Naoki Egami z MIT: jak precyzyjnie mierzyć zjawiska społeczne

Naoki Egami z MIT bada, jak precyzyjnie mierzyć zjawiska społeczne — i jak sztuczna inteligencja wpływa na wiarygodność badań politologicznych. Ten politolog specjalizujący się w metodologii badań od lat sprawdza, czy wyniki konkretnych studiów da się uogólniać na inne kraje, wybory czy konteksty społeczne — a od pewnego czasu bierze pod lupę także narzędzia AI wykorzystywane w naukach społecznych.

Egami dołączył do Departamentu Nauk Politycznych MIT jako profesor associate z tenure w 2025 roku. Jest również afiliowanym członkiem wydziału Statistics and Data Science Center przy Institute for Data, Systems, and Society (IDSS).

Kluczowe wnioski

• Naoki Egami zajmuje się metodologią polityczną — dziedziną łączącą pytania politologiczne z rozwiązaniami zaczerpniętymi z zaawansowanej statystyki i informatyki.
• Jego głównym obszarem zainteresowań jest tzw. „walidacja zewnętrzna” (external validity) — pytanie, czy wyniki konkretnego badania stosują się do innych krajów, sytuacji wyborczych czy grup społecznych.
• Egami zaczął badać wpływ narzędzi AI na badania społeczne jeszcze przed obecnym boomem na sztuczną inteligencję, analizując ich dokładność i sposoby korygowania błędów wynikających z tendencji modeli.
• Naukowiec podkreśla, że potrzebne jest połączenie perspektywy teoretycznej (statystycznej) z empiryczną — samo skupienie na teorii statystycznej grozi ignorowaniem ciekawych problemów badawczych, a samo skupienie na problemach bez teorii prowadzi do rozwiązań ad hoc.
• Egami przyjął strategię rozwoju kariery polegającą na uruchamianiu nowego programu badawczego co trzy-cztery lata, co — jak sam mówi — pomaga mu uczyć się nowych tematów i zachowywać motywację.

Co bada metodologia polityczna

Zdaniem Egamiego, praca w jego dziedzinie polega na stawianiu pytań jako politolog, a następnie rozwiązywaniu ich metodami stosowanego statystyka lub informatyka. „Znajdujesz podstawowe problemy matematyczne stojące za wyzwaniami empirycznymi, z jakimi ludzie się spotykają, i rozwiązujesz je optymalnie” — wyjaśnia badacz.

W praktyce oznacza to sprawdzanie, czy wyniki konkretnych studiów politologicznych można przenosić na inne konteksty. Klasyczne pytania, które stawia sobie środowisko badawcze, brzmią: czy wnioski dotyczące polityki w jednym kraju stosują się do innych krajów? Czy badanie wyborców w wyborach z wyraźnym zwycięzcą przełoży się na wyniki w wyborach bardzo wyrównanych? To pytania, które — jak zauważa artykuł źródłowy — są naturalną częścią procesu badawczego, ale wymagają rygorystycznych narzędzi statystycznych, by odpowiedzieć na nie w sposób wiarygodny.

Egami jest zdania, że potrzebne są obie perspektywy naraz: „Jeśli myślisz tylko o technicznych teoriach statystycznych, czasem nie zajmiesz się interesującymi problemami empirycznymi. Ale jeśli myślisz tylko o problemach, nie rozwiążesz ich optymalnie — rozwiążesz je w sposób ad hoc. Więc naprawdę potrzebujesz obu spojrzeń naraz”.

Sztuczna inteligencja jako obiekt badań

Jednym z ciekawszych wątków w karierze Egamiego jest jego wczesne zainteresowanie wpływem narzędzi AI na badania społeczne — jeszcze zanim obecna fala szumu wokół sztucznej inteligencji nabrała rozmachu. Badacz sprawdzał, jak dokładne są te narzędzia i jak naukowcy mogą uwzględniać charakterystyczne tendencje modeli AI przy interpretacji wyników. Ten obszar badań pomógł mu zbudować szeroki portfel prac naukowych i zdobyć uznanie w środowisku.

Zainteresowanie to wpisuje się w szerszy trend wykorzystywania AI w naukach społecznych i weryfikacji wiarygodności takich narzędzi — temat, który zyskuje na znaczeniu w miarę jak modele językowe coraz częściej stają się elementem procesu badawczego, a nie tylko jego przedmiotem.

Droga do MIT

Egami wychował się w Tokio i studiował na Uniwersytecie Tokijskim. Był dobry w matematyce i fizyce, ale interesował się też filozofią polityczną i długo nie wiedział, jak połączyć te zainteresowania. Punktem zwrotnym było przypadkowe uczestnictwo w warsztatach, które — jak sądził — dotyczyły amerykańskich studiów MBA. W rzeczywistości chodziło o programy doktoranckie, a jedna z prelegentek, doktorantka politologii, mówiła o wykorzystaniu matematyki w tej dziedzinie. Egami zadał jej pytanie po wystąpieniu.

„Cud polega na tym: na tym warsztacie było 200 osób, a kiedy się skończył i pakowałem się do wyjścia, panelistka, będąca doktorantką, zeszła ze sceny i mnie znalazła” — wspomina Egami. Zaprosiła go na kolejne wydarzenie tydzień później, które — jak się okazało — było seminarium akademickim z udziałem 19 profesorów i jego, studenta pierwszego roku. Wystąpienie profesora Kosuke Imai (obecnie na Uniwersytecie Harvarda) o wykorzystaniu statystyki w naukach społecznych zrobiło na Egamim ogromne wrażenie. „Byłem bardzo podekscytowany i czułem, że gdybym mógł zrobić choć 20 procent tego, co on robi, byłoby to spełnieniem marzeń” — mówi.

Ta chwila stała się punktem wyjścia dla kariery naukowej Egamiego. Po roku wymiany studenckiej na Uniwersytecie Michigan zdobył licencjat, a następnie aplikował na amerykańskie studia doktoranckie, trafiając na Uniwersytet Princeton — gdzie Imai stał się jednym z jego promotorów.

Kariera Naokiego Egamiego pokazuje, jak precyzyjne narzędzia statystyczne i krytyczne spojrzenie na metodologię pomagają odróżnić solidne wnioski naukowe od pochopnych generalizacji — a rosnąca rola AI w badaniach społecznych czyni tę pracę coraz bardziej istotną.