{"id":9039,"date":"2026-03-30T20:36:41","date_gmt":"2026-03-30T20:36:41","guid":{"rendered":"https:\/\/architeles.eu\/ethics\/?p=9039"},"modified":"2026-03-30T20:36:41","modified_gmt":"2026-03-30T20:36:41","slug":"dane-jako-wladza-czy-1984-wlasnie-nastal","status":"publish","type":"post","link":"https:\/\/architeles.eu\/ethics\/index.php\/2026\/03\/30\/dane-jako-wladza-czy-1984-wlasnie-nastal\/","title":{"rendered":"Dane jako w\u0142adza – czy 1984 w\u0142a\u015bnie nasta\u0142?"},"content":{"rendered":"

Wsp\u00f3\u0142czesne systemy oparte na danych \u2013 od sensor\u00f3w miejskich po modele sztucznej inteligencji \u2013 nie tylko opisuj\u0105 rzeczywisto\u015b\u0107, ale aktywnie j\u0105 kszta\u0142tuj\u0105. To, co mierzymy, jakie dane zbieramy i jak je interpretujemy, nie jest neutralne. Wybory te odzwierciedlaj\u0105 konkretne interesy, warto\u015bci i struktury w\u0142adzy. W efekcie infrastruktura pomiaru staje si\u0119 narz\u0119dziem definiowania problem\u00f3w spo\u0142ecznych, a w skrajnych przypadkach \u2013 tak\u017ce subtelnej, rozproszonej formy nadzoru i kontroli spo\u0142ecze\u0144stwa, przywodz\u0105cej na my\u015bl wizje znane z literatury dystopijnej.<\/strong><\/p>\n

Dane czyli „obiektywna” reprezentacja rzeczywisto\u015bci<\/h1>\n

Dane, rozumiane jako cyfrowa reprezentacja rzeczywisto\u015bci, w dyskursie publicznym cz\u0119sto przedstawiane s\u0105 jako obiektywne i neutralne jej odzwierciedlenie. Wraz z rozwojem narz\u0119dzi Data Science i sztucznej inteligencji przekonanie to uleg\u0142o wzmocnieniu \u2013 algorytmy analizuj\u0105ce ogromne zbiory danych wydaj\u0105 si\u0119 oferowa\u0107 \u201eczyste\u201d, wolne od ludzkich uprzedze\u0144 wnioski. Jednak, jak zauwa\u017ca wielu badaczy, dane nie s\u0105 po prostu \u201edane\u201d (given), lecz \u201etworzone\u201d (made). Proces ich powstawania jest g\u0142\u0119boko osadzony w kontekstach spo\u0142ecznych, politycznych i technologicznych.<\/p>\n

Geoffrey Bowker i Susan Leigh Star w pracy Sorting Things Out: Classification and Its Consequences<\/em> pokazuj\u0105, \u017ce systemy klasyfikacji i infrastruktury informacyjne nie s\u0105 neutralnymi narz\u0119dziami porz\u0105dkowania \u015bwiata. Ka\u017cda kategoria \u2013 np. \u201ebezrobotny\u201d, \u201eprzest\u0119pstwo\u201d, \u201ezanieczyszczenie\u201d \u2013 jest wynikiem konkretnych decyzji: gdzie postawi\u0107 granice, co wliczy\u0107, a co pomin\u0105\u0107. W efekcie takie systemy nie tylko opisuj\u0105 rzeczywisto\u015b\u0107, ale j\u0105 wsp\u00f3\u0142tworz\u0105, utrwalaj\u0105c okre\u015blone sposoby my\u015blenia o spo\u0142ecze\u0144stwie. Podobnie Rob Kitchin (2014) w The Data Revolution<\/em> podkre\u015bla, \u017ce dane nie istniej\u0105 \u201esame z siebie\u201d \u2013 s\u0105 zawsze efektem wybor\u00f3w: co zbiera\u0107, jak to mierzy\u0107, w jaki spos\u00f3b \u0142\u0105czy\u0107 dane w wi\u0119ksze zbiory i jak je interpretowa\u0107.<\/p>\n

Dobrym przyk\u0142adem jest kwestia ustalania ogranicze\u0144 pr\u0119dko\u015bci na autostradzie. Je\u015bli jako g\u0142\u00f3wn\u0105 metryk\u0119 przyjmiemy czas przejazdu mi\u0119dzy miastem A i B, w\u00f3wczas \u201eracjonalnym\u201d wnioskiem b\u0119dzie podnoszenie limitu pr\u0119dko\u015bci \u2013 im szybciej, tym efektywniej. Je\u015bli jednak skupimy si\u0119 na liczbie wypadk\u00f3w oraz prawdopodobie\u0144stwie ich prze\u017cycia, otrzymamy wniosek przeciwny: ograniczenie pr\u0119dko\u015bci powinno by\u0107 ni\u017csze, aby zwi\u0119kszy\u0107 bezpiecze\u0144stwo.<\/p>\n

W obu przypadkach operujemy na \u201eobiektywnych\u201d danych, jednak dochodzimy do sprzecznych rekomendacji. R\u00f3\u017cnica nie wynika z samych danych, lecz z przyj\u0119tej perspektywy i tego, co uznajemy za istotny problem. To pokazuje, \u017ce dane nie s\u0105 neutralnym odbiciem rzeczywisto\u015bci, lecz jej interpretacj\u0105 \u2013 ukszta\u0142towan\u0105 przez wcze\u015bniejsze decyzje, warto\u015bci i cele.<\/p>\n

Infrastruktura pomiaru: co i dlaczego mierzymy?<\/h1>\n

\"Inteligentne<\/p>\n

Systemy monitoringu miejskiego, czujniki jako\u015bci powietrza, kamery licz\u0105ce pieszych czy aplikacje \u015bledz\u0105ce mobilno\u015b\u0107 mieszka\u0144c\u00f3w \u2013 wszystkie te rozwi\u0105zania wpisuj\u0105 si\u0119 w ide\u0119 \u201esmart city\u201d. Ich deklarowanym celem jest optymalizacja zarz\u0105dzania miastem poprzez wykorzystanie danych w czasie rzeczywistym.<\/p>\n

Jednak decyzje o tym, co mierzy\u0107, nie s\u0105 neutralne ani oczywiste. Jak zauwa\u017ca Shannon Mattern (2017) w artykule A City Is Not a Computer<\/em>, technologie smart city koncentruj\u0105 si\u0119 przede wszystkim na tym, co \u0142atwe do uchwycenia w formie liczbowej: przep\u0142ywach ruchu, zu\u017cyciu energii czy poziomach zanieczyszcze\u0144. S\u0105 to zjawiska, kt\u00f3re mo\u017cna stosunkowo prosto zmierzy\u0107, przetworzy\u0107 i przedstawi\u0107 w postaci wykres\u00f3w czy wska\u017anik\u00f3w.<\/p>\n

Problem polega na tym, \u017ce wiele kluczowych aspekt\u00f3w \u017cycia miejskiego nie daje si\u0119 tak \u0142atwo skwantyfikowa\u0107. Poczucie bezpiecze\u0144stwa, jako\u015b\u0107 relacji spo\u0142ecznych, dost\u0119pno\u015b\u0107 przestrzeni publicznych czy subiektywne do\u015bwiadczenie mieszka\u0144c\u00f3w pozostaj\u0105 w du\u017cej mierze poza zasi\u0119giem takich system\u00f3w. Nie dlatego, \u017ce s\u0105 mniej istotne, ale dlatego, \u017ce trudniej je zmierzy\u0107.<\/p>\n

W efekcie dochodzi do przesuni\u0119cia uwagi: to, co jest mierzalne, zaczyna by\u0107 traktowane jako najwa\u017cniejsze. Polityki miejskie coraz cz\u0119\u015bciej odpowiadaj\u0105 na wska\u017aniki, a nie na pe\u0142ne spektrum do\u015bwiadcze\u0144 mieszka\u0144c\u00f3w. Je\u015bli system pokazuje, \u017ce ruch samochodowy jest niewystarczaj\u0105co p\u0142ynny, to staje si\u0119 to \u201eproblemem\u201d, kt\u00f3ry nale\u017cy rozwi\u0105za\u0107 \u2013 nawet je\u015bli oznacza to pogorszenie warunk\u00f3w dla pieszych czy rowerzyst\u00f3w.<\/p>\n

Mo\u017cna wi\u0119c powiedzie\u0107, \u017ce infrastruktura pomiaru nie tylko opisuje miasto, ale aktywnie je \u201eprzedefiniowuje\u201d: zamienia z\u0142o\u017con\u0105 rzeczywisto\u015b\u0107 spo\u0142eczn\u0105 w zestaw wska\u017anik\u00f3w, kt\u00f3re nast\u0119pnie kieruj\u0105 decyzjami politycznymi. To, czego nie ma w danych, bardzo \u0142atwo przestaje istnie\u0107 tak\u017ce w procesie decyzyjnym.<\/p>\n

\"Strefa<\/p>\n

Dobrym, wsp\u00f3\u0142czesnym przyk\u0142adem takiego mechanizmu jest wprowadzenie Strefy Czystego Transportu w Krakowie. Od 1 stycznia 2026 roku wjazd do du\u017cej cz\u0119\u015bci miasta jest uzale\u017cniony od spe\u0142niania okre\u015blonych norm emisji spalin przez pojazdy . System ten opiera si\u0119 na konkretnych danych: poziomach zanieczyszcze\u0144 powietrza, normach emisji EURO oraz statystykach dotycz\u0105cych wp\u0142ywu transportu na jako\u015b\u0107 \u015brodowiska.<\/p>\n

Na ich podstawie zdefiniowano \u201eproblem\u201d jako nadmiern\u0105 emisj\u0119 spalin i zaprojektowano rozwi\u0105zanie polegaj\u0105ce na ograniczeniu wjazdu dla cz\u0119\u015bci pojazd\u00f3w. Jednak ju\u017c na tym etapie widoczny jest selektywny charakter pomiaru. System koncentruje si\u0119 przede wszystkim na emisjach, pomijaj\u0105c inne mo\u017cliwe kryteria \u2013 takie jak dost\u0119pno\u015b\u0107 transportu publicznego, sytuacja ekonomiczna mieszka\u0144c\u00f3w czy nier\u00f3wno\u015bci w dost\u0119pie do mobilno\u015bci.<\/p>\n

Co wi\u0119cej, spos\u00f3b implementacji SCT pokazuje, \u017ce dane nie tylko opisuj\u0105 rzeczywisto\u015b\u0107, ale tak\u017ce j\u0105 normuj\u0105. Na podstawie okre\u015blonych wska\u017anik\u00f3w ustala si\u0119, kt\u00f3re pojazdy s\u0105 \u201eakceptowalne\u201d, a kt\u00f3re nie, co bezpo\u015brednio przek\u0142ada si\u0119 na codzienne praktyki mieszka\u0144c\u00f3w. W tym sensie infrastruktura pomiaru przekszta\u0142ca si\u0119 w narz\u0119dzie regulacji zachowa\u0144 spo\u0142ecznych \u2013 wskazuj\u0105c nie tylko, jaki jest problem, ale tak\u017ce jakie dzia\u0142ania s\u0105 uznawane za w\u0142a\u015bciwe.<\/p>\n

Od smart city do \u201emiasta nadzorowanego\u201d: echo Orwella<\/h1>\n

\"\"<\/p>\n

W tym miejscu warto odwo\u0142a\u0107 si\u0119 do klasycznej wizji nadzoru przedstawionej przez George\u2019a Orwella w powie\u015bci Rok 1984<\/em>. Orwell opisywa\u0142 spo\u0142ecze\u0144stwo, w kt\u00f3rym wszechobecna obserwacja \u2013 uosabiana przez figur\u0119 Wielkiego Brata \u2013 s\u0142u\u017cy\u0142a kontroli obywateli i t\u0142umieniu sprzeciwu. Nadz\u00f3r by\u0142 tam jawny, scentralizowany i bezpo\u015brednio powi\u0105zany z aparatem pa\u0144stwa.<\/p>\n

Cho\u0107 wsp\u00f3\u0142czesne systemy monitoringu miejskiego znacz\u0105co r\u00f3\u017cni\u0105 si\u0119 od tej totalitarnej wizji, istniej\u0105 istotne podobie\u0144stwa na poziomie logiki dzia\u0142ania. Dzisiejszy nadz\u00f3r nie opiera si\u0119 ju\u017c na jednym centrum w\u0142adzy, lecz ma charakter:<\/p>\n