W erze globalnych kryzysów humanitarnych oraz gwałtownego rozwoju technologii algorytmicznych, ruch efektywnego altruizmu (EA) obiecuje rewolucję w sposobie, w jaki ludzkość niesie pomoc. Wykorzystując rygorystyczne narzędzia nauki o danych (Data Science), randomizowane badania kontrolowane (RCT) oraz matematyczne modele teorii decyzji, zwolennicy tego podejścia dążą do maksymalizacji dobrostanu na jednostkę zasobów. Jednak u podstaw tej racjonalnej krucjaty leżą głębokie napięcia techniczne i etyczne. Od systemowego ignorowania niemierzalnych uwarunkowań społecznych, przez marginalizację najuboższych ze względu na niską efektywność kosztową, aż po kontrowersyjny zwrot ku spekulatywnej ochronie przyszłych pokoleń (longtermizmowi) i bezpieczeństwu sztucznej inteligencji kosztem łagodzenia bieżących cierpień – niniejszy raport dokonuje krytycznej analizy naukowej próby zalgorytmizowania moralności. Analiza wskazuje, że bez fundamentalnego przesunięcia ku pluralizmowi wartości i uwzględnieniu lokalnego kontekstu społecznego, efektywny altruizm ryzykuje przeobrażenie się w technokratyczny neokolonializm oraz moralne alibi dla elit technologicznych.
Algorytmy w służbie empatii i kryzys tożsamościowy Doliny Krzemowej
Przekonanie, że pomaganie innym powinno opierać się na chłodnej kalkulacji, a nie na emocjonalnym impulsie, legło u podstaw jednego z najbardziej wpływowych ruchów intelektualnych XXI wieku. Efektywny altruizm, rozwijający się dynamicznie od połowy pierwszej dekady XXI wieku, zyskał miano „nowej religii Doliny Krzemowej”. Przyciągnął on umysły i kapitały liderów technologicznych, matematyków oraz inżynierów danych, obiecując optymalizację działalności charytatywnej za pomocą narzędzi tożsamych z tymi, które służą do skalowania biznesów technologicznych. Filozofia ta, ucieleśniana przez myślicieli takich jak Peter Singer czy William MacAskill, nakazuje bezstronne i rygorystyczne poszukiwanie odpowiedzi na pytanie: jak za pomocą posiadanych zasobów przynieść jak największą korzyść światu?
Jednakże w ostatnich latach ruch ten znalazł się w głębokim kryzysie tożsamościowym. Spektakularny upadek giełdy kryptowalutowej FTX, której założyciel Sam Bankman-Fried był jednym z głównych darczyńców ruchu EA, oraz burzliwe wydarzenia w zarządzie OpenAI w 2023 roku – gdzie zwolennicy efektywnego altruizmu odwołali dyrektora generalnego Sama Altmana w imię ochrony ludzkości przed zagrożeniem egzystencjalnym ze strony sztucznej inteligencji – uwidoczniły niebezpieczne skrajności tej doktryny. Pokazały one, jak dążenie do matematycznie zoptymalizowanego dobra może prowadzić do moralnego hazardu, ignorowania bieżących norm etycznych oraz bezkrytycznego podporządkowania ludzkiego losu spekulatywnym kalkulacjom. Niniejszy artykuł stawia sobie za cel demontaż tych założeń, analizując techniczne ograniczenia i etyczne koszty prób ujęcia ludzkiego cierpienia w ramy arkusza kalkulacyjnego.
Od utylitarystycznego stawu do „złotego standardu” dowodowego
Ewolucja teoretyczna efektywnego altruizmu ma swoje źródło w klasycznej etyce utylitarystycznej. Fundamentem etycznym ruchu pozostaje sformułowany przez Petera Singera w 1972 roku eksperyment myślowy z tonącym dzieckiem. Singer dowodził, że odległość geograficzna nie zwalnia jednostki z moralnego obowiązku ratowania życia, o ile nie wymaga to poświęcenia czegoś o porównywalnej wartości moralnej. W swojej późniejszej pracy The Most Good You Can Do, Singer przekształcił tę intuicję w systematyczny program życiowy, nakazując darczyńcom bezstronną analizę efektywności organizacji charytatywnych.
W literaturze przedmiotu kluczowe znaczenie ma rozróżnienie wprowadzone przez Iasona Gabriela pomiędzy „wąską” a „szeroką” wersją efektywnego altruizmu. Wąska wersja to minimalistyczny i pluralistyczny postulat poszukiwania skutecznych metod pomocy, otwarty na różne systemy wartości i dający się pogodzić z wieloma teoriami moralnymi. Szeroka wersja natomiast jest ściśle związana z utylitaryzmem czynów, bezstronnością welfarystyczną oraz maksymalizacją jako jedynym kryterium słuszności. To właśnie szeroka wersja EA zdominowała praktykę ruchu, opierając się na założeniu, że ludzki dobrostan można sprowadzić do wspólnego mianownika i precyzyjnie zmierzyć.
Wymóg empirycznego uzasadnienia działań pomocowych doprowadził do zaadoptowania metodologii medycznej – randomizowanych kontrolowanych prób (RCT) – jako podstawowego kryterium oceny efektywności. Instytucje ewaluacyjne, takie jak GiveWell czy Giving What We Can, zbudowały autorytet na promowaniu programów, których skuteczność została bezdyskusyjnie dowiedziona w badaniach klinicznych i terenowych. Krytycy tacy jak Kathryn E. Joyce zwracają jednak uwagę, że ta metodologiczna ortodoksja – określana mianem „kultury dowodu” – tworzy iluzoryczne poczucie pewności i drastycznie zawęża pole widzenia badaczy jedynie do tych problemów, które poddają się rygorystycznej kwantyfikacji.
Tyrania mierzalności i ślepota algorytmów na kontekst społeczny
Zastosowanie metodologii Data Science w efektywnym altruizmie przejawia się w tworzeniu zaawansowanych potoków danych, modeli predykcyjnych oraz algorytmów optymalizacyjnych mających na celu precyzyjne kierowanie strumieniami finansowymi. Przykładem zaawansowanych wdrożeń są inicjatywy konsultingowe takie jak SEADS (Data Science for Effective Good), czy też automatyzacja systemów identyfikacji ubóstwa przez organizację GiveDirectly za pomocą uczenia maszynowego analizującego zdjęcia satelitarne. Co więcej, najnowsze badania z obszaru teorii uczenia się maszynowego i psychologii poznawczej sugerują, że darczyńcy mogą stopniowo internalizować reprezentacje efektywności poprzez dynamiczny proces uczenia ze wzmacnianiem (Reinforcement Learning).
Mimo zaawansowania technicznego, matematyczne modelowanie napotyka barierę określaną jako błąd kwantyfikacji (quantification bias). Algorytmy i bazy danych faworyzują zjawiska mierzalne. W rezultacie programy dystrybucji tabletek odrobaczających czy moskitier nasączonych insektycydem uzyskują nieproporcjonalnie wysokie oceny w rankingach GiveWell, ponieważ ich jednostkowy koszt ocalenia życia jest łatwy do wyliczenia. Główną walutą etyczną w tych kalkulacjach staje się wskaźnik DALY (lata życia skorygowane o niepełnosprawność), wyliczany jako suma utraconych lat życia (YLL) oraz lat przeżytych z niepełnosprawnością (YLD):
DALY = YLL + YLD
Ta redukcjonistyczna metryka jest jednak całkowicie ślepa na czynniki strukturalne i instytucjonalne. Zbudowanie zaufania społecznego, wzmocnienie lokalnego przywództwa, przeciwdziałanie korupcji czy reforma sądownictwa to procesy o charakterze nieliniowym, których nie da się poddać próbom RCT. W efekcie rygorystyczne podejście zorientowane na interwencję (intervention-centered approach) eliminuje z pola finansowania projekty systemowe, które – choć trudniejsze do zmierzenia – stanowią jedyną drogę do trwałego wyeliminowania ubóstwa.
Ponadto, dążenie do maksymalizacji zysku społecznego na jednostkę kosztu prowadzi do paradoksalnego wykluczenia osób skrajnie ubogich i marginalizowanych. Osoby te cierpią z powodu skumulowanych deficytów zdrowotnych i infrastrukturalnych (syndemii). Są przez to znacznie mniej „wydajne” w konwertowaniu zasobów finansowych na mierzalne wskaźniki zdrowotne. Algorytm optymalizujący dystrybucję środków charytatywnych naturalnie przekieruje fundusze tam, gdzie poprawa wskaźników jest najtańsza, omijając populacje najbardziej potrzebujące, co stoi w jawnej sprzeczności z podstawowymi teoriami sprawiedliwości społecznej.
| Kryterium porównawcze | Klasyczna ewaluacja EA (Zorientowana na interwencję) | Postulowana ewaluacja kontekstowa (Zorientowana na systemy) |
|---|---|---|
| Główny cel pomiaru | Ogólna, uniwersalna skuteczność danej interwencji (np. odrobaczanie) | Prawdopodobieństwo skuteczności interwencji w konkretnym, unikalnym środowisku |
| Podstawa dowodowa | Agregacja wyników z randomizowanych badań kontrolowanych (RCT) | Analiza lokalnych czynników przyczynowych, struktur społecznych i zasobów |
| Horyzont czasowy | Krótkoterminowy, łatwo kwantyfikowalny i mierzalny | Średni i długoterminowy, uwzględniający dynamikę systemową i zmiany instytucjonalne |
| Zależność od danych | Skrajnie wysoka (wykluczenie projektów bez twardych danych ilościowych) | Średnia (łączenie danych ilościowych z analizą jakościową i wiedzą lokalną) |
| Ryzyko systemowe | Promowanie powierzchownych rozwiązań, marginalizacja najuboższych | Wyższy koszt początkowy analizy, trudność w replikacji szablonów operacyjnych |
Długofalowość, moralny hazard i eskapizm Doliny Krzemowej
Najbardziej kontrowersyjnym aspektem ewolucji efektywnego altruizmu stał się jego zwrot ku długofalowości (longtermism). Sformułowany przez Williama MacAskilla postulat głosi, że ochrona odległej przyszłości ludzkości jest najważniejszym wyzwaniem moralnym naszych czasów. Opierając się na założeniach, że przyszli ludzie mają status moralny, ich liczba może być astronomiczna, oraz że obecne działania mogą wpłynąć na ich los – longtermizm zdominował agendę badawczą i finansową ruchu. Alokacja kapitału przesunęła się drastycznie ze sfery ochrony zdrowia w krajach rozwijających się ku redukcji ryzyka egzystencjalnego (X-risk), w szczególności bezpieczeństwa ogólnej sztucznej inteligencji (AGI).
Z technicznego punktu widzenia, decyzje te opierają się na kalkulacji oczekiwanej użyteczności. Wartość tę szacuje się za pomocą następującego logicznego równania:
Oczekiwana Użyteczność = P(Zapobieżenie zagładzie) * V(Przyszły dobrostan) – Koszt interwencji
Przy minimalnym lub całkowicie zerowym dyskontowaniu wartości odległego jutra pojawiają się drastyczne dysproporcje moralne. Jeżeli potencjalna liczba przyszłych umysłów (na przykład cyfrowych emulacji żyjących w symulacjach kosmicznych) wynosi 1016 bądź nawet 1032, to nawet minimalne prawdopodobieństwo zapobieżenia ich unicestwieniu (na przykład rzędu 10-12) daje matematycznie wartość oczekiwaną przewyższającą ocalenie wszystkich żyjących obecnie ludzi przed głodem czy chorobami.
Krytyka tego stanowiska, podjęta m.in. przez Émile P. Torresa, wskazuje na skrajne niebezpieczeństwa takiego podejścia. Prowadzi ono do skrajnego utylitarystycznego fanatyzmu, w którym rzeczywiste, teraźniejsze cierpienia są traktowane jako nieistotne fluktuacje statystyczne w porównaniu z nieskończonym oceanem hipotetycznej przyszłej użyteczności. Co więcej, skupienie uwagi na spekulatywnym buncie maszyn odciąga zasoby i uwagę opinii publicznej od realnych, bieżących szkód powodowanych przez algorytmy – takich jak stronniczość systemów rekrutacyjnych, inwigilacja czy wyzysk pracowników adnotujących dane w krajach globalnego Południa.
Longtermizm jest prawdopodobnie najniebezpieczniejszym świeckim systemem wierzeń na świecie. Może on być użyty do usprawiedliwienia nieetycznych środków, jeśli zostaną one uznane za niezbędne do realizacji odległych celów, które rzekomo służą większemu dobru przyszłych pokoleń.
Ten etyczny eskapizm łączy się z problemem „ezoterycznego altruizmu” (esoteric altruism), analizowanym przez Jeffa Sebo. Sebo zauważa, że jeśli ostatecznym celem praktycznym jest maksymalizacja dobra, efektywny altruizm może stać się doktryną ezoteryczną – ukrywającą swoje prawdziwe motywy i kalkulacje przed opinią publiczną, aby uniknąć społecznego sprzeciwu lub destabilizacji instytucji. Przykładem takiej dwoistości była działalność funduszu FTX Future Fund, który pod płaszczykiem deklaracji o ratowaniu ludzkości prowadził spekulacje finansowe wysokiego ryzyka.
Dodatkowo, ruch ten generuje głęboką niesprawiedliwość epistemologiczną. Odrzucając perspektywę i mądrość lokalnych społeczności na rzecz technokratycznych ekspertów operujących z poziomu prestiżowych uniwersytetów, efektywny altruizm narzuca paternalistyczne rozwiązania. Społeczności te przestają być partnerami w dialogu, a stają się jedynie pasywnymi odbiorcami optymalizacji algorytmicznej.
W stronę pluralizmu, sprawiedliwości i dojrzałości metodologicznej
Naukowa próba ustrukturyzowania działalności filantropijnej podjęta przez ruch efektywnego altruizmu bez wątpienia przyniosła wartościowe owoce. Wprowadzenie rygoru dowodowego, podniesienie standardów przejrzystości finansowej oraz bezkompromisowa walka z marnotrawstwem zasobów w sektorze NGO stanowią istotny krok naprzód. Niemniej jednak, redukcja moralności do matematycznej optymalizacji jednej zmiennej ujawniła swoje destrukcyjne ograniczenia techniczne i etyczne.
Niniejsza polemika z paradygmatem EA prowadzi do wniosku, że racjonalizm nie może być utożsamiany z suchym, ilościowym redukcjonizmem. Prawdziwie efektywna pomoc wymaga syntezy danych z dojrzałą refleksją humanistyczną. Aby ruch ten mógł odzyskać moralną wiarygodność, konieczne jest wdrożenie trzech zasadniczych reform:
- Przejście od podejścia zorientowanego na interwencję do zorientowanego na kontekst: Zamiast bezkrytycznie replikować uniwersalne szablony pomocowe na podstawie badań RCT, należy projektować interwencje w oparciu o głębokie zrozumienie lokalnych systemów społeczno-gospodarczych i instytucjonalnych.
- Demokratyzacja i podmiotowość (Przeciwdziałanie niesprawiedliwości epistemologicznej): Decyzje o alokacji środków nie mogą zapadać wyłącznie w wąskim gronie analityków z globalnej Północy. Lokalnym społecznościom należy przywrócić głos i prawo do współdecydowania o kierunkach rozwoju.
- Odrzucenie fanatyzmu oczekiwanej użyteczności: Etyka nie może być zakładniczką astronomicznych, spekulatywnych kalkulacji dotyczących odległej przyszłości. Ochrona realnie istniejących ludzi przed bezpośrednim cierpieniem musi posiadać twardy priorytet moralny nad hipotetycznymi bytami wirtualnymi.
Jeśli efektywny altruizm zdoła zrzucić gorset wąskiego utylitarystycznego redukcjonizmu i otworzy się na pluralizm wartości – w tym na fundamentalne znaczenie sprawiedliwości społecznej, praw człowieka i demokratycznego upodmiotowienia – może stać się potężnym narzędziem realnej emancypacji. W przeciwnym razie pozostanie jedynie wyrafinowanym ćwiczeniem akademickim i moralnym alibi dla technologicznych elit współczesnego świata.
Literatura
Gabriel, I. (2017). Effective altruism and its critics. Journal of Applied Philosophy.
Joyce, K. E. (2023). Assessing Evidence for Purposes of Effective Altruism. Georgetown Journal of Law & Public Policy.
MacAskill, W. (2022). What We Owe the Future. Simon and Schuster.
Sebo, J. (2026). Everything and nothing is conscious: default assumptions in science and ethics. Frontiers in Psychology.
Singer, P. (2015). The Most Good You Can Do: How Effective Altruism is Changing Ideas About Living Ethically. Yale University Press.