algorytmy stają się narzędziem kontroli nastroju publicznego w imię jego ochrony. Głos przesunięty do niewidzialnego obszaru cenzury nie jest wolny.