Mapa pola
AI w teatrze może oznaczać wszystko: robota na scenie, algorytm generujący scenariusz, model językowy pomagający dramaturgowi. Bez precyzyjnej kategoryzacji nie wiadomo, o czym właściwie rozmawiamy.
Cztery kategorie AI w teatrze
Cztery kategorie wyodrębnione na podstawie funkcji, jaką technologia pełni w procesie twórczym. W praktyce często się przenikają.
AI jako temat
Sztuczna inteligencja jest przedmiotem refleksji, ale nie narzędziem produkcji. Motyw sztucznego bytu służy jako katalizator pytań o świadomość i tożsamość.
AI jako performer
Sztuczna inteligencja zyskuje fizyczną lub wirtualną obecność na scenie i aktywnie kształtuje przebieg wydarzenia. Robot, awatar, głos syntetyczny — technologia uczestniczy w spektaklu.
AI jako narzędzie
Systemy wspierające produkcję, ale pozostające poza procesem dramaturgicznym. Scenografia cyfrowa, zarządzanie mediami, kontrola światła i dźwięku, analiza widowni.
AI jako dramaturg
Sztuczna inteligencja wkracza bezpośrednio w tworzenie materiału dramaturgicznego. Proporcje między wkładem ludzkim a algorytmicznym zależą od przyjętej strategii — od pełnej delegacji tekstu modelowi, przez traktowanie halucynacji jako surowego materiału scenicznego, po czysto koncepcyjną współpracę, z której do gotowego dzieła nie trafia ani jedno wygenerowane słowo.
Niniejszy projekt wpisuje się w tę kategorię, ale zajmuje w niej szczególne miejsce. AI nie pisze tu gotowego tekstu i nie jest tylko rozmówcą. Generuje pole możliwości, z którego twórca formuje ostateczny materiał.
Przegląd praktyk twórczych
Annie Dorsen
Autorka pojęcia „teatru algorytmicznego” (termin ukuty ok. 2010, sformalizowany w eseju z 2012). Od ponad dekady traktuje algorytm jako partnera dramaturgicznego — od „Hello Hi There” (2010) po „Prometheus Firebringer” (2023, GPT-3). Jednocześnie wyraża sceptycyzm wobec kosztów środowiskowych i ryzyka estetycznej homogenizacji.
THEaiTRE
„AI: When a Robot Writes a Play”, Praga, 2021. Model GPT-2 wygenerował ponad 90% tekstu sztuki, opierając się na strukturze dostarczonej przez człowieka. Rola autora sprowadziła się do pisania promptów i selekcji najlepszych fragmentów.
Ali Matthews
„Bobby, lunch is darkness”, 2024/2025. Zamiast wyłuskiwać z AI logiczne teksty, Matthews zasiliła model dialogami Davida Lyncha, a jego halucynacje potraktowała jako „zagadki wyroczni” — surowy materiał zyskujący sens dopiero w zderzeniu z grą aktorów.
Improbotics
Piotr Mirowski i Kory Mathewson, od 2016 (pod obecną nazwą od 2018). Improwizacja teatralna z AI na żywo. System podrzuca warianty dialogów, ludzki kurator błyskawicznie wybiera jeden z nich, a aktor od razu włącza go w swoją improwizację.
Steve Cosson
„Artificial Flavors”, 2023. Musical, w którym maszyna na oczach widowni tworzyła scenariusz i piosenki. Aktorzy improwizowali na ich podstawie — co wieczór grając zupełnie inny spektakl.
Paolo Grigis i Antonella De Angeli
„Nexus 23/24”, 2024. Siedmiu dramatopisarzy pracowało z narzędziami opartymi na GPT-3/3.5 przez siedem miesięcy, szukając wariantów i struktur fabularnych — ale nie przenosząc maszynowego tekstu do gotowego dzieła. Wniosek: algorytmy mają krótką pamięć operacyjną i zaprogramowaną awersję do konfliktów.
Matthew Gasda
„Doomers”, premiera styczeń 2025, Nowy Jork. ChatGPT i Claude wpisani jako współautorzy do programu teatralnego. Gasda używał AI do zadawania pytań o technologię i testowania pomysłów. Przynajmniej jeden kluczowy monolog zawiera tekst wygenerowany przez Claude'a.
Ban Nam-Gyun
Playback Theatre z AI, 2025. Gdy algorytm się myli, aktorzy muszą improwizować na żywo — Ban nazywa to „napięciem opozycyjnym”. W tytule artykułu pojawia się nowa rola: „Prompt Director”, przekładający osobiste historie widzów na polecenia dla AI generującego scenografię i muzykę.
Francesco Bentivegna
„Making Kin in the Technogloom”, 2025. Zdiagnozował „technogloom” — technologiczne przygnębienie wynikające z ciągłej współpracy z niedoskonałym narzędziem. Emocjonalny koszt pracy z AI, którego inne projekty nie nazywają wprost.
Polska
Krzysztof Garbaczewski i Rébecca Pierrot — „Tak zwana ludzkość w obłędzie”, Teatr Słowackiego (Scena MOS), 2024. ChatGPT w procesie twórczym.
Marek Średniawa — rekonstrukcje tekstów Witkacego za pomocą modelu Claude. Witkacy Institute, 2025.
Grupa Kalejdoskop — „Przebudzone”, 2024. Syntetyczny głos AI jako performer w spektaklu multimedialnym.
Opera Bałtycka w Gdańsku — Project Butterfly, 2025. Scenografia cyfrowa generowana przez AI w produkcji operowej.
Co czytać dalej
Najważniejsze pozycje z bibliografii. Pełna bibliografia znajduje się w pracy badawczej (PDF).
Robin Nelson, Practice as Research in the Arts (2013)
Kategorie know-how, know-that i know-what, na których opiera się cała metodologia. Artefakt artystyczny jako autonomiczna forma wiedzy.
Peter Eckersall, Helena Grehan, Edward Scheer, New Media Dramaturgy (2017)
Nowa dramaturgia mediów. Algorytmy zyskują na scenie status „nieludzkich aktorów”.
Ben Spatz, What a Body Can Do (2015)
Wiedza somatyczna — zdolność identyfikacji dobrych rozwiązań wyprzedzająca racjonalną analizę. Cielesna pewność, że „ta postać tak nie mówi”.
Kate Crawford, Atlas of AI (2021)
AI jako „technologia ekstrakcji”. Datacentra, wydobycie surowców, niewidzialna praca — demitologizacja rzekomej niematerialności technologii.
Nick Couldry, Ulises A. Mejias, The Costs of Connection (2019)
„Kolonializm danych” — cudza praca zawłaszczona przez korporacje bez rekompensaty. Modele trenowane na tekstach pobranych bez zgody twórców.
Alicia Guo i in., „From Pen to Prompt: How Creative Writers Integrate AI into their Writing Practice” (2025)
Podstawowe napięcie poznawcze: błyskawiczne tempo generowania tekstu przez modele koliduje z naturalnym rytmem pracy pisarza.
Piotr Woycicki, Alan Chamberlain, Favour Borokini, Artificial Intelligence and Contemporary Performance (2025)
„Cultures of Consciousness” — współpraca z AI wymaga od twórcy demitologizacji technologii: rozumienia mechanizmów modelu, krytycznego dystansu i pełnej odpowiedzialności za proces.
Annie Dorsen, „The Dangers of AI Intoxication” (2023)
Koszty środowiskowe i estetyczna homogenizacja. Krótki esej, precyzyjny sceptycyzm twórczyni, która pracuje z AI od dekady.
Murray Shanahan, „Talking About Large Language Models” (2022)
Ostrzeżenie przed przypisywaniem maszynom podmiotowości. Czym właściwie jest „rozumienie” w dużym modelu językowym i dlaczego nasze intuicje na ten temat są mylące.
Silvia Elias i in., „Rethinking Literary Creativity in the Digital Age” (2025)
„Nieintencjonalna intencjonalność” — systemy AI generują teksty z wbudowaną strukturą intencjonalną, choć nie stoi za nimi żaden biologiczny zamysł.
Mary L. Gray, Siddharth Suri, Ghost Work (2019)
Ludzka praca ukryta za fasadą automatyzacji: moderacja treści, etykietowanie danych, mikrozadania. Rozwija tezy Crawford o konkretne historie ludzi wykonujących niewidzialną pracę cyfrową.